自动驾驶“单车智能”模式的发展困境与应对

张辉，梁正

(清华大学 公共管理学院，北京 100084)

自动驾驶(AV：Autonomous Vehicle)作为新一代人工智能技术的典型运用，滥觞于21世纪之初。随着基于机器学习和深度学习技术的新一代计算机人工智能技术和5G通信技术的崛起，自动驾驶也迎来了新的发展高潮。同时，作为新一代汽车产业的核心技术，自动驾驶已然是国民经济支柱和制造业的翘楚；加之，工业革命历史中的蒸汽机车和内燃机车的决定性作用[1]，让各国政府和企业也对自动驾驶这一新型交通运输工具产生了诸多畅想[2]。然而，自动驾驶是一个相对复杂而基础的技术生态体系，其技术链条几乎触及国民经济的各个技术领域；其技术革新对国民经济的推动作用往往会随着产业发展而逐步放大[3](P113)。故此，世界各国纷纷制定各种产业政策，促进自动驾驶的快速发展。然而，在自动驾驶研发、创新、测试和试运行等一系列活动进行得如火如荼之时，其重要性被逐级放大的同时，“单车智能”模式的发展困境问题也逐步突显。那么，秉承“安全与发展”的价值理念，如何应对发展困境，促进我国自动驾驶的快速发展，完成对欧美的技术赶超，是当前自动驾驶领域无法回避的核心议题。

遗憾的是，面对自动驾驶及其飞速发展，不同社会主体的认知范式迥异。在不同的认识范式驱使下的公众、企业或政府等社会主体，对自动驾驶以及与之紧密相关的发展议题也难有共识。而现有研究关于自动驾驶的发展模式的探讨，往往因为技术的飞速发展而局限于某一特定领域。随着技术创新与扩散的加速，急需对自动驾驶进行全景式勾勒和分析，并做出合理的理论推演和预测。这对于自动驾驶的安全与发展尤为重要，对于制定出台各类法律法规同样意义重大。

因此，本文在详细梳理自动驾驶技术体系的基础上，从企业商业模式构建过程入手，深入分析企业围绕自动驾驶建构其商业模式的内在决策逻辑。在此基础上，探讨自动驾驶“单车智能”模式发展困境的生成逻辑，并尝试性地给出解决方案。在“安全与发展”价值理念的驱动下，探究“车路协同”模式的可取之处，分析其治理之道。

一、自动驾驶“单车智能”模式的发展困境

自动驾驶“单车智能”模式是指仅仅围绕着自动驾驶车辆开展技术创新和商业模式建构。然而，自动驾驶的社会运用包括多个技术环节或制度环节，如人员安全、汽车制造、道路改造、数据权属与传输、动力能量分配、技术标准等，这些都面临诸多挑战。同时，自动驾驶的发展关涉交通现代化、核心技术追赶、社会伦理治理等多个领域，也面临着发展困境。

第一，交通现代化是国家治理现代化的重要组成部分，而智慧交通网络构建是现阶段交通现代化的重要抓手。自动驾驶作为未来主流的交通运输和出行工具，其诸多潜力已初见端倪。但是，自动驾驶对现代公路的要求也高于传统汽车对公路的要求。从马车到汽车，从手动驾驶到自动驾驶，从有人驾驶到无人驾驶，道路自始至终是交通运输系统的“管道”[2]。纵观交通运输历史，道路建设需要顺应交通工具的发展，是交通现代化的内在要求之一[2]。那么，面对下一代主流交通运输工具，如何构建智慧道路系统，或者改造现有交通运输系统，也已成为自动驾驶发展必须面对的重要议题。而自动驾驶“单车智能”模式仅仅强调对自动驾驶车辆的技术创新，缺乏对交通系统的整体考虑和协同创新机制。

