中国工程院院士邬贺铨在中国电动汽车百人会论坛上指出，当前智能驾驶训练存在重叠与资源浪费问题。他建议国家牵头，联合车企与地方交通部门共同开发全国道路适用的自动驾驶训练模型，各城市再根据自身特色进行数据补充与微调，以避免重复投入。文章强调了车联网在智能交通系统中的重要性，以及L5自动驾驶模型训练所需的大量数据和算力。邬贺铨还提到了数据去重、AI辅助标注技术以及算力需求，呼吁行业协同合作，以更高效地推进自动驾驶技术的发展。

🚦 邬贺铨院士认为，当前智能驾驶训练存在重叠与资源浪费现象。每个车企和城市各自进行自动驾驶训练，导致成本效益欠佳。

🤝 邬贺铨院士建议，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。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。

📡 智能交通系统由单车智能、车联网和云计算三部分组成，形成“网边算”融合的完整体系。车联网包含基于 5G / 5.5G 的公众网络和专用 V2X 网络，共同支撑车路云一体化协同。

💡 训练 L5 自动驾驶模型需要 170 亿公里真实路测数据，但当前获取的有效数据仅占 1%，且过度依赖 AI 生成数据可能导致“近亲繁殖”问题。邬贺铨建议保留 10%-20% 的真实数据作为基础。

💰 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。邬贺铨呼吁开发 AI 辅助标注技术以降低成本，并强调行业协同合作的重要性。

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。”