车路云一体化加速落地，润光智行以全栈技术夯实“系统智能”底座

2025年6月，工信部正式批复北京、上海、深圳等20座城市启动“车路云一体”试点，标志着中国智能网联汽车正从“单车智能”迈入“系统智能”新阶段。当车辆不再只是独立的“信息孤岛”，而成为路网、云端实时协同的“感知节点”，其对精准感知、边缘算力、舱驾融合的要求被推向更高维度。在这场“系统智能”升级赛中，润光智行凭借全栈式智能舱驾解决方案，正为车端提供不可或缺的技术底座。

01多模态融合技术提升数据精度

在车路云一体化系统中，车辆不再仅仅是执行控制的终端，更成为了智慧交通系统的感知末梢和数据源头。车路协同要求车辆能够实时、精准地感知自身状态与周边环境，并将高价值数据与云端及其他车辆进行交互。在浙江德清国际地信城的车联网产业大厦，“车路云一体化”数字孪生大屏正实时监控着城市交通，这一切都依赖于车辆和路侧设备提供的精准数据。

面对车辆感知精度与数据处理效率的更高要求，润光智行在多模态感知融合技术领域进行了深入探索。通过深度学习与传感器数据融合，公司开发的角速度融合方法能够提取陀螺仪的角速度值，基于轮速计差值确定可变噪声协方差，通过变噪声卡尔曼滤波得到更精准的融合角速度值，显著提升了环境感知与车辆状态监测的准确性与可靠性。同时，公司的车辆全景同步技术通过确定各采集图像的投影线程，采用读写锁控制机制，提高了环视视频的稳定性和多摄像头处理速度，为云端停供更高质量的决策数据。

02边缘计算优化保障实时可靠

“系统智能”模式下，部分计算任务需要在车端高效、安全地完成，以降低云端压力并保障数据隐私与行车安全。在无锡市，作为我国首个国家级车联网先导区，已完成了1723个路口信号灯联网联控，674个点位安装了路侧直连通信单元，330个路口部署了各类感知及边缘计算设备。这些设施产生的海量数据对处理效率和安全性提供了极高要求。

润光智行的边缘计算优化算法正式为应对此需求而设计。通过模型压缩和量化技术，公司优化了AI模型在嵌入式硬件上的执行效率，采用实时在线学习机制，确保数据处理在本地高效完成，减少云端依赖和延迟风险。这种技术不仅降低了系统整体功耗，还通过本地化处理敏感数据，显著降低了数据泄露风险，为“车路云一体化”大规模应用提供了安全基础。

03打通车辆内部数据壁垒

高效的车云协同，要求车辆内部座舱域与驾驶域实现更深度的融合与数据互通，形成一个统一的智能终端。据工信部数据，2025年1至7月，我国具备组合驾驶辅助功能（L2级）的乘用车新车销量达775.99万辆，渗透率高达62.58%。这一数据表明，智能驾驶功能正成为中国汽车的标配，也为舱驾融合提供了广阔的市场空间。

润光智行专注于研发高性能、高可靠的智能行车与泊车一体化解决方案，其舱驾融合的技术路径，正式为了打通车辆内部的数据与算力壁垒。公司的自动驾驶域控制器控制方法实现了SOC通过CAN总线接收车身传感器数据，基于传感器数据确定规划结果，并根据规划结果确认控制指令，为承接和执行“车路云一体化”平台的协同指令打造了稳定、高效的车端基础。

在深圳，“车路云一体化”已经为自动泊车赋能。深圳首个自主泊车应用试点在深圳机场落地，用户通过手机APP操作，即可实现车辆自主导航至指定车位或响应召唤自主巡航至乘客位置。润光智行的泊车安全行驶距离确定方法和自适应泊车策略，可根据车辆在泊车时的车位场景信息建立泊车地图，确认泊车地图中的障碍物线段，并根据车辆在泊车时的车位场景信息建立泊车地图，确定泊车地图中的障碍物线段，并根据车辆转向角探索安全区域，正好满足了这一应用场景对精准感知和智能决策的需求。

04全栈能力支撑系统智能未来

车路云一体化的未来，离不开每一辆智能汽车自身坚实的“智能化底座”。随着试点工作的深入推进，中国智能网联汽车产业正迎来从变量到质变的关键时期。工业和信息化部表示，将抓紧编制新时期智能网联新能源汽车产业发展规划，持续健全完善汽车技术标准体系，深入推进智能网联汽车准入和上路通行试点、“车路云一体化”应用试点工作。

面对未来，润光智行将继续深化全栈技术能力，专注于提升车辆端的智能化水平，与产业伙伴一道，共同推动“系统智能”时代的全面到来。在政策智齿与技术突破的双轮驱动下，中国智能网联汽车产业正迈向更加务实的协同发展的新阶段。润光智行将依托其在人工智能、边缘计算与多模态感知融合等领域的持续研发，为全球智能网联汽车产业的发展贡献自己的力量。