第二，随着自动驾驶技术潜力的日渐突显，我国自动驾驶产业因核心技术缺失而产生的技术风险就越发突显。建基于新一代人工智能技术之上的自动驾驶技术，本身就是一个技术集成度非常高的系统[3](P113)，因为人工智能、智能芯片、智能传感等底层技术的落后，中国企业呈现出一种技术追赶的态势。美国作为最早发展自动驾驶技术的国家，其企业在各个方面都处于领先状态，其核心技术、技术创新路径与经验都已经历了多年的沉淀积累，其驾驶数据的数据库建设更是占据了绝对优势。我国自动驾驶企业实际上在多个技术子领域已经陷入“卡脖子”的困境[4]。这就意味着，自动驾驶“单车智能”模式在技术创新层面已经进入“深水区”，在面对技术封锁和专利“围堵”时，除了加大技术研发投入，也需要考虑技术发展模式。

第三，随着自动驾驶技术创新的推进，无人化程度和自动化技术参与程度越来越高。按照美国汽车工程师协会(SEA)的分类标准(L0级到L5级)，自动驾驶技术实际上经历了三个阶段：第一阶段是L0-L2级，可称之为“真人驾驶员掌控汽车”阶段；第二阶段对应于L3-L4级，可称之为“真人驾驶员与自动化程序共同控制汽车”阶段，在此阶段，真人驾驶员从占据主导地位转换为监控地位；第三阶段对应于L5级，可称之为“自动化程序独立掌控汽车”阶段。当处于第二阶段和第三阶段时，如何衡量自动化程序的事故权责[5]，如何划分驾驶数据的权属，如何处理其引致的伦理问题[6]，这些因自动化技术引致的权责难以界定的难题，成为自动驾驶发展必须面对的法律难题和伦理难题。

那么，在自动驾驶“单车智能”模式下，面对交通现代化、核心技术追赶、社会伦理治理三个发展难题，自动驾驶企业和产业联盟能否提供有效的解决方案？对此，需要分析自动驾驶技术体系和企业商业模式。

二、自动驾驶的技术体系与企业商业模式

面对自动驾驶“单车智能”模式的发展困境，以安全和发展作为基本治理理念，自动驾驶需要一个完整性的解决方案。梳理自动驾驶的技术体系，分析自动驾驶企业商业模式，是破解此困境的基础。同时，核心技术体系是技术企业建构其商业模式的基础。故本节首先简要回顾自动驾驶的技术子系统和技术模块，在此基础上，梳理自动驾驶相关企业的商业模式。

(一)自动驾驶的技术体系

内嵌于交通运输体系的自动驾驶，本身就存在一个庞大的技术体系。自动驾驶包括多个技术子系统，而每个技术子系统又涵盖众多的技术模块。就目前而言，自动驾驶的核心技术子系统包括感知系统、定位系统、认知计算系统、控制系统、车载系统等。本节首先分别介绍这些技术子系统及其技术难点，然后分析基于其上的企业商业模式。

感知系统就是自动驾驶的“感官系统”，在不同的技术路线中，包括的技术模块存在一定的差异。单车智能技术路线下的感知系统主要是指车载传感器构成的传感器系统，包括超声波雷达(UWR：Ultrasonic Wave Radar)、激光雷达(LiDAR：Light Detection And Ranging)、毫米波雷达(MWR：Millimeter-Wave Radar)、车载摄像头(VC：Video Camera)、红外探头等。综合考虑到成本和收益等因素，目前主流的自动驾驶传感器系统以激光雷达和车载摄像头为主，并呈现多传感器融合发展的趋势。基于测量能力和环境适应性，预计激光雷达和车载摄像头会持续传感器平台霸主的地位，并不断与多种传感器融合，发展出多种组合版本。在完备的自动驾驶系统中，各个传感器之间借助各自所长相互融合、功能互补、互为备份、互为辅助。与之相对，在车路协同技术路线下，除了车载感知系统之外，感知系统还包括路端感知系统和云协同算法系统。

