当单车智能在"鬼探头"和暴雨大雾面前频频失效，车路云一体化正用另一种思路破局——把路侧感知、边缘算力和云端决策编织成一张全域感知网。全球C-V2X市场预计从16亿美元飙升至279亿美元，年复合增长率33.1%。这份综述报告系统梳理了物理AI如何打通"感知-决策-执行"的端到端闭环，让智能交通从虚拟仿真走向真实路况。
车路云一体化的系统架构
"聪明的车+智慧的路+融合的云"
车路云一体化是典型的信息物理融合系统，核心架构可概括为四大层级。车端以智能网联汽车和车载单元为载体，通过单车智能、V2X通信和高精度定位实现车辆状态感知与协同控制。路侧由智能路侧单元、路侧感知设备和边缘计算节点构成，承担交通环境感知、数据采集和边缘协同控制任务。云端通过区域/中心云控平台、数据中心和应用服务平台，利用大数据和AI实现全局交通态势感知与群体决策。通信网络以C-V2X和5G/6G为核心支撑，实现V2V、V2I、V2P、V2C全方位信息交互。
在此基础上，智能网联车路云协同系统被设计为以云控平台为核心的"六心"架构：感知中心采集车辆信息并进行协同融合感知；地图中心提供高精度定位和动态路径规划；决策中心负责群体决策及协同规划；控制中心依据感知、地图、决策中心的指令执行智能驾驶与交通服务；服务中心提供车载可视化接入与增值服务；安全中心负责终端、组网、系统、数据与接口的全方位安全保障。
物理AI——从感知预警到物理干预
物理AI是车路云一体化的核心变革力量。区别于传统纯软件AI，物理AI深度融合传感器、嵌入式算力、实体执行单元与真实交通物理场景，可完成从数据采集、智能推理到物理动作执行的全链路实时响应。在协同感知层面，物理AI依托雷达、摄像头等硬件完成多源数据实时融合，本地识别盲区行人、路面障碍物，直接联动预警设备。在融合定位层面，物理AI内置AI增强滤波算法，持续修正定位误差，为车辆车道级行驶提供连续精准位置支撑。在协同控制层面，物理AI作为决策指令的执行终端，可直接驱动车辆转向、制动系统与信号灯、可变诱导屏等路侧设施。
5G-V2X——毫秒级通信底座
从LTE-V2X到5G-V2X的性能跃迁
C-V2X是车路云一体化的数据中枢与协同基石。5G-V2X相比LTE-V2X实现了质的飞跃：通信时延从20至50毫秒压缩至3毫秒以内，满足L4/L5级自动驾驶对协同控制的苛刻要求；峰值速率从10至100Mbps提升至1Gbps以上，支持协同感知中的高清传感器数据实时传输；可靠性从90%至99%提升至99.999%，确保紧急安全消息和远程控制指令的超高可靠传输。
V2X通信涵盖V2V、V2I、V2P和V2C四种模式。数据流向分为两个关键环节：车辆和路侧设备将自身状态和环境数据实时汇聚至云控平台；云控平台或边缘计算节点再将全局决策指令下发给路侧单元和车辆，确保各交通要素按统一策略协同运作。
边缘计算——物理AI的算力底座
移动边缘计算是物理AI规模化部署的算力支撑。路侧MEC节点下沉至交通现场，承载轻量化物理AI模型的推理、调度任务。边缘物理AI具备三大优势：超低时延——计算、控制、交互全部在本地完成，决策与执行时延压缩至毫秒级；断网可用——脱离云端与公网依赖，在网络中断、极端灾害等场景下仍能保障基础交通控制与安全防护功能；算力轻量化——通过模型剪枝、量化、蒸馏等AI优化手段，将大模型压缩为适配边缘硬件的轻量化物理AI模型，兼顾推理精度与运行效率。
协同感知、决策与控制
协同感知——全域全息感知网络
协同感知以路侧激光雷达、毫米波雷达、高清摄像头和车载感知设备为硬件载体。CNN、Transformer多模态大模型用于交通目标检测、分类与特征提取，可精准识别车辆、行人、非机动车和路面障碍物。GNN针对路网拓扑关系建模，挖掘车辆、行人、道路设施之间的交互逻辑，实现群体交通行为预测。
物理AI的落地形态包括三大方向：路侧一体化感知物理AI终端集成雷达、摄像头、MEC算力单元与轻量化模型，在雨雾逆光等恶劣工况下通过多传感器融合补偿单一传感器缺陷；车载端感知物理AI系统接收路侧协同感知数据融合自身感知结果，针对"鬼探头"等长尾风险可在百毫秒内完成目标轨迹预测并联动制动转向执行机构；多节点分布式物理AI协同感知通过5G-V2X组网，让单一路口感知盲区由相邻节点补全。
群体决策与协同控制
群体决策依托深度强化学习和交通多模态大模型实现动态策略生成。DRL模型以通行效率、拥堵时长、能耗和安全系数为奖励函数，持续学习不同车流、路况下的最优管控策略。交通大模型整合历史车流、实时感知数据、气象和路网结构等多维信息，完成长时序交通流预测。联邦学习架构下，各区域AI节点在本地完成模型训练，仅上传参数至云端，保护数据安全的同时实现全网决策能力协同升级。
协同控制方面，路侧物理AI将DRL信号配时模型固化于硬件，不再依赖固定配时方案，针对应急车辆可瞬间截断常规配时优先放行。车载物理AI系统连接整车控制器、电子转向、制动和油门等执行机构，在"绿波带"通行场景中根据信号灯时序自动调节车速。高速物流车队通过分布式车载物理AI集群可降低整体能耗10%以上。
产业协同与发展前景
新能源汽车+车路云的互补效应
新能源汽车是车路云一体化的核心载体，二者形成"硬件载体+软件服务"的互补关系。通过车路云协同感知技术，车辆实时获取前方路况和交通信号时序数据，云端AI动态优化动力输出策略，可使续航里程提升8%至15%。充电桩利用率通过"车-桩"智能匹配提高20%以上。电池安全管理方面，路侧边缘节点实时接收电池状态数据，结合环境温度和路况通过AI模型预测故障风险。
智慧城市与数字经济
车路云一体化是智慧城市"交通大脑"的核心组成部分。实时交通流数据接入城市交通管理平台后，AI算法实现信号动态优化，早晚高峰时段通过区域协同信号控制可使平均通行速度提升15%至25%。交通事故应急响应时间缩短30%至40%。V2G协同模式下，新能源汽车向电网反向放电实现电能"削峰填谷"，预计到2030年可覆盖全国30%以上新能源汽车。
到2030年，全球车路云一体化相关硬件市场规模预计突破5000亿美元。到2028年，我国车路云一体化相关领域就业人数预计超过100万人。当前主要挑战包括跨区域标准不统一、法规空白待填补、全球标准体系不健全。优化方向包括建立国家级协同工作机制、推动区域协同发展联盟、积极参与国际标准对话。
