由中国汽车技术研究中心有限公司、中国汽车工程学会、中国汽车工业协会、中国汽车报社共同主办，天津经济技术开发区管理委员会特别支持，日本汽车工业协会、德国汽车工业协会、中国汽车动力电池产业创新联盟、新能源汽车国家大数据联盟联合协办的第二十届中国汽车产业发展（泰达）国际论坛（以下简称“泰达汽车论坛”）于2024年8月29日至9月1日在天津滨海新区举办。本届论坛以“风雨同舟二十载 携手并肩向未来”为年度主题，邀请重磅嘉宾展开深入研讨。
在9月1日“智能网联方向专题分论坛三：20年智驾飞跃，自动驾驶汽车产业化前景与路径”中，中国移动上海产业研究院智慧交通产品部总监应策发表了题为“从“5G+”到“AI+”中国移动车联网方案的实践与探索”的演讲。
中国移动上海产业研究院智慧交通产品部总监 应策
以下为演讲实录：
尊敬的董理事长、郭副秘书长，各位行业专家，上午好！
刚才听了车企两位前辈对于自动驾驶的介绍深受鼓舞，我现在就从车联网的视角分享中国移动的实践与探索，阐述一下我们对行业的一些理解。
首先做个回顾
中国移动作为运营商，多年来一直服务于车联网行业。
我们主要从以下几个方面进行行业赋能：
第一，是网络连接。中国移动已经建立全球最大的一张5G网络服务于车企的智能连接需求。
第二，是信息服务层面。依托于全网十亿级的用户规模沉淀下来的一些资源服务于车主的信息娱乐方面的需求。
第三，是车路协同层面。中国移动早就对这个赛道进行了布局，参与了很多重点项目的建设。从4G到5G，最早4G参与了无锡的第一个车联网先导区的建设，从4G到5G到5G+的深化赋能，中国移动对于行业的服务也从信息传输向信息融合处理演进。
技术本身也不断在进行演进。有一个非常有价值的探索就是在上海金桥和行业合作伙伴一起开通了全球首条5G-A车联网示范路线。通过这个示范路线，基于5G-A技术验证了车联网端到端的闭环。
这条示范路线重点验证了三个5G-A的技术特性。第一是通过5G实现车车和车路的通信。第二是具备通感一体能力，就是通过通信信号感知路上的目标物，在一些不良外部环境下，可以很好地规避。第三是把路测的一些零散计算单元进行集中化部署放到运营商机房实现很好的运维保障，而且也允许提升可扩容性。
通过一系列的探索，很好验证了利用运营商的资源服务于车联网的一些规模化应用的发展。从行业角度，现在整个行业也往智能化下半场进行发展，国家也提供了很多重磅支持，包括车路云一体化试点城市首批确定了20个，其中16个是中国移动参与支撑申报。
为了应对行业的这些变化，应对规模化发展以及AI化的应用需求，中国移动未来主要做两件事情：
第一件事情是基于5G的云网基础资源构建一个面向行业开放的车联网新型基础设施，主要是把网络资源以及算力资源通过基础平台进行整合向行业开放。同时是基于中国移动的九天基座大模型底座向行业赋能快速低门槛落地的AI应用体系。
对于基础设施层面，连接层面我们提的方案是基于5G和V2X进行融合组网。5G本身是广覆盖的网络，现在已经覆盖了全国所有市县城区，而且网络性能经过测试也可以做到服务于现阶辅助驾驶的要求。我们认为5G网络和V2X融合组网是目前平衡性能和成本的比较好的方案。
第二个层面，5G所代表的蜂窝通信行业本身持续演进，是一个非常大的行业，可以紧跟行业需求进行迭代，从5G到5GA到RedCap，基础网络能力一直在升级。
第三个层面，在上车层面5G+V2X的双模方案目前在不断成熟，成本在不断降低，这具备了快速推广的条件，5G上车的进程将会加速。
我们也做了一些行业实践，在南京江心洲验证了5G+V2X的规模化组网实施，可以降低网络建设的成本。在推动V2X上车方面，也和车企进行密切接触，车企提出的需求是希望能够推动V2X的上车，但是运营商要保证通信服务的质量，所以我们也在各地进行现网的测试，在珠海、无锡、重庆等地。测试结果是通过运营商的UPF下沉技术可以满足不同的驾驶网络的要求，对于行业来讲除了5G+V2X双模的方案，具备5G通信能力的车辆只要进行升级也可以实现部分的V2X应用，可以扩大用户规模。
从计算角度，中国移动也构建了覆盖全国的算力网络，包括中心化的算力，还有省级算力。现在已经覆盖到全国所有地级市的边缘算力，而且还可以进一步在城市内部进一步下沉。另外这个算力不是单独的算力资源，它其实和网络进行深度密切的融合，在网络方面就近部署算力，实现通信和算力链路的最短闭环，满足自动驾驶低时延、高可靠要求。这个算力体系本身在运营商的体系范围内，所以安全可靠性也非常有保障。