定位系统是指通过全球定位系统(GPS)、差分GPS或惯性测量单元技术(IMU)对整车进行精准定位，主要解决自动驾驶汽车的宏观定位与实时通信。相对于感知系统主要关注路况、障碍物检测和目标追踪等汽车自身感知问题，定位系统主要解决的是汽车与汽车、汽车与计算平台、汽车与智能交通系统等之间的实时的数据通信或计算通信等事务。与定位系统紧密相关的就是自动驾驶的地图系统。

认知计算系统是自动驾驶数据处理的核心子系统，主要负责其他模块所需的实时计算与分析、任务调度等，包括计算芯片、嵌入式操作系统、(多模态)机器学习、深度学习、预测模型及其算法、云计算平台等软硬件技术模块。当然，针对不同技术子系统，所需要的学习算法和预测模型并不相同。根据技术子系统所需的计算任务，认知计算系统可以分为在线系统(实时系统)和离线系统(预处理系统)。

规划系统是负责制定自动驾驶汽车从出发地到目的地的实施方案规划的技术子系统，主要包括路径规划(RP：Routing Planning)、行动规划(BP：Behavioral Planning)和动作规划(AP：Action Planning)三个技术模块。路径规划主要负责从出发地到目的地之间的路径设计与最优路径选择等，也称之为任务计划(Mission Planning)；行动规划负责根据路径规划和当前自动驾驶汽车状态感知，提供下一步自动驾驶汽车需要执行的预处理策略和行动方案，也称之为决策制定(DM：Decision Making)，如跟车、超车、停车、规避行人、绕行等；动作规划负责根据行动方案制定自动驾驶汽车所需操作的执行动作序列，行动规划模块的核心是行动规划算法的设计工作，需要在动作序列的完整性(Completeness)的约束下，满足一定的计算效率(CE：Computation Efficiency)。

控制系统是将规划系统生成的动作序列转化为自动驾驶汽车真实行动的技术子系统，通过向自动驾驶汽车硬件系统提供必需的输入数据，以执行规划的动作序列，并产生期望的执行动作。质言之，控制系统根据自动驾驶汽车的硬件力矩、车载能量等来映射现实世界中的车辆运行交互行动，是桥接数据计算和自动分析与真实汽车行驶的纽带。控制系统主要包括反馈控制和模型预测控制(MPC：Model Predictive Controller)。其中，比例积分微分控制(PID：Proportional Integral Derivative Controlling)是最为常见的反馈控制模式。值得注意的是，各种控制模式使用的情景需要根据具体情况而定。在通用性自动驾驶中，尤其是高速运行场景，存在非常大的数据延迟，故而PID控制模式局限性较大，而模型预测控制的性能相对较好。对于自动驾驶而言，汽车中的过程控制的采样周期一般是毫秒级，并且，由于计算资源的限制，对于认知计算系统的计算与分析速度以及车载系统的数据传输速度要求极高。

车载系统是自动驾驶汽车与人类驾驶员进行交互的界面系统，主要由嵌入式系统、信息可视化界面、输入操作界面(遥控器、键盘、触摸板等)和数据天线组成。严格来讲，除了L5级(SEA分级标准)自动驾驶，其他级别的自动驾驶中都存在人类驾驶员，车载系统的重要性在于必须保证一定的交互友好性和简捷性。同时，现行的自动驾驶的计算与分析系统处理对数据量要求极高，而且，实时数据处理意味着要求数据传输速度必须与数据处理的数据吞吐量相匹配。故而现行主流的车载导航系统多采用分布式、低耦合的通信机制。换言之，车载导航系统对于自动驾驶系统性能的整体性提升至关重要，其性能瓶颈极其容易衍生为系统瓶颈。而且，车载导航系统需要提供多种机器驾驶员的开发工具，保证自动驾驶汽车可以快速实现数据可视化、机器人仿真、编程接口等功能。

