解讀蘑菇車聯：車路云一體化探索成果與發(fā)展中遭遇的挑戰(zhàn)

在城市車路云及高速公路數字化轉型、韌性城市建設等政策的推動下，車路云一體化展現出廣闊前景。然而，這一領域在實踐過程中也面臨諸多現實挑戰(zhàn)。在 2025 年中國電動汽車百人會論壇上，蘑菇車聯信息科技有限公司副總裁歐陽華洲分享了該公司在車路云一體化領域的技術創(chuàng)新與應用實踐成果。

歐陽華洲指出，車路云一體化發(fā)展面臨著多重困境?；A設施建設方案缺乏明確性，部分城市在建設時對已有設施利用不足，造成資源浪費。在與車企協(xié)同方面，與車企需求的匹配度欠佳，難以充分發(fā)揮各方優(yōu)勢。應用場景開發(fā)未能精準對接實際需求，致使應用效果不理想。同時，平臺建設、投資建設、運營及運維主體不清晰，嚴重影響項目推進效率。

根本問題聚焦于車路云系統(tǒng)的投資效益，特別是在復雜城市場景下，路測感知能力以及感知數據的結構化處理與認知匹配面臨嚴峻考驗。以自動駕駛環(huán)衛(wèi)車輛為例，它不僅要感知交通參與者，還需識別可清掃的垃圾物體，這對系統(tǒng)認知能力提出了極高要求。

蘑菇車聯自 2017 年便投身車路云一體化工作，構建起智能體與物理世界實時交互的 AI 網絡，并形成兩大核心業(yè)務?；谀⒐?MogoMind 大模型，實現物理世界實時數字化，為智能網聯汽車、無人機、機器人等智能體提供實時數據支撐。同時，推出多款 L4 級自動駕駛車輛，如 RoboBus、RoboSweeper、RoboTaxi 等，并在北京、天津、上海等城市落地運營。

MogoMind 認知大模型作為車路云一體化的 “認知中樞”，對路側設備采集的數據進行結構化分析和精準感知，用于預測擁堵、優(yōu)化紅綠燈設置、提升交通通行效率，為城市治理和自動駕駛安全服務。此外，構建實時數字孿生城市，時延控制在 200 毫秒以內，精準識別路口交通參與者細節(jié)，進行實時推理決策，助力政府優(yōu)化交通管理，提升自動駕駛安全性。

在應用實踐上，蘑菇車聯將車路云一體化發(fā)展劃分為五個階段。目前已完成硬件建設、單點設備數據質量測試和初級應用階段。在高級應用階段，實現路口數據、實時孿生數據支持自動駕駛。在上海嘉定等地，基于車企需求，在車載無 OBU 的情況下，將高質量車路云數據提供給量產車，完成技術閉環(huán)，獲得車企良好反饋。

蘑菇車聯在上海嘉定打造了全國首個數據上車應用樣板，在湖南衡陽實現路側設備支持 L4 級自動駕駛車輛在公開道路以 60 公里 / 小時的時速精準行駛。其 AI 網絡和 L4 級自動駕駛車輛已在多地多場景落地運營。蘑菇車聯在車路云一體化領域的探索，為行業(yè)發(fā)展提供了寶貴經驗。未來，期待蘑菇車聯與行業(yè)各方攜手，深耕數據質量，挖掘數據價值，推動車路云一體化全面落地。