本文經AI新媒體量子位（公眾號ID:QbitAI）授權轉載，轉載請聯系出處。

“馬斯克，你相信V2X+AI能讓自動駕駛更容易落地嗎？”

這兩天，海外很多科技知名UP主，如Karl Conrad、Dom Esposito、Shane starnes、Jonathan Casey，不斷在一則自動駕駛路側技術視頻下@馬斯克、waymo、cruise等一眾科技大佬和知名企業。

視頻中，自動駕駛車輛全程無接管應對開放市區的復雜道路，但這不并是讓大家驚詫的點。真正不可思議的是，視頻中的車輛，完完全全遮擋了所有的車載傳感器。這意味著，這輛智能汽車，幾乎變成了一個看不見的“盲人”。

要知道，僅通過路側智能設備實現城市開放道路的L4級自動駕駛，這很可能是全球首次！

整個自動駕駛過程由蘑菇AI數字道路基站2.0（Mogo AI Station 2.0）完成感知、計算、通訊，并下發紅綠燈燈態、行人預警、路面狀況預警、前車剎車預警等信息給車輛，幫助智能汽車安全實現路權博弈、提速、超車、自主變道等高難動作。

這樣的能力讓這些海外科技KOL紛紛轉發，還驚呼：

中國數字道路技術已經站在前沿，很有可能制定行業標準。
來自中國的蘑菇車聯通過“AI+V2X基礎設施”讓自動駕駛汽車走進現實。
太酷了！有V2X基礎設施的城市中，自動駕駛車輛將更有可能大規模落地！

國際知名科技媒體TechMediaToday和TGDaily也于當地時間3月27日、28日分別報道了此次事件。

擁有大量年輕讀者的新興科技新聞網站TechMediaToday在報道中指出：“蘑菇車聯只是中國科技企業的一個縮影。中國的自動駕駛技術正在以一個不可思議的速度成長。”

成立于1998年的全球知名科技媒體TGDaily報道稱：“中國的蘑菇車聯將“車—路—云”交通參與要素有機地聯系在一起，為智能網聯汽車提供更加全面的交通信息，提高了自動駕駛的安全性。”

展現出了什么樣的能力？

視頻中，車輛在遮蔽車端全部傳感器的情況下，安全完成城市開放道路L4級別自動駕駛任務。途徑多個復雜場景路段，車輛均能應對自如。

比如在路口，蘑菇AI數字基站會提前將紅綠燈情況下發到車輛。

如果是“傳統”自動駕駛車輛，這個過程涉及到車端攝像頭捕捉圖像數據，再由算法進行識別。

但這次的自動駕駛汽車攝像頭已經被遮擋，所以是通過路側智能設備將紅綠燈結果傳輸到自動駕駛汽車上，來實現紅綠燈的識別和應對的。

再比如，面對橫穿馬路的行人，車輛會提前主動采取避讓動作：

對于以往的ADAS，除了攝像頭捕捉的圖像數據，對于這種突然出現的障礙目標，通常還需要激光雷達的數據作為系統互相驗證的冗余保障。

但這次連車上的激光雷達也被遮蔽起來。

讓ADAS“致盲”，還拿掉了他手里的“導盲拐杖”，全部靠路側設備為車輛輸入決策依據的數據。

路上的實時路況包括動態目標的車、人，基礎設施層面的交通標志、信號燈，以及路面突發狀況事故、施工等等，都由安裝在路端的AI數字道路基站基于先進的人工智能算法，實時感知、識別、計算，然后發送到車端。

也就是說，除了采取“避讓”，這套系統還能完成更高級的自動駕駛動作。

比如面對低速車，路側智能基站會提供相關決策數據，幫助本車進行主動的變道超車：

還有路口無保護轉向：

沒有任何車端傳感器的主動輸入，但從交通數據的獲取量和AI算法的算力需求滿足來看，視頻中的路側技術在安全層面提供更遠、更多、更豐富、更及時的數據，以及安全的雙重冗余。

通過云端系統從全局入手調控某一區域路段的交通流，還能最大程度提高通行效率，減少意外事故發生。

這也是為何這條不依賴車端傳感器、只使用路側技術實現自動駕駛的視頻在海外火熱出圈的原因。

一反傳統自動駕駛技術路線，效果驚艷的背后，還有更多維度值得去比較探討。

這是一個什么樣的系統？

震撼外國科技圈的這段視頻，來自蘑菇車聯，一家主打車路云一體化的國內自動駕科技公司。

他們這一套軟硬件一體的標準化產品叫做蘑菇AI數字道路基站2.0，是道路數字化的基礎設施，可大規模、快速部署在城市道路、高速公路、景區園區等。

△ 城市場景

△ 高速場景

△ 景區道路

視頻中6分鐘的實測路段，位于湖南衡陽市主干道，橫穿市中心。蘑菇車聯在這里建設升級了一條38公里的數字道路，大規模部署了其自主研發的AI數字道路基站。

蘑菇車聯的AI數字道路基站，其實是一個軟硬件一體的產品，它包含邊緣計算組件（MEC）和車路協同通信單元（RSU），和多種傳感器組件，并在MEC上運行自主研發的智路系統，實現多模態感知融合和V2X計算引擎。