面对如此庞杂的技术系统，很少有企业能够全盘掌控系统的全面性，而不得不求助于产业链、商业生态系统等[7]。一方面，立足于自身独特的核心技术和核心竞争力，不同企业构建了各自的商业模式，使得自身被锁定于商业模式的建构逻辑之中而不能“自拔”。另一方面，伴随着自动驾驶技术的创新与扩散，技术不确定性导致了社会风险、安全事故等问题。因此，需要梳理并分析现有自动驾驶企业的商业模式。

(二)自动驾驶的企业商业模式

商业模式是企业在为特定客户创造价值的同时获得持续竞争优势的系统架构，是企业在其价值创造、交易内容、交易结构、治理架构等基础上，获取可持续竞争优势的系统工具[8]。这就意味着，围绕着自动驾驶技术，不同企业选择不同的商业模式成为必然。关注自动驾驶技术并投入资源和研发的企业主要包括两类：其一为整车企业；其二为非整车企业，以信息科技企业为典型代表。前者立足于既有的汽车制造技术，或者在新能源汽车制造的基础上，将人工智能技术引入其中，开发出自动驾驶的新车型。后者则是立足于其自身超强的数据处理能力和分析能力，将自动驾驶汽车(尤其是新能源汽车)作为数据终端或移动计算端，整合到其数据处理与分析平台。两类企业所掌控的自动驾驶的技术子系统及其技术模块存在巨大的差异，因而，企业围绕自动驾驶在建构其价值主张、盈利模式和系统架构时存在着诸多不同。

在国家大力提倡并促进自动驾驶技术创新与发展的宏观背景下，与其说各类汽车企业的商业模式具备不同的优势，毋宁说是其商业模式因其内外部因素而存在天然的短板和瓶颈。虽然企业可以围绕自动驾驶来构建自身的生态系统和价值网络，但是，作为一项新型技术，自动驾驶存在的诸多不确定性成为后续技术创新的内在不确定性因素。与此同时，在区域政策不一致、可用资源有限、市场定位模糊、企业合规治理等外部约束的背景下[9]，无论是传统企业，还是新兴企业，其技术认知都存在相对不足。

从价值主张的角度来看，自动驾驶的价值主张与绿色发展、人类命运共同体和谐发展等宏大的社会发展理念保持了内在一致性。自动驾驶企业都以该技术提供绿色出行工具，在提升顾客出行服务与体验的同时，降低环境污染、促进交通安全、优化交通资源配置、丰富边缘计算网络和物联网(IoT)网络等。

从盈利模式的角度来看，整车企业和非整车企业围绕自动驾驶构建的盈利模式存在差异。整车企业更多地依赖于构建智能出行产品线，遵循传统的差异化竞争理念，通过进一步提升产品或服务多样性，或者通过自动驾驶技术来优化现有产品结构，达到调整或重构其盈利模式的目的，保障企业的可持续发展。非整车企业，以信息科技企业为代表，围绕自动驾驶所构建的盈利模式则是基于平台模式指导下的双边市场或者多边市场盈利模式，自动驾驶作为移动计算平台，可以接入到企业现有的云计算平台，或者通过智慧边缘计算架构建构新型算力平台。

从企业系统架构的角度来看，各类企业的盈利模式往往需要与其系统架构相匹配。除了新生的新能源整车企业围绕自动驾驶技术体系构建其组织结构之外，其余企业大多数仍然依托于其现有组织结构，沿着技术创新范式将自动驾驶的业务线和管理结构嵌入并整合其中。

综合价值主张、盈利模式和系统架构的分析可以看出，自动驾驶技术创新与企业商业模式创新确实能够增进企业的发展潜力。问题在于，绿色发展的投入产出比要比企业正常的投入产出比或者内部收益率低得多；与此同时，产品技术范式的转换势必会冲击组织惯性，对企业现有的系统架构也造成了巨大的威胁；诚然，新兴企业可能无此忧虑，但是其产品线相对单一、研发能力薄弱等因素实则蕴含着更大的威胁，那就是，基于新一代人工智能技术的自动驾驶，其整体性的技术进步速度要快于个体企业的技术进步速度。虽然，企业的商业模式及其创新不限于技术创新，但是，技术核心竞争力相对落后的弊端会随着时间的推移而进一步放大。尽管企业往往通过巨额的研发补贴(企业部门间或者外部融资等)来支持自动驾驶的技术创新，自动驾驶带来的模块扩展收益和数据流收益是否真实存在，能否融入企业商业模式，实则都是企业发展的潜在威胁。

