自行車智能化:其重心更傾向於車輛駕駛的自動化程度，自行車智能化的技術實現路線也分為兩種。壹種以Waymo為代表，多線激光雷達和多個傳感器感知；第二類，以特斯拉為代表，基於攝像頭和視覺感知。
車路協同:在自行車智能的基礎上，通過車聯網將“人-車-路-雲”交通參與要素有機鏈接，幫助自動駕駛車輛提升環境感知、計算決策、控制執行等能力，加速自動駕駛應用的成熟。
簡單來說，自行車智能化和車路協同的本質是技術和成本在車輛端和道路端的分配。
其中，自行車智能化是國內外大多數無人駕駛企業推廣的方案，但這並不意味著它會成為實現無人駕駛的最優方案，也不能說車路協調就是最優方案。雖然L4-L5級自動駕駛最理想的模式是實現“車-側-路-側-雲”的高度協調，從智能汽車到智能道路，車側智能和路側智能相互配合、相互呼應，但車側智能和路側智能的發展並不完全同步，自動駕駛的路徑選擇面臨著感知能力、決策能力(計算能力)等不同能力分布在車側和路側的問題，因此相應的自動駕駛成本也是不同的。
目前在自動駕駛的賽道上，各家公司的技術路線並不完全趨同。他們中的壹些人專註於自行車智能，盡可能地將汽車武裝到牙齒。激光雷達、毫米波雷達、攝像頭、高精度定位等硬件設備都是全裝備、全參數選型，代表企業有AutoX、馬驍智行等。有的自行車智能和道路協調齊頭並進，兩手都要抓，代表企業有百度Apollo、蘑菇車聯等。
AutoX作為自行車智能化的代表企業，在國內相對突出。AutoX總裁肖曾表示:自動駕駛不能僅靠路車協同實現，目前還很難實現道路智能的全覆蓋。為了提高自動駕駛的安全性和駕駛體驗，我們必須提高自行車智能的技術，以應對雨霧等各種極端天氣，並確保用戶能夠獲得安全的Robotaxi體驗。
同時，車路協同和自行車智能是相輔相成的，車路協同是自行車智能的有益補充。如果在國家層面加大道路基礎設施建設，可以幫助提高自動駕駛的道路精度，增加道路交通的安全性。
可以看出，小熊健還是比較註重自行車智能化的。他認為路邊設施存在故障、維護、保養等壹系列問題，只能算是輔助作用。重點是讓汽車最智能最安全，提高傳感器冗余度，做到萬無壹失。
今年7月，AutoX發布了第五代全無人駕駛系統AutoX Gen5，該系統是為無人駕駛從零開始打造的。壹個* * *有50多個傳感器，配備了壹個大的傳感器集群，總像素為每幀2.2億像素。它配備了高清4D毫米波雷達，分辨率可達0.9度。每秒成像的lidar點雲已經達到654.38+05萬，計算平臺支持2200TOPS的計算平臺。這種令人驚嘆的硬件裝配顯示了AutoX讓汽車成為最智能汽車的決心。
車路協調以百度Apollo為例。百度的技術路徑是“智能汽車+智能道路”，實現自動駕駛的最優解。
在自行車智能方面，百度Apollo推出了與BAIC極狐聯合打造的新壹代* * *無人車阿波羅月亮。
在硬件方面，阿波羅月球的第五代套件采用了1主激光雷達、13相機和5個毫米波雷達的多冗余傳感器組合。車輛前部安裝了壹個低成本的前向激光雷達，在系統出現故障時將用於冗余系統。雖然減少了激光雷達的使用，但阿波羅月球增加了相機的數量，同時大大提高了圖像分辨率和幀率，視覺感知能力正在發揮越來越重要的作用。
此外，Apollo采用的計算平臺提供了比800TOPS更多的計算能力，使用了更多車輛規格的器件，實現了無人駕駛的主計算系統和備份安全系統的壹體化設計，並采用了水冷設計，不僅縮小了體積，簡化了結構，而且整體噪音極低，車內非常安靜。
路側方面，Apollo Air是全球唯壹壹項僅通過路側感知就能實現開放道路L4閉環自動駕駛的技術。
Apollo Air技術利用V2X、5G等無線通信技術，無需車側傳感器，僅依靠路側光感知和紅綠燈信息，即可實現“車-路-雲”的信息交互，從而實現自動駕駛。
與自行車智能相比，車路協同技術路線不僅可以擴大車輛感知範圍，保證自動駕駛的安全性，還可以通過陸雲內多終端的超視距道路感知和智能信息互聯，降低對車側感知系統的要求，從而進壹步降低自行車自動駕駛的成本。
根據百度自己的統計，車路協同可以解決單車智能在路測中遇到的約54%的問題，減少62%的接管次數，降低30%的單車成本。
目前，百度已經在北京、廣州、上海開展了車路協同方案的實踐。
在北京，百度對12.1 km的28個路口進行了車輛和道路的智能化改造，搭建了支撐L4自動駕駛車輛測試運行的基礎環境；搭建車路協同邊緣計算支撐平臺，搭建邊緣計算服務框架，實現設備管理、車路協同算法同步等邊緣雲集成功能。
2020年8月，廣州市黃埔區、開發區、百度Apollo啟動“廣州市黃埔區廣州開發區智能交通新基礎設施項目”，覆蓋黃埔133km城市開放道路的102個路口和路段。
