10月22日，在由西部科学城智能网联汽车创新中心引入重庆落地的“第三十二届中国汽车工程学会年会暨展览会”上，“第十二届国际智能网联汽车技术年会全体会议暨智能网联主论坛——创新跃迁，智联未来：迈向智能网联汽车产业规模化发展新阶段”成功举办。
该论坛由中国汽车工程学会、国家智能网联汽车创新中心、清华大学车辆与运载学院、西部科学城智能网联汽车创新中心、智能绿色车辆与交通全国重点实验室主办。
在论坛上，清华大学车辆与运载学院教授、智能绿色车辆与交通全国重点实验室主任，西部科学城智能网联汽车创新中心首席科学家李克强做了《智能网联汽车产业高质量发展现状及展望》的主题分享。
李克强指出，汽车智能化时代已来临，智能汽车是新一轮科技革命的代表性产业，是世界各工业强国的战略竞争高地。并系统总结了智能网联汽车产业发展的三大现状，面临的六大挑战，并结合产业最新发展动态和最新技术研究成果，给出了智能网联汽车高质量发展的四大建议。
当前，全球汽车产业正围绕智能网联技术展开深刻转型，并已形成高度共识。
在技术层面，智能网联汽车已成为带动人工智能、信息通信、大数据、云计算、北斗定位等前沿技术发展的战略制高点。
在产业层面，汽车与相关行业加速跨界融合、深度协同，推动产业链重构与价值链延伸，有望构建规模达十万亿级的创新产业集群。
在应用层面，汽车产品功能和使用方式正经历深度变革，逐步从交通工具转变为智能移动空间。
在竞争层面，中国率先提出智能化与网联化融合发展的技术路径，已形成与美国、欧洲、日本等传统汽车强国直接竞争的态势。
在产业化进程方面，我国智能网联汽车已取得显著进展。
多项关键技术实现突破并进入规模化应用阶段。激光雷达逐步实现国产替代，4D毫米波雷达加快技术攻关，国产车端计算芯片设计水平跻身全球前列，操作系统生态也加速完善，分层解耦与跨域共用的技术方向已获行业共识。
辅助驾驶领域，功能场景在持续扩展。乘用车L2级辅助驾驶实现大规模应用，市场渗透率超过50%；城市NOA等辅助驾驶功能开始规模化推送；商用车方面的AEB、LDW等辅助驾驶功能也随强制标准的实施加速推广。
测试示范工作亦在蓬勃开展，形成智能网联汽车落地最佳实践。全国累计发放测试示范牌照超过7700张、开放测试道路超32000公里，测试总里程超1.2亿公里。多个城市推动规模化、无人化、商业化示范探索，多场景示范应用蓬勃开展。
基础设施建设也持续提升。已建成17个测试示范区、7个先导区和16个“双智”试点城市，部署路侧单元（RSU）超过8700套，北京、重庆、上海等地已布局城市级云控基础平台建设，为“车路云一体化”落地提供实证案例。
从全球视野看，协同式智能网联汽车技术路线已逐渐成为国际共识，各国也纷纷制定相应产业战略。
美国交通部发布《通过连接挽救生命：加速V2X部署计划》，旨在加快V2X车联网在全国范围内的部署，提升道路安全，降低交通伤亡，促进交通系统更安全、可靠、高效。
欧洲发布CCAM路线图，提出数字化基础设施支撑自动驾驶ISAD分级。在Horizon 2020、Horizon Europe等框架下，持续部署网联协同自动驾驶重大项目，加快技术突破，组织规模示范。
日本SIP进入3.0阶段，在1.0、2.0自动驾驶项目（SIP_adus）基础上，3.0智能出行平台项目，关注智能基础设施领域，支持通信基础设施建设、移动服务相关的车路协同系统等研究。
在这一趋势中，中国在全球率先实施智能化网联化融合发展方案，坚定推进“车路云一体化”发展战略，在5G/V2X、云控基础平台等领域具备优势。同时，中外车企联动加强，已有15家车企联合2个示范区和3条高速公路运营方，共同开展以应用为导向的示范项目，推动智能网联汽车从技术验证迈向商业化落地。
李克强在肯定智能网联汽车产业取得重大成就的同时，也指出，产业必须清醒认识到，为了加速大规模产业化和实现高质量发展，当前仍存在一些亟待解决的不足与挑战。
在实际应用中，智能汽车在部分工况下智能化程度不足导致体验欠佳，复杂工况下更是存在安全隐患，伤亡事故时有发生。
原因在于产品定义偏差，未能精准匹配实际场景需求；核心技术存在短板，多传感器融合、极端环境决策等关键环节不足；监管与合规有问题，部分企业未严格遵守法规标准，行业监管有漏洞，放大了安全风险。
