摘 要
探討了智能網(wǎng)聯(lián)汽車作為具身智能在交通領域具體應用的技術現(xiàn)狀及發(fā)展趨勢，分析了基于具身智能的智能網(wǎng)聯(lián)汽車的特點和典型應用場景。進而闡述了智能網(wǎng)聯(lián)汽車技術架構的演進過程，提出了車路云一體化的解決方案，為智能網(wǎng)聯(lián)技術賦能具身智能產(chǎn)業(yè)發(fā)展提供了可能的路徑表述。最后，全面分析了車輛群體智能的發(fā)展演進以及智能網(wǎng)聯(lián)技術向具身智能行業(yè)賦能的具體方式，以云端智能為核心，構建“車—路—云—網(wǎng)—圖”深度融合的智能體網(wǎng)絡。
0 1 概 述
在當今數(shù)字化與智能化飛速發(fā)展的時代，人工智能(Artificial intelligence，AI)技術正以前所未有的速度滲透到各領域，推動著人類社會的深刻變革。其中， “具身智能”(Embodied intelligence，EI)作為一種新興的、具有廣泛影響力的智能形態(tài)，被廣泛認為是新一波AI浪潮的核心方向[1]。2025年的政府工作報告首次將“具身智能”納入國家重點發(fā)展方向，提出要加快突破人形機器人[2]、具身智能等關鍵技術。從行業(yè)來看，OpenAI對Figure AI的戰(zhàn)略投資、特斯拉Optimus的持續(xù)迭代升級、英偉達積極構建具身智能與人形機器人生態(tài)，種種跡象表明，具身智能正處于快速發(fā)展的風口。
智能網(wǎng)聯(lián)汽車，作為現(xiàn)代交通領域重要發(fā)展方向之一，正是具身智能在交通領域的重點體現(xiàn)。隨著傳感器技術、通信技術、人工智能算法的發(fā)展以及大數(shù)據(jù)處理能力的不斷提升，依托智能網(wǎng)聯(lián)系列技術，汽車已從傳統(tǒng)交通工具轉(zhuǎn)變?yōu)榫哂懈叨戎悄芑妥灾餍缘囊苿又悄荏w[3]。它們通過車輛內(nèi)部多種傳感器感知周圍環(huán)境，并利用先進的通信技術與其他車輛、路端基礎設施以及云端進行實時數(shù)據(jù)交互，實現(xiàn)對交通環(huán)境的實時感知和動態(tài)響應，并借助強大的云端計算平臺進行復雜決策和控制，從而優(yōu)化交通流量、減少擁堵、降低事故風險[4-5]。在此過程中，云端計算平臺是中心智能體，每一輛智能網(wǎng)聯(lián)汽車為智能節(jié)點，共同構成了“車—路—云—網(wǎng)—圖”深度融合的智能體網(wǎng)絡，進而才能不斷學習和適應復雜交通場景，優(yōu)化自身決策和控制策略。這種基于大規(guī)模智能體協(xié)同的交通系統(tǒng)，正是具身智能在交通領域的重點發(fā)展方向，為解決交通領域諸多挑戰(zhàn)提供全新思路與方法。
然而，該方案也面臨諸多挑戰(zhàn)和問題。例如，如何確保大規(guī)模智能體網(wǎng)絡間高效通信和數(shù)據(jù)共享，如何保障系統(tǒng)安全性、可靠性和隱私性，如何設計合理的控制策略以實現(xiàn)最優(yōu)交通管理效果，以及如何應對復雜多變的交通環(huán)境和人類駕駛行為等。這些問題不僅需從技術層面進行深入研究和探索，還需從政策、法規(guī)等多角度進行綜合考慮與統(tǒng)籌[6]。
基于此，本文將從基于具身智能的智能網(wǎng)聯(lián)汽車的特點、典型場景、技術架構演進以及群體智能的發(fā)展演進入手，探討其行業(yè)優(yōu)勢、面臨挑戰(zhàn)和未來發(fā)展趨勢，也探討了智能網(wǎng)聯(lián)領域技術能力積累向具身智能行業(yè)賦能的可能途徑，希望為具身智能研究者和從業(yè)者提供有益的參考和啟示。
0 2 基于具身智能的智能網(wǎng)聯(lián)汽車特點及應用
汽車的發(fā)展先后經(jīng)歷人工控制階段、半自動化階段和全自動化階段，當前正處于后2個階段的過渡期。智能網(wǎng)聯(lián)汽車通過云端、路端系統(tǒng)的賦能，結合車輛自身功能，具備以下全新特點。
