清华大学李克强教授：解决智能网联汽车产业化问题，实现高质量发展的四个关键

10月21日～24日，第三十二届中国汽车工程学会年会暨展览会(SAECCE 2025)在中国重庆科学会堂召开。SAECCE 2025通过汇聚行业智慧、展示前沿技术、搭建合作桥梁，并携手全球汽车科技力量，服务全球汽车科技发展，共创世界级汽车科技创新平台。

在SAECCE 2025于10月22日上午召开的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上，中国汽车工程学会副理事长，中国工程院院士，清华大学车辆与运载学院教授，国家智能网联汽车创新中心首席科学家，西部科学城智能网联汽车创新中心首席科学家李克强以《智能网联汽车产业高质量发展现状及展望》为主题进行了演讲。

　　国汽车工程学会副理事长，中国工程院院士，清华大学车辆与运载学院教授李克强

李克强在演讲中指出，智能汽车是新一轮科技***的代表性产业，发展智能网联汽车已经成为全球产业战略转型的共识。但在快速发展的同时，还应该时刻保持客观地看待问题，充分认识当前存在的问题以及产生问题的原因，从而形成高质量方案系统化推进。此外，我们还要坚持正确的路径，凝聚共识并持续投入，包括力量的投入、政策法规的投入，如此，才能形成真正的高质量发展。

以下为演讲实录：

大家上午好!请允许我就《智能网联汽车产业高质量发展现状及展望》，这个主题给各位作一个汇报。

首先讲讲产业发展现状及存在的问题分析，我们都知道智能汽车是新一轮科技***的代表性产业，是世界各工业强国的战略竞争高地，不仅在欧盟、美国、日本当然也包括中国，我们也高度重视智能网联汽车的发展，它已经是国家制造强国、交通强国这些产业战略的重要任务之一。

从产业现状来看，发展智能网联汽车已经成为全球产业战略转型的共识，这一趋势多个层面深刻阐述产业局面。技术层面是新一代移动通信技术和人工智能技术应用战略制高点，产业层面重构产业链、扩展了价值链，应用层面汽车不仅仅是一个传统的运载工具，也成为智能移动空间，当然也形成了竞争的态势，企业之间竞争、产业之间的竞争甚至国家之间的竞争。

另一方面，产业化进展显著。在中国智能网联汽车方面，多项关键技术取得突破，实现规模化应用，辅助驾驶大规模应用，包括开展大规模的产品测试包括基础设施在不断地提升，在打造车路云一体化落地的案例。这些都为我们国家汽车产业转型升级实现高质量发展提供了重要支撑。

另一方面，协同式智能网联汽车技术路线在国际上已经形成了发展共识，包括美国、欧洲、日本，都有一系列这方面的国家产业战略和重大项目支持。中国率先在全球实施智能化、网联化融合发展的方案，把我们坚持车路云一体化的战略在云控技术平台、在5G、C-V2X方面具有优势。

协同式技术路线发展正在形成共识，包括最近在举办的中外车企联合行动，包括中国的代表性车企，以丰田为代表的国际车企已经扩展了四五家车企联合示范区包括三个高速公路，大家在共同推动产业化应用的示范。

在看到我们取得重大成就的同时，我们也清晰地看到，为了更快的大规模产业化、规模化发展，我们看看我们应该亟待解决当前存在的不足或者说问题。

第一，产品的性能特别是安全的性能应该要进一步提升，要真正得到社会的完全认可，不能部分认可要完全认可。大家知道安全的隐患，许多安全场景出现了安全隐患。第一是产品定义不准确，第二是核心技术需要进步，当然企业要加强管理。

第二，我们现在进入高级别自动驾驶的测试评价，现在测试评价有好多种方法，测试方法不断引起热议，有些场景下还需要避免事故的发生，怎么把测试验证场景要覆盖，遇到问题要实时分析当然也包括自身的质量，如果用现有的技术路线仍然存在感知和决策控制的局限。

第三，目前来说从企业的角度仍然感觉商业闭环、盈利模式不太理想，不太理想有很多原因，但智能网联汽车智能化系统是高科技产品，所以首先我们愿意从技术方面找原因，有些方面技术还没有完全形成闭环，包括有些方面技术方案的落后、系统架构等等，也包括产业生态，因为智能网联汽车是一个复杂的产业生态，如果这上面没有建立仍然存在着局限。