在现实的高级别自动驾驶测试评价中，虽然测试方法与数据评估手段多样，但某些场景下依然会发生事故，这暴露出当前测试的不足。
原因包括关键场景测试验证覆盖率不够；功能场景应对方案设计不足，算法研究投入有限，基础算法质量有待提高；以及纯单车模式下，存在单车感知与决控能力局限等。未来必须大幅扩展测试验证场景的覆盖率，并建立对问题的实时、闭环分析机制。
站在企业角度，盈利水平不及预期。在前瞻投入巨大、市场竞争加剧、产品价格下探、补贴政策退坡等因素综合影响下，目前智能网联汽车行业产业链整体盈利水平堪忧，仅特斯拉、比亚迪等少数企业盈利，导致部分企业在研发和创新等方面出现一定滞后，中国汽车产业的高质量可持续发展也因此面临新的挑战。
产业要从技术层面找原因。技术未闭环，关键指标要求未完全满足，难以支撑稳定的商业化运营；技术方案落后，系统架构不统一，存在烟囱型结构，且缺乏网联支持，导致效率低下、成本高。
同时，产业生态尚未形成，企业间缺乏协同合作，存在重复造轮子的现象，资源浪费严重。
在传统汽车时代、电动汽车时代都出现了非常有影响力的企业。智能网联汽车产业链正经历重构，本应催生新型重要的零部件企业及平台企业，但至今尚未出现智能网联汽车领域的“宁德时代”，也未出现产业互联网领域的“BAT”。
背后原因是多元的。由于缺乏对新型产品及系统的顶层设计，导致未能搭建起清晰的产业发展框架。加之未实现“分层解耦、跨域共用”的系统产品协同开发模式，导致资源分散、效率低下。以及针对新兴科技企业的支持不足，共同制约了领军企业的诞生。
市场价格战已趋白热化，这不仅削弱了企业技术研发投入能力，还引发了产品迭代的非理性加速，导致忽视技术成熟度与稳定性，更造成了产能与业务范围的盲目扩张和资源浪费。
其根源在于，行业在一定程度上违背了商业规律，且缺乏有效监管，致使企业陷入同质化、低水平的非市场化竞争，同时存在对核心技术重视不足以及被不良资本裹挟的问题。
法规缺口明显，比如针对智能网联汽车的测试评价、市场准入、召回等全生命周期管理，尚无明确的标准法规体系；现行《道路交通安全法》未能充分考虑自动驾驶车辆的特殊性，亟需修订以适应发展需求；还需建立健全个人隐私保护框架，平衡数据利用与信息安全，增强公众信任；以及借鉴德国、美国、日本等国的经验，加快法规与国际标准对接，提升我国智能网联汽车产业的全球竞争力。
针对上述挑战，我国智能网联汽车产业在“车路云一体化”系统、计算基础平台和人工智能等领域加速技术创新。
我国规模化发展“车路云一体化系统”的时机已然成熟。
从相关数据来看，2025年1 - 7月，我国L2乘用车新车渗透率达到62.6%，其中具备NOA功能的乘用车渗透率也达到了21.5%；我国新车4G/5G装配量分别为749.9万辆和275.0万辆，装配率分别为60.5%和22.2%。
车载辅助驾驶系统和通信终端配置率双双超过6成，这表明车云高质量协同已超越量产爆发的门槛，为我国进一步推进智能网联汽车车路云一体化奠定了良好基础。
车路云一体化系统的核心优势主要体现在两方面。
一方面，为智能网联汽车行驶建立了安全的“数字轨道”。目前，自动驾驶难以实现良好的应用效果，虽然用户体验好很重要，但安全问题才是关键。车路云一体化在智能网联汽车领域增加了一个数据管道，为安全构筑起坚实保障。
另一方面，车为AI大模型训练建立了“数据发电站”。大模型的运行需要经历数据开发、训练、评价和应用等环节。然而，单一车企在进行大模型训练时，数据存在固有弊端：数据体量有限，难以实现海量数据的积累；数据种类不全，无法保证数据的完备性。
而车路云一体化系统融合车辆自主上报、路侧感知、与交通指挥信号、交通事件等全维度数据获取模式，覆盖范围更广泛、交通场景更复杂、数据种类更完备。
在此背景下，团队完成了IVCPS智能汽车信息物理系统参考架构网站，从系统定义、架构设计方法、功能场景参考架构、模型库四个方面形成阶段性的成果面向行业开放，为智能网联汽车和智能交通系统规划与建设提供参考性框架，以及提供具有示范作用的成熟解决方案。
在车路云一体化系统建设的推进过程中，产业层面仍存在一些概念认知上的误区。