2.1 執(zhí)行端的全自動化
執(zhí)行端的全自動化主要包括以下幾個方面。
a)高度自主性?；诰呱碇悄艿闹悄芫W(wǎng)聯(lián)汽車具備高度自主性，且能根據(jù)復雜的交通環(huán)境和多變的道路狀況，獨立做出合理的決策并執(zhí)行相應的操作。車輛可以自主判斷加速、減速、變道、轉(zhuǎn)彎等，無需人類駕駛員頻繁干預。
b)精準控制能力?；诰呱碇悄艿闹悄芫W(wǎng)聯(lián)車輛控制精度極高，能夠精確地控制車輛的行駛參數(shù)。在速度控制方面，可以根據(jù)道路限速、交通流量等因素，精準地維持在合適的車速;在轉(zhuǎn)向控制上，能夠精確地調(diào)整車輛的行駛軌跡，實現(xiàn)精準的車道保持和轉(zhuǎn)彎操作。
c)快速反應能力。當車輛的傳感器檢測到前方有障礙物或突發(fā)危險時，執(zhí)行端可以在極短的時間內(nèi)做出反應，如緊急制動、緊急避讓等，其反應速度遠遠超過人類駕駛員，能夠有效避免碰撞事故的發(fā)生。
d)多模態(tài)融合控制?；诰呱碇悄艿闹悄芫W(wǎng)聯(lián)車輛，能結合云端智能網(wǎng)聯(lián)綜合能力平臺，將多種感知信息進行融合處理，綜合考慮車輛及周邊視覺、雷達、等多種傳感器數(shù)據(jù)以及車輛自身動力學狀態(tài)等信息，做出更加全面、準確的控制決策。
典型場景如智慧泊車，通過協(xié)同感知、協(xié)同定位、協(xié)同規(guī)劃和協(xié)同控制等技術實現(xiàn)高效、智能的停車管理和服務(見圖1)。智慧泊車的技術核心是根據(jù)多源傳感器異構算法聯(lián)合感知的異步動態(tài)協(xié)同感知系統(tǒng)，基于場側(cè)的無線通信技術和車輛即時定位與地圖構建技術的協(xié)同定位系統(tǒng)，同時基于先驗地圖和實時路況的全局路徑調(diào)度和車輛感知的局部軌跡規(guī)劃的協(xié)同系統(tǒng)，以及場端原始感知數(shù)據(jù)及預測與車輛實時規(guī)劃軌跡的實時干涉控制系統(tǒng)，實現(xiàn)車路云一體化的泊車服務。
圖1 智慧泊車技術核心
2.2 交互端的高智能化
交互端的高智能化主要包括以下幾個方面。
a)深層次語義解析?；诰呱碇悄艿闹悄芫W(wǎng)聯(lián)車輛，能對人類語言進行深層次語義解析，不僅理解語言的字面意思，還能解讀語言背后人的意圖、情感和上下文信息。
b)自然語言交互能力。具備強大的自然語言交互能力，能與人類進行流暢、自然的對話，能理解各種不同的語言表達方式。
c)上下文理解與記憶能力。能夠理解語言的上下文信息，并具有一定記憶能力。車輛能夠根據(jù)之前對話內(nèi)容和語境，理解當前指令或問題的具體含義。
d)多意圖理解與處理。能夠同時理解并處理多個意圖。車輛能準確地識別并按照優(yōu)先級順序執(zhí)行相應操作。
典型場景如智慧座艙(見圖2)，通過融合多種先進技術，如大語言模型、多模態(tài)感知、計算機視覺等，為用戶提供更加便捷、舒適和安全的駕乘體驗。
圖2 智慧座艙技術核心
2.3 服務端的自主化
服務端的自動化主要包括如下幾個方面。
a)全方位車輛狀態(tài)監(jiān)測。系統(tǒng)能實現(xiàn)對車輛各關鍵部件和系統(tǒng)運行狀態(tài)的全面、實時監(jiān)測，包括發(fā)動機、變速箱等關鍵部件的性能參數(shù)，車輛的行駛里程、油耗等運行數(shù)據(jù)以及智能網(wǎng)聯(lián)駕駛相關數(shù)據(jù)。通過分析監(jiān)測數(shù)據(jù)，可及時發(fā)現(xiàn)潛在故障隱患，提前預警并采取相應措施，確保車輛安全可靠運行。
