在中國電動汽車百人會論壇（2025）的熱烈討論中，中國工程院院士鄔賀銓針對智能駕駛訓練的現(xiàn)狀，提出了深刻見解。他指出，當前智能駕駛訓練領(lǐng)域存在顯著的資源重疊與浪費現(xiàn)象。若各車企及城市均獨立進行自動駕駛訓練，將導致成本效益極不理想。

鄔賀銓院士建議，理想的解決方案應由國家主導，攜手車企與各地交通部門，共同打造一個全國性的自動駕駛訓練模型。此模型可適應全國各類道路條件。隨后，各城市可結(jié)合本地特色，在本地云平臺進行數(shù)據(jù)的補充與微調(diào)，從而避免不必要的重復投資。

智能交通系統(tǒng)目前主要由單車智能、車聯(lián)網(wǎng)和云計算三大核心構(gòu)成，形成了一個完整的“網(wǎng)邊算”融合體系。車聯(lián)網(wǎng)則進一步細分為基于5G/5.5G的公眾網(wǎng)絡和專用V2X網(wǎng)絡，兩者共同支撐起車路云一體化的協(xié)同運作。

鄔賀銓強調(diào)，要達到L5級別的自動駕駛——即車輛在任何時間、任何環(huán)境下都能完全自主駕駛，無需人類干預——需要收集170億公里的真實路測數(shù)據(jù)。然而，目前所獲取的有效數(shù)據(jù)僅占1%，且其中九成來自封閉道路和仿真環(huán)境。他警告，過度依賴AI生成的數(shù)據(jù)可能會導致“近親繁殖”問題，因此建議保留10%-20%的真實數(shù)據(jù)作為基石。

鄔賀銓還提出，通過數(shù)據(jù)去重可以減少95%的冗余數(shù)據(jù)，并呼吁開發(fā)AI輔助標注技術(shù)，以降低數(shù)據(jù)處理的成本。他進一步指出，實現(xiàn)L5級別的自動駕駛需要構(gòu)建擁有8000億參數(shù)的模型，年算力需求高達2萬EFlops，這一需求遠超當前全球的算力總和。因此，他強調(diào)，若每個車企和城市都獨立進行自動駕駛訓練，將顯得極不經(jīng)濟。