IT之家 3 月 28 日消息，在今日开幕的中国电动汽车百人会论坛（2025）期间，中国工程院院士邬贺铨指出，当下智能驾驶训练存在一定程度的重叠与资源浪费。若每个车企和城市各自开展自动驾驶训练，成本效益欠佳。
他提出，最合理的模式是国家牵头联合车企与各地交通部门，共同开发适用于全国道路的自动驾驶训练模型。在此基础上，各城市可依据自身特色，在本地云平台进行数据补充与微调，避免重复投入。
当前智能交通系统主要由单车智能、车联网和云计算三大部分组成，形成“网边算”融合的完整体系。其中，车联网包含基于 5G / 5.5G 的公众网络和专用 V2X 网络两大组成部分，共同支撑车路云一体化协同。
邬贺铨表示，训练 L5 自动驾驶（IT之家注：车辆能够在所有环境下、在任何时间完全自主地驾驶，无需人类驾驶员的任何干预）模型需 170 亿公里真实路测数据，但当前获取的有效数据仅占 1%，且九成来自封闭道路和仿真环境。
过度依赖 AI 生成数据可能导致“近亲繁殖”问题，建议保留 10%-20% 的真实数据作为基础。因此邬贺铨提出，数据去重可减少 95% 冗余，并呼吁开发 AI 辅助标注技术以降低成本。实现 L5 自动驾驶需要 8000 亿参数模型，年算力需求高达 2 万 EFlops，远超当前全球算力总和。“若每个车企、每个城市都要做这种自动驾驶训练，实际上就很不合算。”
0 条