b)智能環(huán)境感知與風險預警。主動監(jiān)測系統(tǒng)能實時感知車輛周圍環(huán)境的變化，并對潛在的風險進行預警。例如，通過傳感器監(jiān)測到前方道路出現(xiàn)結冰、積水、塌方等危險情況時，及時向駕駛員發(fā)出警報，并建議駕駛員減速慢行或改變行駛路線。
c)個性化主動服務。基于對車輛狀態(tài)和用戶習慣的監(jiān)測與分析，能為用戶提供個性化的主動服務。
例如在用戶到達目的地后，主動向用戶提供附近停車場、充電樁等信息。典型場景如“人—車—家”全場景智慧互聯(lián)(見圖3)，該場景依托智能網(wǎng)聯(lián)汽車，可實現(xiàn)跨行業(yè)交叉融合創(chuàng)新，打造以車主為中心、跨場景一體化的服務體驗，并打通不同系統(tǒng)數(shù)據(jù)互通，實現(xiàn)能力聚合。
圖3 “人—車—家”全場景智慧互聯(lián)技術核心
0 3 技術架構演進
智能網(wǎng)聯(lián)汽車的技術演進歷程一般分為3個階段(見圖4)。第1階段是單模塊控制階段，車輛各個關鍵部件如動力系統(tǒng)、制動系統(tǒng)等都各自配備獨立的控制模塊，模塊之間協(xié)同性較差，只能實現(xiàn)基礎、相對簡單的功能，例如簡單的定速巡航，車輛無法自主應對復雜路況;第2階段是半自動控制階段，部分駕駛?cè)蝿湛梢杂绍囕v自動完成，例如記憶泊車功能，車輛能夠自動識別停車位并精準控制轉(zhuǎn)向、速度等完成泊車動作，但仍需要駕駛員參與;第3階段是全自動控制階段，車輛已達成真正意義上的高度智能化與自主化。車輛依托自身及周邊環(huán)境多傳感器融合技術構建起全方位、高精度的環(huán)境感知體系，并基于云端智能網(wǎng)聯(lián)平臺的強大賦能，具備強大的駕駛決策能力，可實時調(diào)整行駛策略以應對復雜多變交通場景，全程無需駕駛員任何干預。
圖4 智能網(wǎng)聯(lián)車輛技術架構演進歷程
隨著車輛智能化水平的不斷提高，車載計算設備的算力逐漸難以滿足復雜路況下實時處理大量數(shù)據(jù)的需求，既是成本瓶頸，也是能力瓶頸。為解決這一問題，行業(yè)研究出車路云一體化的技術演進路線(見圖5)。此方案體系下，車輛通過高速穩(wěn)定的通信網(wǎng)絡與云端服務器、道路感知設備進行實時數(shù)據(jù)交互。云端強大的計算能力既可對車輛上傳的大量傳感器數(shù)據(jù)進行快速處理和分析，也可處理道路感知設備上報的實時道路信息和交通狀況。平臺綜合分析后將決策指令及時反饋給車輛，從而輔助車輛做出更精準的決策。車路云一體化的技術方案可有效彌補車輛自身算力不足，進一步提升智能網(wǎng)聯(lián)車輛的運行效率和安全性，并為降低智能駕駛成本推動智能網(wǎng)聯(lián)汽車快速普及，助力智能交通發(fā)展提供堅實基礎。
圖5 車路云一體化技術方案
0 4 群體智能的發(fā)展與演進
4.1 群體智能與車輛群體智能的演進
群體智能(Swarm intelligence)，早期多用于描述細胞機器人去中心化的自組織智能行為[9]，核心在于通過個體的分布式?jīng)Q策與協(xié)作，涌現(xiàn)出超越個體智慧的群體智慧。目前，群體智能已被廣泛應用于環(huán)境監(jiān)測[10]、空間搜索[11]、緊急救援[12]以及軍事作戰(zhàn)[13]等領域。在智能網(wǎng)聯(lián)汽車領域，車輛群體智能(VehicleGroup Intelligence，VGI)的演進，將主要經(jīng)歷如下3個階段。
a)單車智能階段。以單車自主決策為核心，依賴車載傳感器和規(guī)則驅(qū)動算法實現(xiàn)基礎環(huán)境感知與局部路徑規(guī)劃。此階段信息孤島效應顯著，協(xié)同能力弱，難以應對復雜動態(tài)場景。
b)局部協(xié)同階段。通過V2X(Vehicle-toEverything)通信技術實現(xiàn)車—車(Vehicle to Vehicle，V2V)、車—路(Vehicle-to-Infrastructure，V2I)之間信息共享，實現(xiàn)多交通主體的局部協(xié)同。
