2025 年已悄然步入后半程，距离“车路云一体化试点” 20城评选落幕已逾一年。综合全国试点城市与新一批潜在意向城市的走访情况，结合与同行的交流来看，各地对车路云建设价值的质疑声日渐高涨，多数已参评城市也仅计划从完成申报试点任务的角度出发，在最小范围内建设试点城市，而不愿加大力度或全力开展网联城市的建设，甚至侧面听到很多声音：“网联城市建设，没有价值。”
导致目前车路云城市建设缓慢的原因有很多，如难以协同涉及到的多个政府部门、企业话语权不同利益难以分配、前期项目未见成效导致失去信心等。
但这些是项目层面执行问题，而非车路云放缓根本问题。在大环境吃紧的背景下，大规模建设需要真正能走通的车路云商业模式。
一、 车路云商业化路径怎么找
（1）必须以商业化思维聚焦用户
行业通用话术：车路云城市建设能为汽车驾驶提供服务，面向L2级别辅助驾驶（网联）汽车提供网联信息提示及智驾算法所需的数据服务，面向L4级别高级别（网联）自动驾驶汽车提供可靠的超视距及盲区感知数据，使自动驾驶安全系数从99.99%提升至99.9999%，并且建设的网联城市数据能够为交通管理、城市治理业务提供数据服务，比如信号优化、违章抓怕、环卫治理等。综上所述，车路云城市建设能够服务智能网联汽车、交通管理、城市治理等众多领域与业务。
理想情况确实如此，但从商业化的角度分析，若一个商品号称服务对象广泛，则反而卖不出去。若在推广阶段车路云城市建设宣称服务所有领域，实则各个领域均没有得到有效服务。
车路云商业化必须聚焦核心服务用户，不要回避问题。
从各个时期来看，车联网先导区时期，行业以通信为主，大力探索新型低延时、高可靠、高带宽的V2X通信技术，最后以小范围技术探索收场；双智试点时期开始，行业结合智慧城市开展价值叙事，投入的感知、通讯设施也可以给城市交通管理部门使用，但迫于行业业务打通难以推进，加之路侧设备投入后产出质量不佳，真实的路侧投入最终也未能有效利用。总的来说，目前大部分智能网联城市的建设定位是不清晰的。当然很多城市也看到了这一问题，思考如何聚焦对网联汽车提供服务，但由于城市本身缺乏车企产业的支撑，建设过程中陷入迷茫的困境，最后若能为交通管理领域所用，便已算得上没有白费投入。
不可否认，通过网联城市建设提高城市管理业务的效率是有价值的，各城市以车路云一体化建设为名，实际大力开展交通管理基础设施的改造升级，决策者至少能为投资效果兜底，不失为一条权宜之计。但我们不能忘记初心，脱离车路云城市建设初衷，并且从商业的角度，自产自销、强买强卖根本不是市场行为，无法建立持久的商业模式。不能指望政府参与投钱生产，再完全由政府再消费买单。车路云城市建设的核心服务主体要回到智能网联汽车，这是决定其建设价值的“必答题”。
必须深入了解各行业原本的盈利模式，聚焦用户愿意付费的真实需求。
目前在车路云城市的建设中，各地开始逐步重视应用场景，在车路云建设方案中要求增加车辆服务等内容。但是汽车行业是一个充分遵循市场原则的地方，它的下游直接面向真实的司机与乘客，唯有产品好用，用户才有购买意愿。当然，各地城市管理部门也并非毫无抓手，在建设过程中积极推动本地的公交公司、环卫公司等城市公共交通与作业车辆参与，但是由于城市作业车辆的市场化发展，城市公共交通的应用推广也还是很难执行。我认为导致这条路走不通的原因有两个，一个是城市公共交通、作业管理车辆的数量规模不足；第二个，也是最关键的，是这些主体本身的商业模式也并非依靠提升驾驶能力来盈利。即使通过建设车路云城市来提高城市公共交通、作业管理车辆的运行效率与安全，也难以从中找到稳固的商业模式。公交车坐1人和坐10人都是亏钱；环卫公司不会为驾驶舒适性多付出一些成本。对于城市作业车辆，提效和增强安全是有价值，但不是商业化行为。商业，是要算得过来账。