三、“单车智能”模式局限性的生成逻辑

各类企业因其资源能力、组织活动和盈利模式的不同，对自动驾驶的创新认知和管理认知存在巨大的差异。加之技术创新趋势、技术应用情境的时间与空间差异、市场进入机会和进入门槛、自身价值网络等外部因素的多样性，共同决定了自动驾驶汽车企业的商业模式千姿百态。

企业商业模式建构过程就是创业企业的决策逻辑选择的过程[10]，主要包括两类逻辑：效果推理逻辑和因果逻辑。前者从已有技术手段等现有资源出发探索可能的目标；后者以目标为导向，制定计划以实现既定目标[11]。诚然，自动驾驶商业模式的建构过程是一个动态过程，企业可能在后续发展中需要改变其建构商业模式的决策逻辑[11]。但是，改变决策逻辑需要付出巨大的代价，且初始决策逻辑对最终商业模式的定性起着决定性作用[12]。

整车企业和非整车企业的决策逻辑起点并不一致。对于整车企业而言，创业企业的决策逻辑的起点在于其本身就已经具有成型的汽车制造产品线。那么，在企业高层的认知体系中，汽车的整体概念已然存在。作为新型技术形态的自动驾驶，确切地讲，新一代人工智能技术，对于汽车制造的认知体系而言，更多地被视为一种可嵌入的技术模块。从传统的多样化战略来看，引入自动驾驶技术可以增加产品类型和产品梯次，进而扩展产品范围。从创新生态系统的角度来看，引入自动驾驶技术意味着企业触及更多环境资源的可能性增加，其生态位势更加强大。然而，在面对自动驾驶的“滚滚洪流”时，该类企业对自动驾驶的态度，更大的比例可以归为一种市场性应对倾向，顺应技术发展趋势的发展。这也就导致传统整车企业在自动驾驶上的资源投入占其营收比重往往较低，且偏向于长期性观望型投资[13]。因此，可以认为，整车企业围绕着自动驾驶的创业决策逻辑更大比例的是因果逻辑。

而对于非整车企业而言，情况恰恰相反。非整车企业以信息科技企业为典型代表，也不乏新一代人工智能企业。此二类企业在商业模式的构建过程中，对自动驾驶的功能认知和产品定位大多归属于“数据节点”或者“数据收集”的范畴，而对于“整车”反而缺乏设计概念和认知。进而，即使最终完成整车的产品设计和服务提供，将其与工业互联网、传统互联网等加以融合，形成网络的整体概念，但其产品或服务认知仍然会局限于“整车”概念范畴，其商业模式的难题仍然存在。因此，可以认为，非整车企业围绕着自动驾驶的创业决策逻辑更大比例的是效果推理逻辑。

当我们审视上述两类企业建构其商业模式的决策逻辑时，发现二者存在一个共同特征——将自动驾驶车辆“剥离”出交通系统，差异仅仅在于剥离方式不同而已。当聚焦于企业决策逻辑起点，可以发现，效果推理逻辑是以“单车”为起点，无非是对车辆的“修修补补”；因果逻辑则是以“单车”为终点，无非是造车方法千差万别。归根到底，当前自动驾驶企业商业模式的系统架构都是将自动驾驶车辆从“交通系统”中“剥离”出来。当自动驾驶车辆与外部环境之间存在的关联关系被人为阻断，便导致了自动驾驶“单车智能”模式的发展困境。