我们也进行了行业方面的实践。比如中国移动在呼和浩特建立了单体达到5.5EFlops规模的智算中心，入选2023年央企的十大超级工程。在车端应用方面，我们也推动边缘算力和车算力融合的创新探索，和华为、新石器一起打造了云边端的自动驾驶的数据闭环，就是把原来在车端处理的数据业务放到边缘云上处理，这样可以有效降低车端算力的消耗。在平台层面，我们对平台的理解是为通信和算力进行融合的载体，同时也是数据平台，可以拉通城市和车企的数据，城市的数据比如像信号灯、动态交通这些数据可以帮助车辆看得更广，车辆所提供的数据比如位置、感知信息的数据可以帮助城市交通看得更加深入，双向拉通以后对于两方都有好处。应用角度我们现在提倡的是把精准的一些数据给到车辆，利用5G点对点的能力，利用平台的一些服务匹配能力把精准数据给到车辆，避免车端太多的算力消耗。在安全监管方面，本身L3车辆上路也需要进行监管，所以通过平台提供监管能力。另外中国移动也提供了低时延的专用网络提供远程驾驶的应用支持。
这方面也基于交通信息服务开展了一些探索。比如在上海嘉定向量产的车提供信号灯的开放服务，在金桥也开展了智能网联的监管服务。
第二件比较重要的事情是AI方面。我们构建了体系化的智能，整体算力规模在国内达到第一的智能。另外在上半年也发布全球首张400G的骨干网，这是运力设施，就可以把数据往各个边缘节点分发。整体构建从基础设施——平台——模型——应用的体系化服务。在这个体系基础上，还需要高质量数据，中国移动也积累了大量高质量数据，其中包括行业数据可以支持行业打造垂域模型，还有用户个性化数据可以帮助车企更深入理解车主用户。整体上构建低门槛的落地能力，构建1+N的大模型体系。现在我们的基座大模型已经具备了国家网信办双备案的资质，上面也沉淀了很多行业能力。
简单分享几个AI方面的应用场景。
比如在路口，传统方案是通过路测的计算单元在上面有个小模型来做，优势是计算效应比较高，同时也存在泛化性不足的问题，大模型可以有效解决泛化能力，同时计算效率推演时延会比较长。所以我们和合作伙伴推出大小模型结合的方式，不同业务放到不同的合适模型上去做，构建一个城市级的感知网络，这个网络可以服务于网联驾驶车辆，可以提高像NOA路口的通过率。昨天有位嘉宾也讲现在NOA通过率能够达到95%，我想剩下的5%-10%车路云可以提供更高的价值。另一方面，在城市交通方面利用大模型对于交通事件的解读能力可以推动智能化实时响应的交通治理体系构建。
第二个场景是泊车场景。在停车场进行智慧化升级以后加装一些路测感知、通信系统以后，而且现在这个系统可以做到非常低的成本，同时服务于有人驾驶的车辆以及无人驾驶的车辆。所以我们提的是要具备普适性的公共服务能力，就是不只是为自动驾驶去服务，其实也可以为有人驾驶的车辆进行引导，提高效率。
第三个场景是港口场景。港口是封闭场景，应该是目前L4级车辆应用最为成熟的场景之一。但是港口也有它的特点，因为它不仅有无人驾驶、自动驾驶的车辆，还有大量的有人驾驶的车辆，自动驾驶车要和港口做非常精密作业的配合，所以它其实是混流的而且是综合作业的场景，具备复杂性。我们也和港口方和合作伙伴一起进行长时间的探索。我们认为港口后面增加应用应该首先要构建一个全域数字化的感知能力，在感知能力基础上再去做一些基于模型的路径优化、信控优化、精准定位能力，提升整体通信效率。
最终还是要回到运营。中国移动有非常好的运营能力的支撑，我们可以拉通人-车-家的链条，人方面我们有十几亿的用户，家庭方面也有数几亿的用户，这个链条拉通以后，做法空间非常多。具体来讲，比如进行服务的全域的综合打包，把车路云一体化应用可以即开即用的方式呈现到用户面前。另外也可以借助中国移动遍布全国的营销渠道以及和车企的渠道进行结合开展联合运营。
具体的商业化路径，我们也和各个地方的政府和车企进行密切沟通，目前可能达成一些共识。首先大家认为都需要有用户的培育期，培育期就从最基础的刚需应用做起，可以采取补贴方式，尽量以免费的方式把首批规模化用户培育起来。怎么量化规模化？我个人观点在城市里面要在5%-10%左右，这样就能实现正向增长。另外有了规模化用户以后进入规模推广期，我们建议应用成熟一个、上线一个，不追求太多的应用，但是一定要好用的应用来上线，同时培育用户付费的使用习惯，利用运营商渠道进行推广。最终实现商业闭环加上用户的持续增长。
达到行业的最终目标要素还有很多，移动秉着非常开放的态度希望和各个企业、各个高校、各个政府建立很好的合作关系，共同推动车企车辆的智驾能力提升，推动城市车路云一体化应用的规模化发展。
以上就是我的演讲，再次感谢主办方，感谢大家的聆听，谢谢。
本文作者可以追加内容哦 !