车路云眼下应聚焦重视驾驶品质的私家与网约车，才可能走通长效发展的商业模式。
私家车市场与网约车运营公司体量庞大，用户对车辆性能与服务体验的升级需求持续存在，且愿意为能提升驾驶安全性、便捷性的产品或服务付费（比如就个人而言，我愿意为超视距的驾驶信息与出行建议服务），具备商业化的广阔空间；网约车运营公司以规模化运营为核心，对降低运营成本、提高调度效率的需求迫切，通过驾驶服务升级可直接转化为运营收益，其商业模式与服务升级的关联性更强，更易形成可持续的盈利逻辑。因此寻找商业化出路，必须瞄准大规模的私家车市场与网约车运营公司，通过驾驶服务升级实现盈利。截止2025年，全国汽车保有量在4.5亿，各城市的汽车保有量都是百万级别以上，其中网联率已然超过50%（蜂窝Uu通信）并持续增长，瞄准数百万的潜在用户才有初步的生机。
（2）必须紧密开展与车企的合作
李克强院士：我们正在修建智能网联汽车的数字轨道。
伟大的事业毋庸置疑，但现阶段我们要思考的是，轨道是火车运行的唯一途径，车路云城市建设有没有成为智能汽车的强需求？
单车智能显然更适应市场，已然在智驾能力上越走越远。
从现状来看，全国各城市建设的网联基础设施基本没有给车用上。有人说车企根本没有需求，case by case 举例，网联一直宣传的通过网联解决驾驶突发的鬼探头事件（因视线遮挡引发的突发交通事故），现在单车通过AEB紧急制动系统也已能基本应对。随着近年各大新势力疯狂的“内卷”环境，很多造车新势力将智驾作为决胜关键局。单车算法的迭代能够在单一企业完成自闭环，单车的智驾算法能力进步速率非常快，"BEV+Transformer"的算法模型、一段式/两段式端到端的方案、特斯拉影子模式的进步机制，车企自身亦能完成高阶智驾的闭环，逐步克服交通的长尾问题。单车已能基本解决所有危险场景下的case，逐步向一名“老司机”迈进。
从第一性原理出发车路云是交通长尾问题的最优解。
大模型技术能够针对交通长尾场景作出决策，进一步破局自动驾驶发展瓶颈，但从方案优势层面，车路云在解决系统最优问题上的价值无可置疑。君子不立于危墙之下，借助网联技术能够实现提前预测，进而预先规避用户陷入危险场景，以车路云技术路线的“上帝视角”打造的驾驶模式，是解决交通安全长尾问题的最优解。车路云一体化从系统的角度，为辅助驾驶提供超视距与盲区视野，为智驾算法提供更丰富的决策数据，为自动驾驶解决多车协同问题。不管是现在度城市NOA智驾算法能力的大幅提升，还是解决日后的高级别自动驾驶规模化运行的技术问题，破局点都极大可能在车路云一体化上。
以今年3.29发生的小米高速事故为例，事故的原因在于驾驶员开启高速 NOA 功能后，因高速道路临时施工且在旁晚光线较差，单车对此类复杂的施工情景识别困难，尽管识别到异常但无法规划做出果断的决策，而驾驶员操作未能及时跟进，最终酿成惨案。此类场景恰恰是车路云一体化能够充分发挥价值的典型场景：若高速施工信息能准确的提前发布，车辆不仅无需主动识别复杂的施工场景，甚至能在数公里外实现预判并提前决策。
车企认可车路云的体系，但上车必须等价交换拿出好东西。
作为车路云行业的中坚力量，国家智能网联汽车创新中心持续与车企开展各项专项行动，积极推广车路云一体化在车企中的应用；百度立足萝卜快跑，同时与福特、宝马、大众、现代等车企开展网联服务项目合作。车企端，一汽组建了车路云一体化专班组、上汽成立了上汽平台公司、吉利设立了智能网联创新中心研究院…
回顾以往合作项目，车企被吸引而来，却多以不断缩小项目合作范围潦草收场。或许是曾经行业没有准备好，没有给车企一个满意的答卷。下一步，行业需要紧密合作，遵循等价交换原则，为车企真的做出一些好用的车路云功能，行业仍需要持续积极开展与车企的合作。
（3）必须替城市考虑做有效投资