第四，在任何一个时代，常规汽车包括电动化汽车都出现了非常有影响力的、成功的企业，目前我们认为还需要努力，这个地方仍然存在怎么样对产品的定义、怎么实现技术路线建立，也包括行业上下游的建立让企业诞生。

第五，行业内卷和市场环境，行业内卷有很多方面，但在技术方面我们能不能做到避免同质化竞争，通过提升技术解决问题避免同质化竞争。

第六，前面领导致辞提到标准法规的建设也亟待加强。

针对我们前面讲的，既要看到我们已经取得重大产业化的进展成就，也看到我们要做高级别自动驾驶亟待解决的问题，所以我想谈谈我们国家特别是智能网联国家创新中心联合全行业在这方面做的工作，时间关系重点讲讲这几方面。

第一是车路云一体化系统方面。

中国智能网联汽车在快速发展，今年上半年装车量，包括4G、5G装车量都突破了60%，我想这为我们进一步地把智能化程度提高、进一步地推进智能网联汽车推进车路云一体化打下了很好的基础。我们在企业内部在推进协同式的自动驾驶，我们提出车路云一体化认为有核心优势，可以从两方面来看，大家都知道自动驾驶现在难以实现很好的应用，可靠性的问题就是安全的问题，我们用了智能网联汽车相当于给现有车上增加了数字轨道能够保证它的安全，所以为行驶建立了安全的数字轨道。

第二，人工智能端到端大模型出现，大模型是需要数据做开发、做训练、做评价、做应用，如何获取数据?如果在常规单一靠车企自己来获取数据，数据的量增加了但种类不齐，只有通过协同的方法，我们能够真正地获取更多的数据、更丰富的数据、更可靠的数据。所以我们认为，采取这个方法为自动驾驶AI大模型建立了数据发电站。

在这样的情况下面，我们坚定不移地推这个技术路线作为复杂系统的信息物理参考架构，我们通过全行业、通过国家创新中心、学会，完成了智能网联汽车信息物理系统参考架构设计。像过去由图板设计到计算机设计，CADCA1这一套系统怎么建，今天到智能网联时代同样面临信息物理系统，我们完成了从白皮书到参考架构并且形成了网站，为行业提供支撑。

我们也看到，智能网联汽车车路云一体化推动的时候存在着一些概念性的问题。比如大家都认为单车智能与车路云一体化是不同的技术路线，我们认为这个概念是错误的，大家知道已经没有传统意义上的单车智能，阮教授曾经提到只有单企业的智能，任何企业都在做车路云协同，我们认为单车智能与车路云一体化都是现在万物相连同一技术路线的，但是不同的技术阶段，换句话说，车路云一体化是单车智能的技术升级版。

二，单车智能已成功，车企对车路云一体化技术不感兴趣。通过我们最近推广，6家车企扩展到15家车企，大家都知道，在现有单车智能基础上，在行驶安全性、可靠性及效率方面都存在着亟待解决的问题，急需用车路云一体化技术改善，所以现在很多车企通过近期的实验和示范都在积极导入。

三，我们提车路云一体化认为就是用云控制车，这是绝对错误的概念，我们提出的是万物相连之后执行者仍然是个人，我们需要通过外部向量获得外部更多的信息，来支撑我们做更安全、更合理的决策，算是一个支撑，是一个重要参考项，不是由它控制。我们推动这个系统在行业里没有形成一致的概念，所以这个地方特别希望跟大家做一个交流。

在这个情况下，大家充分认识到车路云一体化系统比单车系统能做很大提升，这几家车企有6家到15家，我们联合讨论提炼出了17个场景，这17个场景既能解决安全问题又能解决效率问题，同时能够支撑我们快速形成商业闭环。17个场景里面，我们提炼出了5个，包括我们今天最先实施3个场景，我们已经在重庆做示范。

场景1是安全，现在所有出事的事都是缺少外界的感知，怎么扩展功能、怎么做正确的决策。比如说紧急避撞的情况下，前方有障碍物的情况下，怎么提炼获取信息，信息到车端，车端通过自己分析判断再来决策，来避免这样的危险，这是我们已经取得非常好的效果的，已经验证了。

也包括我们提到的绿波带显示，我们一路都是绿灯也没减速，不仅提高安全效率，同时提高驾驶感受。包括闸道的汇入、云支持的交通弱势群体、城市工况下高级别的NOA，用网联做支撑，我说的是支撑不是用网联控制，来提升我们的安全性，这是大系统的问题。