诚然，企业利用专业化分工能够帮助其建立核心竞争力，但是，市场范围和外部效应同样反作用于企业自身，协同效应对于自动驾驶技术及其企业的促进作用不言而喻。然而，“单车智能”模式对应的企业商业模式构建，在其产品定位与设计阶段就已经将该协同效应排除在外了。单车智能系统内部的协同效应也许仍然存在，但是，在自动驾驶“单车智能”模式中，技术实现的单一性与应用场景的多样性之间存在巨大的“鸿沟”，毕竟交通出行的应用场景呈现出一种“长尾效应”特征[14]。

综上所述，现有企业在其商业模式建构之初就人为阻断了自动驾驶车辆与外部环境之间的关联关系，间接压缩了技术创新空间和产业发展空间，进而导致了“单车智能”模式的发展困境。有鉴于此，我们必须回归到发展困境背后的决定性因素，考虑将自动驾驶车辆纳入到整个交通运输系统之中，进行全盘考虑，充分发挥交通系统的协同作用。

四、自动驾驶“车路协同”模式及其治理之道

如前所述，自动驾驶“单车智能”模式面临着交通现代化、核心技术追赶、社会伦理治理三个领域的发展难题，而且，该模式下的各种自动驾驶企业的商业模式或多或少存在瑕疵。因此，跳出“单车智能”模式的认知局限，寻求新发展模式，是突破发展困境的必由之路。

(一)高精地图的特殊意义与启示

从严格意义上讲，地图系统并非“单车智能”所强调的技术模块。然而，地图系统恰恰是综合获取利用空间信息的关键所在，对于行使车辆而言至关重要。自动驾驶的地图系统是指构建高精度电子地图系统(简称“高精地图”)。与传统电子地图相比，高精地图的主要服务对象是自动驾驶车辆，或者说是机器驾驶员。与人类驾驶员不同，机器驾驶员缺乏与生俱来的图形图像视觉识别和逻辑分析能力。因为人的意向性的特殊性，人类感知系统和综合分析能力要远远强于机器驾驶员。比如，人可以很轻松、准确地利用图像、GPS定位自己，鉴别障碍物、人、交通信号灯等。但是，对当前的机器感知来说，上述行为却是非常困难的任务。因此，高精地图应该作为自动驾驶技术体系中必不可少的一个技术子系统来对待。

高精地图包含大量行车辅助信息，其中，最重要的是对路网系统和活动环境中的空间精确的三维表征(目前的高精地图已经能够实现“厘米”级精度)。比如，路面的几何结构、道路标示线的位置、周边道路环境的点云模型等。有了这些高精度的三维表征，车载机器人就可以通过比对车载GPS、IMU、LiDAR或摄像头数据来精确确认自己的当前位置。此外，高精地图还包含丰富的语义信息，比如，交通信号灯的位置及类型，道路标示线的类型，识别哪些路面可以行驶等。这些能极大地提高车载机器人鉴别周围环境的能力。不仅如此，高精地图还能帮助自动驾驶车辆识别其他车辆、行人及未知障碍物。这是因为高精地图利用过滤性算法已经将传统地图中过滤掉的车辆、行人等活动性障碍物纳入到其构建的三维空间体系之中。如果自动驾驶车辆在行驶过程中发现了当前高精地图数据库中未出现过的物体，就会大概率地将其视为车辆、行人或其他障碍物，此时就可以规避该物体，并向自动驾驶车辆内的人员发出警报，让驾驶者查看车辆外部环境。从而，高精地图可以提高自动驾驶汽车发现并鉴别障碍物的速度和精度。

相比服务于GPS导航系统的传统地图而言，高精地图最显著的特点是其表征路面特征的精准性。传统地图只需要做到“米”级精度即可实现GPS导航，但高精地图需要达到“厘米”级精度才能保证汽车行驶安全。二者可以形成有效的定位功能互补。同时，高精地图比传统地图具有更高的实时性。由于路网时常变化，如整修、道路标示线磨损及重漆、交通标示改变等，从而需要及时反映在高精地图上以确保汽车行驶安全。高精地图有很高的难度，但随着越来越多载有多种传感器的汽车行驶在路网中，一旦有一辆或几辆汽车发现了路网的变化，通过“车—云”通信或者“车—车”通信等网络形式，就可以把路网更新信息告诉其他汽车，使其他汽车能够构建高精地图，进而使得自动驾驶行为更加灵活、安全。