车路云一体化作为中国方案，能够充分发挥我国新基建的战略优势。理想情况下，由多个城市率先完成大批量网联化建设，为车企提供规模化上车功能应用的基础条件，车企看到规模化可用的城市网联数据后，便可真正参与进来。但伴随各地方财政承压，大家必须勒紧裤腰带过日子，必须在有限的范围内做最性价比最高的投资。因此需要找到技术成熟度与商业应用的契合点，思考这条路先做什么、后做什么、重点做什么。当下给智能网联汽车用什么，才真正决定了我们要建什么，这样大规模建设才能有保障。
车路云建设到底是给L2的车用？还是L4的车用？首先结论肯定是都给，也一定都需要。因为精准的超视距感知数据，无论是对于辅助驾驶还是自动驾驶都是有价值的。
二者所需数据的特征：
1.L2是辅助驾驶，驾驶主体是人。高时延、不够精准的感知数据对人来说也有意义——百度与高德地图的实践已印证这一点：他们通过大模型计算提供信号灯与事件数据（尽管这类数据并不精准），为司机驾驶提供网联信息服务；在此基础上，较低时延、较精准的路侧数据对L2智驾功能也有意义，可以提升PCC、NOA、AVP等智驾算法能力（如参与全局路径规划）。
2.L4是自动驾驶，驾驶主体是车。唯有低时延、精准的数据对车的决策才有意义。
小规模建设服务高级别自动驾驶车辆的“路-云”。
车路云一体化城市理想的路侧建设方案是“全覆盖、全天候、全感知”，激光雷达/高像素低时延视频全上、大算力边缘计算单元多上，50m一组，日维护、月升级。那么，是否应当一味追求低时延、高精度的感知数据？答案是否定的。低时延、高精度的感知数据固然理想，但对应的投资建设成本也越高。目前全国实际投入日常运营的L4 级高级别自动驾驶车辆，数量规模只有万辆左右，其中真正率先探索出商业模式的是无人配送车、自动驾驶出租车（Robotaxi），并且基本是单车智能的方案。
真正想要为L4提供有效的服务，路侧与平台的投入代价都会很大，并且要想同时满足通信的低时延及可靠性还存在瓶颈。通信层面通过PC5能满足时延与可靠性的要求，但是RSU的PC5仍是广播模式，无法做到车辆的单一定制化服务；5G也存在不稳定的情况。现阶段面向L4的网联服务仍然是探索，需等待L4级别运营车辆数量的爆发、单车算法的瓶颈，才真正有商业化的价值。
也许在未来3-5年L4高级别自动驾驶车辆迎来暴发式地增长与落地，到时单车智能日益疲软，无限逼近老司机能力后，迫切需要通过车路云一体化的方案解决路径冲突、最优调度等问题。但现阶段为市面上数量寥寥的L4 级别车辆投入如此巨大的成本，既不符合商业逻辑，也因车企尚未形成对网联数据的明确需求与应用路径而缺乏可行性。从长远视角展望，若百年之后所有车辆均实现自动驾驶，那么可以断言，道路也必将具备同等的智能化水平；届时，为智慧道路不计代价投入的必要性自然毋庸置疑，但眼下对于高级别自动驾驶，重要的只是配套建设监管体系。
大规模建设服务辅助驾驶的“路-云”。
我们必须要承认当下所有上量产的智驾功能里没有车路云的影子，在车路云功能没有得到应用、效果不佳的前提下，最具备商业逻辑的做法是脚踏实地聚焦网联信息服务，为各城市数百万的智能网联汽车的尽可能的提供好用的网联信息服务功能与产品，并且一定要配套大规模改造对于车端应用才有意义。
但是大规模建设不代表这个阶段建设所有路侧的感知、计算、通讯能力。眼下的大规模建设应该重点放在交通基础设施网联化、重点地带的感知计算能力上。比如，大规模将城市信号灯/可变限速/车道/标识进行网联化改造；在城市、高速的事故黑点地段/常发生拥堵路段/重点路口建设实时感知能力；建立道路施工、恶劣气象必须及时发布的体系，不要避讳做成了智慧交通项目，智慧交通本来也是车路云一体化要解决的问题。
