IT之家 3 月 28 日消息，在今日開幕的中國電動汽車百人會論壇（2025）期間，中國工程院院士鄔賀銓指出，當下智能駕駛訓練存在一定程度的重疊與資源浪費。若每個車企和城市各自開展自動駕駛訓練，成本效益欠佳。
他提出，最合理的模式是國家牽頭聯(lián)合車企與各地交通部門，共同開發(fā)適用于全國道路的自動駕駛訓練模型。在此基礎上，各城市可依據自身特色，在本地云平臺進行數(shù)據補充與微調，避免重復投入。
當前智能交通系統(tǒng)主要由單車智能、車聯(lián)網和云計算三大部分組成，形成“網邊算”融合的完整體系。其中，車聯(lián)網包含基于 5G / 5.5G 的公眾網絡和專用 V2X 網絡兩大組成部分，共同支撐車路云一體化協(xié)同。
鄔賀銓表示，訓練 L5 自動駕駛（IT之家注：車輛能夠在所有環(huán)境下、在任何時間完全自主地駕駛，無需人類駕駛員的任何干預）模型需 170 億公里真實路測數(shù)據，但當前獲取的有效數(shù)據僅占 1%，且九成來自封閉道路和仿真環(huán)境。
過度依賴 AI 生成數(shù)據可能導致“近親繁殖”問題，建議保留 10%-20% 的真實數(shù)據作為基礎。因此鄔賀銓提出，數(shù)據去重可減少 95% 冗余，并呼吁開發(fā) AI 輔助標注技術以降低成本。實現(xiàn) L5 自動駕駛需要 8000 億參數(shù)模型，年算力需求高達 2 萬 EFlops，遠超當前全球算力總和?！?strong>若每個車企、每個城市都要做這種自動駕駛訓練，實際上就很不合算。”
廣告聲明：文內含有的對外跳轉鏈接（包括不限于超鏈接、二維碼、口令等形式），用于傳遞更多信息，節(jié)省甄選時間，結果僅供參考，IT之家所有文章均包含本聲明。