c)全局群體智能階段。基于“車—路—云”協(xié)同框架，多智能體通過分布式通信與協(xié)作，實現(xiàn)交通自組織和自適應優(yōu)化，并支持城市級大規(guī)模交通流優(yōu)化、動態(tài)路權分配等復雜任務。
4.2 車輛群體智能架構與關鍵技術
智能網(wǎng)聯(lián)汽車領域的群體智能系統(tǒng)引入，一般采用“感知—認知—通信—決策—控制—反饋”分層架構。
a)感知層。主要通過多模態(tài)融合感知(如激光雷達、視覺、毫米波雷達等)，構建動態(tài)的環(huán)境感知模型，支持對多個交通智能體群體行為的預測和決策。
b)認知層。包含對多智能體的協(xié)同意圖的挖掘以及其協(xié)同資源需求的剖析，多智能體協(xié)同需求主動認知。
c)通信層。支持多種通信協(xié)議，進行多智能體間的實時數(shù)據(jù)傳輸與同步，實現(xiàn)環(huán)境感知信息共享，提供超可靠低時延通信保障。
d)決策層。負責分析感知與認知層的信息，結合任務目標與約束條件，依賴以機器學習、大模型等為核心的機器智能決策算法，完成任務規(guī)劃、推理分析和協(xié)同決策，生成相應的控制指令。
e)協(xié)同控制層。負責執(zhí)行具體的控制指令。
f)反饋層。主要實現(xiàn)多交通智能體的自主學習演進，通過與環(huán)境的交互與反饋，不斷優(yōu)化，提升智能體自組織、自適應能力。
4.3 車輛群體智能典型應用場景
智能網(wǎng)聯(lián)汽車的群體智能的典型場景應用舉例如下。
a)多車協(xié)同緊急避險[14]。在突發(fā)危險(如障礙物突現(xiàn)、前車急剎、行人闖入等)情況下，通過車輛群智協(xié)同實時共享環(huán)境信息，協(xié)同決策，同步調(diào)整速度、方向或路徑，實現(xiàn)事故風險或損失最小化的智能化應急響應模式。
b)城市交通流全局優(yōu)化。車路云協(xié)同框架下，通過車輛和路側(cè)實時采集車流數(shù)據(jù)，云端實現(xiàn)車輛優(yōu)先級控制、信號燈動態(tài)調(diào)整與速度引導，并通過車—車、車—路、車—云廣播請求，優(yōu)化城市交通。當前，正處于技術概念走向產(chǎn)業(yè)化落地的階段，核心是重構“感知—通信—決策—控制—反饋”閉環(huán)的交通系統(tǒng)新范式，有望推動交通系統(tǒng)從單體智能向群體智能的躍遷[15]。
0 5 智能網(wǎng)聯(lián)技術賦能具身智能行業(yè)
通過近10年來的技術積累，智能網(wǎng)聯(lián)行業(yè)已儲備了可向具身智能行業(yè)賦能的雄厚基礎，這里以中國聯(lián)通智網(wǎng)科技為例進行簡要介紹。聯(lián)通智網(wǎng)作為聯(lián)通汽車信息化專業(yè)子公司，已在智能網(wǎng)聯(lián)方向擁有近10年的研發(fā)積累，形成了相關核心技術、能力體系和生態(tài)協(xié)同的優(yōu)勢，包括全域覆蓋的5G專網(wǎng)、感知融合、云控平臺及跨行業(yè)生態(tài)整合能力等方面，可面向具身機器人實現(xiàn)能力輸出，提供“通信—感知—決策”閉環(huán)賦能，其賦能路徑可概括為：通信為脈→算力為核→AI為腦→演進為能。
5.1 通信網(wǎng)絡：構建具身機器人的“神經(jīng)傳導系統(tǒng)”
中國聯(lián)通構建了覆蓋30多個城市的5G/V2X融合網(wǎng)絡，端到端時延小于20 ms，支持10萬以上終端的并發(fā)連接。該網(wǎng)絡可無縫遷移至具身機器人領域，為機器人“小腦”提供毫秒級指令傳輸，滿足快反應場景需求。多機協(xié)同技術通過R2R通信協(xié)議，實現(xiàn)機器人集群的任務調(diào)度，如倉儲物流中的編隊運輸與協(xié)同分揀。此外，通信連接管理平臺支持5G、V2X、Wi-Fi、衛(wèi)星通信等多制式通信融合接入，解決具身機器人因場景切換導致的網(wǎng)絡中斷問題。