认为“单车智能”与“车路云一体化”是不同的技术路线是错误的。已没有传统意义的单车智能，两者是万物互联同一技术路线下的不同发展阶段。
认为“单车智能”已成功，车企对“车路云一体化”技术不感兴趣的想法也是错误的。单车智能在行驶安全、可靠性及效率方面尚存在问题，亟需车路云一体化技术来改进完善。多数车企已发现“单车智能”的缺陷，正在期待导入“车路云一体化”技术。
认为“车路云一体化”就是“云控制车”的观点同样错误。车路云一体化，仍然要求车辆需要具备基本的辅助/自动驾驶能力，云端发给车端的信息和建议，需要车端筛选仲裁后，由车端自身最终实施行驶控制。
车路一体化系统在多种实际场景应用中能实现性能提升。车企通过联合研讨，共同提炼出17个既能提升安全性、又能改善交通效率，并可支撑快速商业化的典型场景，并计划分阶段推进实施。
首批功能场景的遴选，在考虑提高车辆安全、提高交通效率等方面作用的基础上，进一步考虑基础设施需求明确、标准体系完备、对单车智能赋能作用强等有利于实现规模化、标准化建设的因素，在17个场景形成5个试点功能场景。具体包括：
云支持的自动紧急避撞，这是当前车路云一体化试点示范中，对单车辅助驾驶/自动驾驶挑战最大的常见场景。即三辆车跟驰，头车停车或急刹车，二车换道避让，云端通过多条路线获得前车碰撞风险，尾车（主车）接收到云端减速指令，实现减速避撞。
云支持的绿波车速引导，这是当前车路云一体化试点示范中，推广成本最低、普及范围最广、用户获得感最强的高价值场景。云控基础平台基于行驶路径上交通路段拥堵信息、当前路口交通状态信息和视距外前方路口状态，进行路口交通流预测，制定绿波车速引导。
此外，云支持的匝道汇入/汇出、云支持的弱势交通参与者保护、网联式NOA（C-NOA），属于能力提升类场景。
当下，产业都探讨一个关键问题：在自动驾驶时代，整车企业的灵魂究竟是什么？
李克强认为，整车企业的灵魂体现在产品定义与架构、核心应用算法以及系统集成与验证这几个关键维度。
其中，核心应用算法涵盖了应用软件、功能软件以及中间件等多个层面。然而在现实应用场景中，应用软件和传统中间件之间存在明显的衔接断层。
自动驾驶应用复杂，多数垂直耦合开发，能力严重缺乏，需要自动驾驶操作系统（OS）作为应用开发的重要支撑。但内核等ICT技术不足够支撑自动驾驶应用开发，“核高基”多年成果无法在车企应用。
因此，为了完善自动驾驶OS，需要一种融合创新、能够上下衔接的功能软件。这种功能软件就如同“桥梁软件”，是“应用算法开发加速器”，能够为自动驾驶应用开发提供强有力的支持。
基于此，产业迫切需要一款能够支撑自动驾驶应用快速高效开发的新一代操作系统，它由系统软件和功能软件共同构成。
当对自动驾驶操作系统进行定义，并将其底层架构纳入整体考量后，可以合理推断，未来的产业链将会发生重构。
在智能网联时代，传统的从Tier 2到Tier 1再到OEM的产业链模式，由于新技术的不断涌现、数据交换需求的日益增长以及安全问题的凸显，使得最新技术难以依靠单一企业来实现。
所以，新的产业链必将应运而生，以达成相应的功能。从技术评价的角度来看，将其称之为新型Tier 1.5供应商。
新型Tier 1.5供应商将与芯片进行深度结合，构建起计算机平台。通过这个平台，能够实现车载计算基础平台跨整车、跨系统的敏捷开发。主机厂可以基于这个平台快速开发程序，从而加速自动驾驶应用的推进。
云控基础平台系统即“云脑”，在这样架构体系之下，并非传统意义上各自为政、孤立运行的“烟囱型”平台，而是采用分层解耦的设计，构建起“三层四级”的云控系统架构，有效助力智能网联汽车与智慧交通实现协同共进，推动自动驾驶技术的完整应用。
在这套大架构赋能下，车端“技术脑”与云端“技术脑”结合，将推动自动驾驶发生根本性改变。
在自动驾驶领域中，人工智能借助车路云系统，增加数据输入量并对实际情况进行精准拆解，进而形成闭环，以此解决自动驾驶中存在的幻觉、实施效果不佳以及可靠性等问题。
在这一过程中，主要实现了两项重要技术突破。
车路云一体化场景重建与数据生成。首创从路侧传感器数据重建生成车端视角的传感器数据（RS2AD），通过视角变换技术，构建端到端自动驾驶数据真值，显著降低智驾大模型在数据采集与真值标注方面的成本。