由此可见，高精地图技术的真正作用在于跨越了自动驾驶“单车智能”模式的限制，将与自动驾驶车辆高度相关的元素，如道路、云端系统、其他车辆、行人等信息融合为一个完整的数据系统，从技术体系内部搭建了自动驾驶车辆与外部环境之间联通的桥梁。而自动驾驶“车路协同”模式的核心就在于将自动驾驶车辆和与之相关的众多外部因素，尤其是道路、其他车辆等，融合为一个综合性系统，实现信息共享和智能决策的统一调度与协调。

(二)自动驾驶“车路协同”模式的治理之道

自动驾驶“车路协同”(Vehicle-Infrastructure或者Vehicle-Load)模式是指，在自动驾驶车辆的基础上，通过高精地图和动态网络技术将道路基础设施、行人、其他车辆等交通参与要素有机地联系在一起，助力自动驾驶车辆在环境感知、计算决策和控制执行等方面能力升级的自动化交通模式。美国和欧洲主导的自动驾驶发展模式是典型的“单车智能”模式，而中国作为自动驾驶的“后起之秀”，在“单车智能”模式的基础上，提出了“车路协同”模式。“车路协同”模式作为“单车智能”模式的高级发展形式，经历了一个循序渐进、由低到高的发展过程，可以分为三个阶段：第一阶段，信息交互协同，实现自动驾驶车辆与道路的信息交互与共享；第二阶段，协同感知，在第一阶段的基础上，发挥路侧的感知定位优势，与自动驾驶车辆进行协同感知定位；第三阶段，在前两个阶段的基础上，自动驾驶车辆与道路可实现协同决策与控制功能，保证车辆在所有道路环境下都能实现高等级的自动驾驶。

相较于“单车智能”的认知范式，自动驾驶“车路协同”模式的完整性实则将交通运输产业与能源产业融入到自动驾驶的技术创新、产业发展和治理之中，顺应了自动驾驶的公共性属性的要求。作为交通现代化的内在要求和“新基建”工作的核心之一，智慧道路建设工程作为道路基础设施的智能升级的同时，恰恰也能与自动驾驶进行有效的技术融合，实施“车路协同”的发展模式。作为智慧道路建设的重要配套基础设施，动力网络——新能源汽车充电设施网络同样是新基建的重要组成部分。

高精地图高度融合了智慧路网，从这个角度出发，无论是整车企业还是非整车企业，现有企业商业模式的核心难题，即汽车产品与公路网络的“隔离”，就会迎刃而解。将二者融入到交通运输业之后，无论是配备智能终端的传统汽车，还是自动驾驶汽车，都应被视为智慧交通运输网络中的“智能移动终端”。一方面，被人工智能重新定义后的汽车，可以有效解决关于智能出行的认知偏狭，为解决技术体系缺陷提供解决方案，从而在技术逻辑上能够形成“终端—链接—计算和分析—服务—终端”的完整闭环。另一方面，这种智慧升级并不是交通运输业或能源产业的单方面升级，具体应用场景中的技术子模块更新反向也能促进人工智能产业的整体创新。众所周知，算力相对缺乏是人工智能技术的发展瓶颈之一，当自动驾驶车辆作为移动终端算力时，通过边缘计算框架[15]和联邦学习框架[16]，能够在保证数据安全的基础上，有效解决车联网与车路协同的算力供应。