要把这个系统实现无外乎是车的脑和云端的脑，车的技术脑大家面临挑战。这个架构下面传统的单车智能是很难实现的，大家都在想未来自动驾驶时代车企的灵魂是什么，许多企业在提。我们认为产品架构定义、核心应用算法和系统集成，软件应用算法对车企来说是应用软件，我们出事大部分都是应用算法不好，现实中应用软件和传统底层中间件缺少桥梁软件或者是定位功能软件。未来，我们认为自动驾驶开发核心驾驶脑要有这样一个定义，以这个分布定义了自动驾驶操作系统，把底层加起来认为未来产业链会重构，这也是我们一直强调的。现在Tier2、Tier1再到OEM，智能网联时代由于有新技术出现、由于有数据交换和安全，这些靠一家企业很难实现，所以我们说未来一定会诞生新的产业链，实现这样技术平台我们称之为1.5级供应商，底层和硬件结合起来就是我们定义的计算技术平台。这是大架构下产品一定会重构，重构在控制器上面就有这个技术平台出现。在技术平台出现下面，我们现在已经在全行业通过白皮书、通过标准形成了将来可以做跨平台的应用产品，主机可以在这个基础上快速开发应用程序，这是我们刚刚谈到可以做到这个功能。

这个架构下我们快速推进应用，第一是驾驶脑，第二是云脑，云脑刚才讲了是在这个大架构下面，大家不都是烟囱性平台，它是分层解耦的，基于这个概念可以实现自动驾驶完整的应用。

把技术平台搭建以后，也在支撑产业化的应用，大架构下面车端的技术脑、云端技术脑发生根本的改变。另外是AI的云端技术，我们现在联合全行业，大架构下我们做自动驾驶端到端、做自动驾驶AI，不管是用什么方式你的输入是最重要的，我们用智能网联车路云一体化以后，我们首先增加了输入，第二获得数据的训练我们增加了数据发电站，可以通过实时的、很方便的获取各种数据来做训练，最后还有实时拆解推理最后形成闭环，这样架构下做AI的应用，只有这样用才能把AI存在的幻觉问题、实时性不好的问题、可靠性差的问题得到根本的解决。

在这种情况下面，AI应用里面做了两项重要的技术。既然我们不仅仅是靠自己车端看，也要路端看，是车路云一体化重建与数据生成，我们和企业合作发现这是极细腻的方案，我们获得不仅数据要多而且要全，路侧数据怎么变换回到车端，这里有一系列挑战性的问题，能够解决数据的完备性、海量性，当然能够做到低成本，大家知道数据是非常难的，这种做法还可以提高数据的获取、处理的效率。

另外，大家都知道今年年初人工智能中国提出DeepSeek，大模型怎么经过MOE做拆解，怎么对模型的解耦，模型解耦不是一般意义上的解耦，我们在自动驾驶里面我们对模型怎么做到模型的分层解耦这也是关键，通过这一系列AI模型的解耦，再做重构，再做强化学习的推理，这个技术现在也在支撑中国的产业做应用。

为了解决上述产业化的问题，我们正在联合全行业在做技术攻关。未来高质量发展的建议有以下几点：

第一，应该加强顶层设计，健全法规标准体系，打造良好的创新生态。

第二，应该抢抓智能网联窗口期，加快关键技术研发与产业生态的构建。

第三，这下面几个重要总成需要产业化突破，加强发展共识，以推进基础平台产业化支撑高质量发展。我们提出了五大基础平台，包括信息安全、动态地图、云控技术平台以及与车直接相关的智能终端技术平台以及计算机的平台，通过这样的产业化提升车辆安全防护能力的基础上支撑车路云一体化融合发展。

第四，我们要加强示范应用，包括基础设施、商业模式全方面创新。第一基于云控基础平台城市的应用，另外需要做跨区域合的协同，这就涉及到高速公路上怎么用、城域城市间怎么用，我们有这个基础需要形成共识快速推广。

结束语，第一发展智能网联汽车车路云一体化的发展符合产业和技术发展的趋势，我们应该保持战略定力，继续推动技术的落地。第二我们应该客观地看待我们的问题，充分认识当前我们存在的问题以及产生问题的原因，形成高质量方案系统化推进。第三我们要坚持正确的路径，我们认为价格正确标准统一是相关问题的重要途径，凝聚共识，发展窗口，最后是持续投入，包括力量的投入、政策法规的投入，真正形成高质量的发展。

我的介绍到这儿，谢谢大家!

打赏 点赞

清华大学 高质量 网联 教授 关键