当驾驶完全由人操作时，用户所需的网联信息服务明确且具体，包括信号灯倒计时提醒、绿波车速提示、道路施工提醒、交通事故提醒、闯红灯预警、行人闯入预警等功能。得益于大模型的发展，这其中小部分功能已在百度地图与高德地图中得到了应用；然但遗憾的是，信号灯上图这一最简单有效的功能，居然是大模型算出来的，而不是网联行业孵化主导解决的；更关键的是，目前依靠大模型计算出来的信号灯数据尚不精准，不仅无法推算自适应信号方案、全面提示城市的交通事件，也难以推测行人与其他车辆的运行轨迹，网联信息服务的效能仍有较大提升空间。这些网联功能或许鸡肋，但是已经具备初步的C端服务价值，做到这一步大概会产生1元/辆车·年的商业化价值。
打通上车服务体系，提高数据质量，将数据服务于智驾算法。
进一步地，若要提升网联城市建设的价值，实现让用户掏5元/辆车·年的费用的目标，必须要让数据深度参与到智驾算法功能的迭代优化中。当开启智驾功能时，给车提供智驾算法所需的输入，如面向PCC（预测巡航控制功能）功能，从全局道路驾驶条件与拥堵视角提供规划车速，使智驾不再频繁加减速，提高智驾体验的同时省油；面向NOA（领航辅助驾驶）功能，从系统角度为车辆提供全局路径与换道决策，提升驾驶稳定性与安全。充分利用车路云城市建设的数据，打造C-PCC、C-NOA、C-AVP等智驾算法，使单车智驾算法在性能得到质的飞跃。
（4）眼下问题方法出在哪？
张亚勤院士说：先有鸡、先有蛋，车先用、先建路是个世纪难题。
Ø车企：一个功能起码在20个核心城市能使用上，才有上车机推广应用的价值。
Ø城市：车路云大规模投资建设后无车可用，投资无太大收益，等车用再建不迟。
...
车路云在车端应用的推广失败，很大原因是因此导致，也许有人会说，这个简单，有两种方式：
1.政府理应有担当，率先率先推进城市网联化建设。这一点在近年来多数示范城市的实践中已得到体现，国家级示范区、地方示范区、“双智”试点等均是如此，政府充分发挥责任担当，投入大规模资金推进建设，从 30 个路口、300 个路口到 3000 个路口逐步拓展，然而收益却迟迟未显现。
2.POC先试点部分，边用边建设。各城市小范围地开启建设、各车企小范围地进行课题验证，双方本应形成“双向奔赴” 的协作态势，却迟迟未能实现深度融合。
不成功的关键问题在哪？假设市面上有N家车企愿意参与，B个城市愿意建设，便会产生N·B次需求交流与对接。而每1次对接都有可能是某个座谈、课题、甚至是项目，所消耗的资源是巨大的。 

这里其实一直缺一个方法与“桥梁”。上游连接所有的车企，下游对接服务所有网联城市，建立一条“自由通商”的丝绸之路。为所有想要贸易的商人领一次路，而不是每次让各方重复投入资源“另起炉灶”，再挖一条路。建立这条路的难点在哪？
Ø先为车企创造明确的价值，让车企自愿接入进来，做大汽车用户规模。
Ø进而将用户及其需求导入各城市，推动城市统一建设标准。
Ø最终通过持续丰富车端服务、持续提高城市的数据质量，形成良性循环。
二、车路云一体化商业模式探索
要打破“鸡生蛋、蛋孵鸡”的僵局，百度依托多年应用落地产业化的经验，为行业提供一套破局思路与解决方案。率先为车企提供规模化的网联价值数据与功能，实现大批量车企用户的接入。为车路云城市搭建直面汽车服务的交易渠道，为运营公司打通数据售卖的真实路径。

1.先孵个蛋-率先为车企提供规模化的车路云数据与功能
基于大模型的发展，百度凭借多年积累的用户数据，无需依赖网联城市的建设，已能推断全国信控路口的信号方案数据，同时通过每日开展大模型数据分析，生成道路交通事件。基于百度地图全国的信号数据、交通事件、地图数据，经平台加工处理后，百度已经能够为车企在全国范围提供包括基础的绿波通行、事件信息在内的数十个网联服务功能。
在全国范围的信号灯、交通事件数据基础上，百度依托多年深度参与的网联城市建设的经验，已完成20余座城市的网联数据的更新与丰富，累计接入6700+个真实路口的信号灯数据；并且，随着车路云城市、高速公路的持续建设，将为车辆驾驶带来更精准、丰富的数据与网联功能。