具体来讲，自动驾驶“车路协同”模式对“单车智能”模式的超越，主要体现在三个方面：

第一，交通现代化可以把握新一代人工智能高速发展的契机，积极推进智慧道路建设和新能源网络建设。随着“车路协同”的持续推进，逐渐演化为“车—路—电”协同的良性发展循环，随着新型基础设施建设和公共投资的增加，势必会促进以V2X(Vehicle to Everything)为代表的网联技术、信息交互技术等路网链接的中间件技术发展，从而增进就业并带动新一代人工智能技术和信息通讯技术的发展和知识积累。随着技术网络的普及和升级，交通现代化进程势必会提速。

第二，核心技术落后的问题将得到有效解决。面对“单车智能”核心技术落后的问题，随着“车路协同”和智能出行技术的场景扩散，我国可以获取充足而多样化的场景数据和交通数据，这样就能够进一步有效地优化智能算法的拟合度；同时，多样化的场景数据能够增进机器学习算法的公平性；最终，形成人工智能技术创新的良性循环。换言之，随着“车路协同”的推进，其结果之一是促进了“单车智能”中的核心技术创新。

第三，针对完全自动驾驶中治理主体权责难以界定或主体缺失的问题，在全面实施“车路协同”和智能交通网络的前提下，私人出行工具的需求必然下降，其市场占有率会急剧萎缩。这就意味着，社会公众的私人出行工具全面被智能化的公共出行工具所替代。而作为公共交通出行，其治理主体转变为整个交通系统，原有的治理主体权责难以界定或主体缺失的问题得以缓解，或者说，至少治理主体缺位问题可以被大概率转化为技术系统的优化问题了。与此同时，原有的交通出行安全问题被缓解了。路端智能测绘和仿真及其网络化，能够提供更加高精的地图，并实时通报自动驾驶车辆其所属区域的交通出行信息，再配合原有的单车智能技术，使得自动驾驶车辆可提前计算并更新其行程规划和动作规划。智慧交通系统技术耦合性和技术冗余性，如车车联网(V2V)、车人联网(V2P)、车路联网(V2I)和车云联网(V2C)等技术网络，增加了自动驾驶技术体系的整体鲁棒性，提升了其安全等级，应对技术场景复杂性和不确定性能力得以加强。同时，自动驾驶车辆的增加意味着移动存储终端的增加，也就是说，分布式数据库的规模在不断增大，在分布式算法配合下，整体性的数据安全等级也得以加强。由此，智能化交通普及的直接结果是城市内部私家出行工具成为非必需品，与之直接相关的“停车难”“空间占用”等问题也得以解决。

结论

针对目前自动驾驶“单车智能”模式的发展困境，在梳理其技术体系的基础上，对自动驾驶企业的商业模式构建过程加以分析，发现现有企业商业模式构建中的决策逻辑，无论是效果推理逻辑还是因果逻辑，对自动驾驶车辆与外部环境关联性的阻断，最终导致了“单车智能”模式的发展困境。进一步研究表明，高精地图有助于将自动驾驶车辆与外部环境集成于一体，催生出自动驾驶的“车路协同”模式。由此，我们勾勒出自动驾驶技术的整体发展图景，并分析了“车路协同”模式对“单车智能”模式的超越之处，以有效应对“单车智能”模式的发展困境。

然而，本文不足之处在于，分析了与自动驾驶直接相关的产业领域，但是，未关注两个问题。其一，当前，自动驾驶“车路协同”模式在现实应用中存在一些技术难点，例如，路侧协同感知定位能力有待进一步提高，尤其是需要从功能安全和预期功能安全的角度全面提高设备和系统的精确性、稳定性、数据可靠性等；道路智能化设备的覆盖范围有限，还不足以提供有效的车路协同应用服务；需要更加高效、经济的车路通信技术方案，解决更大连接、低时延、高可靠的数据传输问题。其二，并未深究如自动驾驶技术扩散过程中的能源消费问题，即智能出行时代的“杰文斯悖论”——自动驾驶技术扩散可能会诱致社会公众的出行消费和其他间接消费，反而导致更多的能量消耗，进而增加了全球环境保护的压力。这也成为未来研究的主要方向。