上海嘉定汽車城開發開放道路智能網聯汽車測試環境，建設裏程37.8公裏，覆蓋面積約65平方公裏。通過對56個路口和重點路段的智能化改造，提供了更加豐富的測試場景。
通過這兩家公司的技術路線，我們可以看到，雖然各家都表達了自行車智能化+車路兩條腿走路的願景和目標，但實際的實現過程仍然各有側重，這也導致了雙方走向不同的岔路口。未來哪家能在市場上站住腳，還有待觀察。
自行車智能的局限性；
1，超視距感知，視覺盲區無法感知。
無論是相機還是激光雷達，本質上都是探測電磁波，類似於人的視覺感官。這些設備無法探測到人們看不到的地方。盲點的壹個典型例子是“鬼探頭”。如下圖所示，行人出現時，減速已經來不及了。
2.對惡劣環境的感知。
自行車智能化有很多長尾問題需要解決。比如暴雨天氣，自行車感知系統幾乎失靈，激光雷達因水反射噪音增大，相機畫面模糊，目標識別的置信度降低。
在黑暗場景下，自行車的視覺感知條件嚴重不足，曝光時間延長，感光範圍減小。由於缺少攝像頭反饋的顏色和語義信息，雷達無法識別障礙物。
3.高成本設備利用率低。
在汽車上安裝激光雷達和其他設備是非常昂貴的。而壹輛車大部分時間是靜止的，行駛時間只占很小壹部分(停壹晚上開車上班，停壹天開車下班)。這麽貴的設備利用率低，不劃算。
要說自行車的局限性，就必須說兩個例子，優步自動駕駛撞車和特斯拉自動駕駛事故，這是自行車智能局限性的典型表現。數據顯示，傳統汽車大約每50萬英裏發生壹次事故，自行車智能自動駕駛汽車大約每4.2萬英裏發生壹次事故。
所以車輛和道路之間必須要有協調。在路上安裝昂貴的設備，路上的設備會感應到(有時還會做壹些計算工作)。車路協調就是以“路”來“告訴”車周圍的情況，比如前方200米有車，註意減速慢行；路線前方5公裏有車禍，提前繞行。(車路協同是5G很好的應用工具，因為車速很快，需要高帶寬低延遲的傳輸模式。)
這樣，汽車和道路就成了壹個統壹的整體。
路側設備已經收集了車輛的所有信息，這些數據可以上報給統壹的中心，中心可以根據這些數據進行分析和應用。這個中心就是所謂的“雲腦”:
1.如果發生車禍或擁堵，可以及時通知所有車輛，設定目的地後根據交通狀況計算出行時間；
2.通過大數據提前預測何時何地會發生擁堵，並提供預警；
3.根據預測的交通流量，給出出行建議，什麽時候走這條路最順暢？
從道路設施來看，智能路標、信號燈等道路設施可以保證自行車智能對外部數據和信息的獲取，保證交通的統壹調度和安全行駛。在理想狀態下，車路協同確實可以解決自行車智能的這些弱點。
車路協調的局限性；
車路協調還依賴於自行車智能，其中壹個非常重要。車路協同和單車智能兩者的網絡安全防護並非牢不可破。
對於黑客來說，自行車智能網的破壞可能只是幾輛車的交通事故，但車路協同網絡的安全失效可能會給整個交通網絡帶來癱瘓甚至更嚴重的後果。所以，壹旦車路協調被入侵，自行車智能的重要性就體現出來了。暫且不說如何實現不堵車的問題，保證車輛行駛時的安全只能由自行車智能接手。
此外，要實現全球L5自動駕駛，需要在所有路段鋪設智能設備，需要投入大量的人力物力對這些路側設備進行維護、保養和測試，更不用說什麽時候政策能完全匹配，如果某個路口的設備出了問題，就要看車輛是否足夠智能來處理了。
從雙向溝通的角度來看，車路協同中的每壹輛單車都是系統中非常重要的壹部分，也是平臺數據的重要來源。如果車輛不智能，那麽車聯網就無法落地，也就失去了意義。
總的來說，根據美國交通部的說法，車聯網的核心價值是提高消費者的出行安全，減少交通事故。那麽，窺壹斑而知全豹，從最重要的網絡安全和道路安全的角度來看車路協同和自行車智能，這兩者在未來壹定是融合發展的。
對於美國來說，人工智能領域全球領先，人才儲備充足，基礎科研實力雄厚。美國人工智能企業數量全球第壹，涵蓋基礎層、技術層、應用層。此外，美國集成電路技術發達，高端芯片設計領域壹直保持領先，為高性能車載芯片的發展奠定了良好的基礎。另壹方面，美國在通信產業和5G領域落後於中國，基礎設施的投資壹般由市場而非政府主導，因此組網推廣緩慢。無論是自行車智能的“谷歌學派”還是“特斯拉學派”，背後的核心能力都是人工智能算法和決策芯片，這是美國的戰略優勢。
對於中國來說，以華為為代表的通信企業在5G技術上全球領先，4G和5G基站眾多，覆蓋範圍廣。到2020年底，中國將有超過60萬個5G基站。2020年2月，智能汽車創新發展戰略預測，到2025年，智能城市的智能交通系統和相關設施建設將取得積極進展，車輛無線通信網絡(LTE-V2X等。)將實現區域覆蓋。另外，從我國的路況來看，我國高速公路總裏程居世界第壹，高速公路總