在为车企提供最基础的网联信息服务功能的过程中，可逐步培养车企对网联数据的依赖，进而反向推动网联数据的质量升级，促进网联数据更深度地参与智驾决策，同时，在这一过程中探索解决数据责任机制问题—— 即明确使用网联数据进行智驾算法决策时，若出现问题该如何划分责任。
百度通过建立全国的网联服务平台，在平台上完成各家车企不同车型、车辆的对接工作（车企仅需对接这一次），作为车企的交易与对接入口。目前百度已实际接入福特、宝马、大众、现代等车企的100余万辆车，累计签约车辆的数量达1000余万，这个数字势必仍会快速增长。尽管车企现阶段愿意支付的费用有限，且为车机提供的网联数据与功能仍有待丰富，但这一模式遵循等价交换原则，切实为智能网联汽车在全国及网联城市本地提供了基础服务。
在此希望更多的车企能够参与使用到这些城市的车路云数据及功能，合力探索车路云目前建设各城市的数据是否好用，为各城市建设提出新的要求。
2.再生个鸡-为车路云城市提供直面汽车服务的交易途径
如何真正让各城市（车网）运营公司/高速公司实现盈利？
在各座网联城市的建设中，都会遇到一个问题，如何真正建好路云后给车辆提供服务。毕竟全国的车企数量有限，长春能够依托一汽开展探索，这得天独厚的条件是其他城市难以企及的。但是没有车企不等于没有车跑，一个城市几百万的保有量乘以50%的网联率也是百万级别的基数，百万级别用户的商业价值是显著的，真正的问题在于，目前还没有一个极简的途径能在短时间内打通对这些车辆的服务链路。
百度已然走通了这条路的初期，为各座车路云城市的建设提供一座“桥梁”，助力车路云城市快速服务于在本地运行的智能网联汽车。依托百度全国网联服务平台上已接入的百万级智能网联汽车，可以将用户引流至车路云城市，一方面为汽车用户提供更为丰富的驾驶服务，另一方面为车路云城市迅速带来真实用户并获取收益。
对于未建设云控基础平台的城市，需要在城市补充建设本地的网联服务平台，与全国平台互联互通，将网联服务迁移至本地，提供更丰富的数据、更丰富的功能和低延时的服务；对于已建设云控基础平台且满足车辆服务需求的城市，只需从全国网联服务平台进行对接，完成服务迁移即可。各地不再需要把各车企的对接工作再做一遍，仅需打通城市云控基础平台与全国网联服务平台，即可服务在本地城市运行的网联车辆。

目前百度已在多个城市与运营（车网）公司签署协议，一种方式是城市运营（车网）公司向百度授权数据，百度支付授权费用；另一种是城市运营（车网）公司将数据上架至本地数据交易所，由百度购买的两种形式。在此呼吁各城市积极参与进来，真正让平台服务于车辆，先建立基础服务桥梁，再通过持续反向升级数据，不断提升数据价值。
3.搭建繁衍环境-为企业及厂商搭建开放的车路云生态
数据未能产生价值，本质原因有两个，一个是数据本身不被需要，另一个就是数据未被有需要的人看见。如今，智驾算法领域从业人员众多，他们作为市场上的优秀人才，拿着高薪却整日陷入“内卷”—— 专注于如何让单车智驾算法的表现更优；而仅有极少的人背负着车路云的使命，挥舞着小部分POC数据，围绕项目验收探索着利用网联数据的智驾算法。没有进入一个车路云数据“建设-使用-反馈”的正向循环是当前车路云发展缓慢的根本原因。

Github网站促进了代码开发、技术进步，让行业内更多的人了方便的了解到开源方案，极大降低了代码开发与学习的门槛。同理，车路云也需要打造一个开放的生态平台，这个平台上有基础的网联数据，让更多做智驾算法的人看见，从而有进一步使用的可能。基于全国网联服务平台打造开放可信的数据空间，面向车路云行业生态开放数据，开发者可以在平台上开发功能，一方面为车企提供更好的网联服务产品，另一方面将功能下发到更多网联城市，开展网联服务应用。
（转自车路协同公众号）