此技术具有三大亮点。一是完备性，路侧采集的数据十分丰富，能够覆盖传感器范围内的所有车型，有效打通了行业数据孤岛。二是海量性，可获取全天候的关键场景数据以及高价值场景数据。三是低成本，实现场景360度覆盖采集，端到端数据真值构建效率提升10倍以上。
AI模型分层解耦关键技术及产业应用。比如，上汽通用五菱首创的BEV感知与强化学习融合的自动驾驶控制模型，并提出轻地图强视觉感知范式，弱化了高精地图依赖。
再如，比亚迪与一汽红旗合作，实现了AI“黑盒”的可解释性。与传统训练方式相比，其平均精度均值（mAP）提升了2.88个百分点，自动驾驶数据集综合评分（NDS）提升了4.67个百分点，性能得到显著提升。
针对智能网联汽车的高质量发展，李克强院士提出四条建议。
要充分借鉴新能源汽车发展宝贵经验，全面强化智能网联汽车顶层谋划。
新能源汽车要抢抓纯电驱动机遇，以坚定的战略定力和完善的政策保障，支持打造领先创新体系，实现全球引领。智能网联汽车应坚持车路云一体化路径，进一步强化顶层设计与跨部门协同，建立汽车产业转型全面领先优势
要发挥试点示范作用，持续完善政策法规标准体系，营造良好的发展环境。
要加速法律法规制修订，结合准入与上路通行试点、沙盒监管、高精度地图应用试点等创新试点项目，支持智能网联汽车的规模应用，持续完善道路交通管理、高精度地图、商业保险等相关法律法规。
同时，加强信息安全管理，统筹数据监管机制，支持数据合规应用，充分挖掘车路云一体化大数据应用价值。并进一步强化智能网联汽车相关财税金融政策引导，支持企业转型与创新发展
要对标国际重大专项推进经验，打造跨领域协同创新体系。
比如对标欧盟Horizon Europe、日本SIP等重大专项模式，围绕车路云一体化架构，系统部署重大课题项目，形成面向未来15~20年的技术框架，打通从“基础前沿技术-共性关键技术-示范应用”创新链条。
前沿技术攻关。在系统架构技术方面，要突破信息物理系统架构（CPS）、车辆电子电气信息架构（EEI），支持车路云一体化应用。在通用人工智能方面，要实现感知、决策控制、数据采集与标准、基础大模型优化、数据训练、测试技术等突破。在安全技术方面，要加快信息安全、功能安全、预期功能安全技术攻关，打造车路云一体化融合安全体系。
核心产品突破。要加速L3、L4级智能网联汽车整车突破，以整车带动核心零部件集成应用。要组织高精度传感器、智能底盘、大算力芯片、操作系统、高精地图与定位等关键产品攻关。
同时，在工具链、场景库上，实现研发测试工具软件突破，成链应用，并打造车路云一体化场景库。
产业生态构建。操作系统生态上，构建多元化操作系统开发与应用生态，推动开展智能网联汽车操作系统示范应用。跨界融合产业生态上，鼓励跨界融合发展，支持打造新型智能基础设施建设、运营主体，支持商业模式探索。规模应用生态上。持续推进汽车、交通、城市融合发展，加速跨地区互认和协同发展，支持规模商用。
推动信息安全基础平台建设，服务国家智能网联汽车信息安全监管体系搭建。
依托高精动态地图基础平台，探索地理信息安全防护与高精动态地图合规应用之间的平衡。
加速城市级云控基础平台建设，以车路云融合示范，形成安全监管与服务协同的最佳实践案例。
加速智能终端基础平台、计算基础平台产业化，提升车辆安全防护能力，支撑车路云融合发展。
总之，以监管和服务协同一体化的思路，推进五大基础平台的产业化发展。
选取重点城市区域、高速公路、封闭区域，以车路云一体化体系架构为指导，推动车、路、网、云协同建设，开展多场景车路云一体化智能网联汽车示范应用，支撑新一代智能交通系统建设。
同时，持续开展互联互通测试与示范活动，推动车路云一体化系统从示范应用向大规模商用发展，推动商业模式探索，提升社会接受度。
坚定发展信心：车路云一体化发展符合技术和产业化发展趋势，保持战略定力，持续推动技术落地。
客观看待问题：充分认识当前亟待解决的问题，以及产生问题的原因，形成高质量解决方案，系统化推进。
坚持推进路径：架构正确、标准统一是解决相关问题的有效途径，应凝聚发展路径的共识，抢抓发展窗口期。
持续发展投入：发挥新型举国体制优势，全局统筹，进一步加大投入，解决问题，早日实现产业化目标。