可以每隔數百米部署在道路的交通信號桿、龍門架等基礎設施上，形成連續、無盲區的感知覆蓋，提供道路沿線連續的車路協同網絡覆蓋。

直觀的理解，就是通過基站部署的傳感器獲取道路實時狀態，然后通過邊緣計算設備進行計算，再通過高性能通信模組“告訴”車輛，由自動駕駛汽車執行具體動作。

相比純靠車端傳感器所采集到的路面信息，布設在道路兩側的蘑菇AI數字道路基站視野更廣，距離更遠。甚至預報數公里之外的交通狀況。尤其是避免如“鬼探頭”這樣的意外。

目前，衡陽38公里的數字道路，日均可處理數據流46.2TB，分析感知數據18.5億幀，識別交通參與對象196.4萬個次，下發燈態信息2592萬次，計算V2X事件 23.7億次，車路協同交互2737萬次。每天約有5000輛智能網聯汽車與蘑菇AI數字道路基站2.0（Mogo AI Station2.0）完成交互。

其次，蘑菇數字道路基站還具有超強的數據處理能力和超低全鏈路延遲。38公里全程合計算力超過1萬TFlops，這是單車算力無法企及的。同時基于車路云一體化系統的算法，能幫助自動駕駛終端做到及時快速的決策，系統的反應速度可到達100毫秒以內，比人類反應速度快3倍。

該數字道路基站除了可支持L4級別自動駕駛，同時也能數據賦能區域內其他L1-L3的車輛。而且不光是乘用車，理論上一切接入系統的商用車、低速無人車等都能獲得基站的強大數據支持和服務。

隨著數字道路建設加速，數字基站獲取的數據將指數倍增長，并能反哺AI算法，讓系統更加智能，最終從整體上減少交通事故、改善交通狀況。

蘑菇車聯的這種做法有點像chatGPT，它們都是從底層解決問題。自動駕駛和很多技術一樣，之前多年之所以表現的不好，還是在算法趨同的大背景下，能夠獲取的數據不夠多、算力不夠強。

蘑菇車聯的數字道路基站從系統的角度，根本性地解決數據（“上帝”視角、超視距、全面信息無死角）和算力（邊緣計算、車端計算、云計算多重疊加，將構成史無前例的超級計算機）的問題。大量基站7*24小時的產生海量數據，幫助自動駕駛大模型實現突飛猛進的迭代和進化，可能會對自動駕駛技術發展帶來想象不到的變革。

中國干出自動駕駛的另一種可能

這條視頻之所以引起熱議，除了蘑菇車聯本身的技術積累，拿出了足夠“黑科技”的路側產品，還有一個原因是這種自動駕駛技術路線，也幾乎只有在中國才能實現，這讓不少海外同行非常羨慕。

蘑菇車聯這樣的系統一旦建成，不分車輛、不挑路段，幾乎全方位提供L1-L4各種不同車輛所需的自動駕駛基礎服務。

這樣的V2X規模化落地，目前也只有中國數字化道路的基礎設施夠完善、市場夠大，政策夠積極，也就是說相比國外落地更有優勢。

蘑菇車聯在路側能力視頻發布后，還發布了一個單車自動駕駛視頻，同樣實現了城市開放道路上L4級自動駕駛能力。

車端、路端相配合，兩個系統還互為冗余，這樣就提高了整個自動駕駛的可靠性。

加上其背后的云平臺，就真正實現了國家一直在倡導的“車路云一體化”。

海外科技圈KOL和媒體們驚嘆于蘑菇車聯的路側技術，一個重要原因是特斯拉為代表的單車智能，經過馬斯克數年布道，幾乎成為唯一的自動駕駛經典教條。但蘑菇車聯僅用蘑菇AI數字道路基站實現了城市開放道路L4級別的自動駕駛，向他們展示了一條自動駕駛落地更加穩健可靠、社會整體經濟效益更好的可能性道路。

而且他們紛紛@馬斯克和cruise、waymo這些科技企業，其實還有一句沒有明示的潛臺詞——

這樣的方法，海外可能做不到。