5.2 算力基礎設施：支撐端—邊—云協(xié)同智能
“中心—區(qū)域—邊緣”三級算網(wǎng)架構，整合了全國270+骨干云池與300+MEC邊緣節(jié)點，實現(xiàn)算力資源的動態(tài)分配。行業(yè)首個算網(wǎng)調(diào)度平臺支持全國270多個骨干云池按需使用，具備算力感知、調(diào)度、多云對接、網(wǎng)絡監(jiān)控等功能。對于具身機器人的快反應場景，本地MEC節(jié)點可提供1~20 TOPS算力，支持機器人關節(jié)控制;針對復雜決策場景，云端智能體可調(diào)用超算資源(100+TOPS)，完成AGV路徑全局優(yōu)化或群體任務調(diào)度。
5.3 感知與決策：強化機器人的“大腦—小腦”協(xié)同
依托“5G+MEC”分布式智能融合感知系統(tǒng)，協(xié)助機器人實現(xiàn)周邊環(huán)境感知，融合北斗三代+5G基站定位(精度≤10 cm)，并結合觸覺、嗅覺傳感器技術，為機器人提供厘米級空間定位及多維環(huán)境感知能力。數(shù)據(jù)驅(qū)動訓練依托高質(zhì)量多模態(tài)數(shù)據(jù)集構建，支撐機器人運動軌跡優(yōu)化訓練。此外，結合10年積累的汽車行業(yè)數(shù)據(jù)以及具體場景，訓練出運營大模型、座艙大模型、交通大模型等，為車企提質(zhì)增效，提升車主出行體驗。
5.4 未來方向：從“單機智能”到“群體智能”
在從“單機智能”到“群體智能”的演進中，智網(wǎng)科技牽頭開展面向智能網(wǎng)聯(lián)的5G-A通感算一體能力驗證，并探索面向6G的空天地一體化網(wǎng)絡演進，同時聯(lián)合產(chǎn)業(yè)相關方，結合低軌衛(wèi)星通信，實現(xiàn)野外勘探機器人的全域覆蓋。此外，探索構建Robot-toEverything通信樞紐，支持機器人—基礎設施—人—網(wǎng)絡的實時交互(R2X)，推動家庭、工業(yè)場景的群體智能協(xié)同。
0 6 總 結
本文探討了智能網(wǎng)聯(lián)車輛作為具身智能在交通領域的技術現(xiàn)狀與發(fā)展趨勢。智能網(wǎng)聯(lián)車輛正從單車智能向車路云協(xié)同轉(zhuǎn)變，其技術架構不斷演進，以滿足車載算力集中、車路云多源算力分配等需求。然而該領域仍面臨諸多挑戰(zhàn)，在技術層面，異構通信和動態(tài)資源調(diào)度等難題亟待突破;在安全與可靠性方面，保障系統(tǒng)安全性、可靠性和隱私性是廣泛應用的關鍵瓶頸，需從技術、政策、法規(guī)等多角度綜合考慮;在實際應用中，復雜交通環(huán)境增加了決策和控制的難度。
展望未來，智能網(wǎng)聯(lián)車輛的發(fā)展前景廣闊。車路云一體化技術將更加成熟，群體智能的應用將推動交通系統(tǒng)從單體智能向群體智能躍遷。通過“感知—通信—決策—控制—反饋”閉環(huán)重構交通系統(tǒng)范式，有望實現(xiàn)城市級交通流全局優(yōu)化和動態(tài)路權分配。未來的研究將聚焦于突破關鍵技術難題，構建“車—路—云—網(wǎng)—圖”深度融合的智能體網(wǎng)絡，加速產(chǎn)業(yè)化進程。同時，需加強跨學科研究，推動技術全面發(fā)展。
我國智能網(wǎng)聯(lián)汽車正處于快速發(fā)展和落地實施階段，為具身智能的發(fā)展提供了重要場景。歷經(jīng)近10年的技術攻關、應用場景、標準規(guī)范、商業(yè)模式探索與積累，行業(yè)培育出眾多優(yōu)秀企業(yè)，為具身智能的發(fā)展提供了技術能力支撐。
參考文獻
[1] 劉馨竹，王亞珅，石曉軍，等.2024年具身智能技術發(fā)展分析[J].無人系統(tǒng)技術，2025，8(2)：108-122.
[2] 陶永，萬嘉昊，王田苗，等.構建具身智能新范式：人形機器人技術現(xiàn)狀及發(fā)展趨勢綜述[J/OL]. 機械工程學報，2025：1-27[2025-05-16].http：//kns.cnki.net/kcms/detail/11.2187.TH.20250508.1039.002.html.
[3] 白入文，張蔚敏，石霖，等.基于具身智能的智能制造創(chuàng)新體系與應用模式研究[J]. 數(shù)字化轉(zhuǎn)型，2025，2(5)：4-14.
[4] 張新鈺，盧毅果，高鑫，等.向智能網(wǎng)聯(lián)汽車的車路協(xié)同感知技術及發(fā)展趨勢[J].自動化學報，2025，51(2)：233-248.
[5] 丁飛，張楠，李升波，等. 智能網(wǎng)聯(lián)車路云協(xié)同系統(tǒng)架構與關鍵技術研究綜述[J].自動化學報，2022，48(12)：2863-2885.
[6] 劉飛，吳輝.具身智能的內(nèi)在意蘊、現(xiàn)實梗阻與紓解理路[J/OL].西南交通大學學報(社會科學版)，2025：1-11[2025-05-16].http：//kns.cnki.net/kcms/detail/51.1586.C.20250409.1514.002.html.
[7] 李孟遠.汽車智能化駕駛系統(tǒng)的發(fā)展趨勢[J].汽車維修技師，2023(9)：115-116.
[8] 李克強，常雪陽，李家文，等.智能網(wǎng)聯(lián)汽車云控系統(tǒng)及其實現(xiàn)[J]. 汽車工程，2020，42(12)：1595-1605.
[9] BENI G，WANG J. Swarm intelligence in cellular robotic systems[C]//Robots and Biological Systems：Towards a New Bionics?. Berlin：Springer，1993：703-712.
[10] DUARTE M，GOMES J，COSTA V，et al. Application of swarm robot?ics systems to Marine environmental monitoring[C]//OCEANS 2016- Shanghai. Shanghai：IEEE，2016：1-8.
[11] TAK M H，JOO Y H. Behavior control algorithm for space search based on swarm robots[J].The Transactions of the Korean Institute of Electrical Engineers，2011，60(11)：2152-2156.
[12] CARRILLO-ZAPATA D，MILNER E，HIRD J，et al. Mutual shaping in swarm robotics：user studies in fire and rescue，storage organization，and bridge inspection[J]. Frontiers in Robotics and AI，2020，7：53.
[13] 李磊，王彤，胡勤蓮，等. DARPA拒止環(huán)境中協(xié)同作戰(zhàn)項目白軍網(wǎng)絡研究[J].航天電子對抗，2018，34(6)：54-59.
[14] 劉雨桐.車車通信環(huán)境下考慮駕駛意圖共享的車輛集群避撞預警算法[D].北京：北京交通大學，2022.
[15] 雷鳴，鄔小魯.基于云計算的一體化車路云協(xié)同系統(tǒng)方法研究[J].信息記錄材料，2024，25(11)：189-192.
作者簡介
續(xù)宇潔，畢業(yè)于長安大學，工程師，碩士，主要從事車聯(lián)網(wǎng)和自動駕駛標準制定工作;
周光濤，畢業(yè)于北京郵電大學，教授級高級工程師，博士，主要從事車聯(lián)網(wǎng)和人工智能研發(fā)工作;
溫桂，畢業(yè)于德國伊爾梅瑙工業(yè)大學，工程師，碩士，主要從事車聯(lián)網(wǎng)和自動駕駛研發(fā)工作;
程軍峰，畢業(yè)于中國科學技術大學，高級工程師，博士，主要從事車聯(lián)網(wǎng)開發(fā)和生態(tài)建設工作。
來源：《郵電設計技術》
評論