Vehículo-carretera-nube: el futuro del transporte inteligente

En el Foro China EV100 2025, el académico Wu Hequan, de la Academia China de Ingeniería, pronunció un discurso inaugural titulado: “Integración de la computación en la nube, la red, el borde y la sinergia entre el vehículo, la carretera y la nube”, en el que describió sistemáticamente las vías y los desafíos tecnológicos para el desarrollo del transporte inteligente.

A medida que la tecnología de conducción autónoma pasa de los laboratorios a las aplicaciones reales, la colaboración entre el vehículo, la carretera y la nube se ha convertido en la clave para superar las limitaciones de la inteligencia de un solo vehículo y lograr una optimización integral del tráfico. El discurso del académico Wu no solo destacó los obstáculos tecnológicos actuales, sino que también propuso soluciones estratégicas a nivel nacional, trazando una dirección clara para el futuro del transporte inteligente.

I. Datos y potencia informática: el arma de doble filo de la conducción autónoma

El académico Wu enfatizó que el principal desafío de la conducción autónoma reside en la adquisición y el procesamiento de datos masivos. Para la conducción autónoma de Nivel 5 (L5), el entrenamiento de modelos requiere datos de pruebas de carretera en condiciones reales equivalentes a 100 millones de kilómetros. En las condiciones tecnológicas actuales, depender únicamente de la recopilación de datos de carreteras físicas resulta prohibitivamente costoso y dificulta la cobertura de escenarios extremos. Actualmente, el 90% de los datos de tráfico se basan en simulaciones y contenido generado por IA, pero la endogamia de los datos generados por IA corre el riesgo de distorsionar el modelo. Para abordar esto, Wu propuso conservar entre el 10% y el 20% de los datos del mundo real como base, a la vez que se optimiza la calidad de los datos mediante técnicas de anotación, de duplicación y transformación de escenarios.

Las demandas de potencia de procesamiento son aún más asombrosas. Los modelos de conducción autónoma L5 requieren cientos de miles de millones de parámetros, lo que supera con creces la capacidad de procesamiento global. Citando DeepSeek como ejemplo, Wu propuso reducir los requisitos de procesamiento mediante arquitecturas dispersas, la destilación de conocimiento y la computación de precisión mixta; por ejemplo, reduciendo los parámetros activados al 5%. Enfatizó que ni los fabricantes de automóviles ni las ciudades pueden asumir costos de procesamiento tan exorbitantes por sí solos, e instó al establecimiento de un modelo nacional de capacitación unificado. Las entidades locales podrían entonces perfeccionar los modelos utilizando datos regionales, logrando así una eficiencia de recursos.

II. Sinergia vehículo-carretera-nube: Rompiendo el techo de la inteligencia de un solo vehículo

Las limitaciones de la inteligencia de un solo vehículo para gestionar condiciones viales complejas, condiciones meteorológicas adversas y la percepción global han acelerado el desarrollo de la integración vehículo-carretera-nube. Wu propuso una “arquitectura de tres niveles”: un centro nacional de computación inteligente para el transporte para la coordinación global de datos, plataformas en la nube a nivel de ciudad para la optimización regional y unidades de asistencia en carretera (RSU) que colaboran con terminales a bordo para el procesamiento de tareas en tiempo real. Como nodos críticos, las RSU deben integrar capacidades de comunicación, percepción y computación para soportar el procesamiento de datos multimodal (10–50 G/s) y respuestas en milisegundos. Mediante las actualizaciones de la red 5G-A, la conectividad eficiente entre el vehículo y la carretera y entre el vehículo y la nube puede ampliar los rangos de percepción de 200 a 500 metros, lo que permite optimizar el tráfico sin línea de visión. Mientras tanto, la potencia de computación a bordo debe aumentar de 4 a 10 TOPS (para L2) a 1000 TOPS (para L5), lo que exige avances en chips automotrices y tecnologías de comunicación.

III. Reestructuración de la red: de la fragmentación a la integración nacional

Wu criticó duramente el actual problema de los silos urbanos en la cooperación entre vehículos e infraestructura: normas inconexas e inversiones redundantes en las ciudades piloto, lo que dificulta la eficiencia de los viajes interurbanos. Abogó por un operador nacional V2X que unifique las normas técnicas y las inversiones mediante la integración de recursos de proveedores de telecomunicaciones, fabricantes de automóviles y autoridades de transporte.

Los cálculos muestran que una inversión en dos fases de 400.000 millones de yuanes podría cubrir 560.000 kilómetros de carreteras en todo el país, modernizar intersecciones urbanas clave y facilitar la conducción autónoma L3.

Esta iniciativa podría mejorar la eficiencia del tráfico urbano en un 30% y reducir los accidentes en un 80%. Simultáneamente, los operadores deben actualizar la tecnología 5G a 5,5G (5G-A) para garantizar una latencia ultrabaja determinista (<10 ms) y establecer puntos de conexión directa a la red local para evitar el enrutamiento interprovincial tradicional y minimizar los retrasos en las comunicaciones.

IV. Coordinación de políticas e industria: el enfoque de China hacia el transporte inteligente

Wu subrayó que el transporte inteligente no es solo un desafío tecnológico, sino una iniciativa de ingeniería sistémica. El país debe implementar políticas para la anotación de datos y la gobernanza del contenido generado por IA para promover el desarrollo de conjuntos de datos de alta calidad. También propuso clasificar los sensores de carretera (por ejemplo, LiDAR) como infraestructura pública para reducir los costos de los fabricantes de automóviles y aprovechar la tecnología de “Agente de IA” para descomponer los escenarios de conducción, lo que permite una implementación sencilla de modelos de gran tamaño. A nivel industrial, los fabricantes de automóviles, los proveedores de servicios en la nube y los operadores de telecomunicaciones deben profundizar la colaboración. Por ejemplo, las plataformas de nube urbana podrían gestionar tareas que no se realizan en tiempo real (por ejemplo, actualizaciones de mapas en HD, diagnóstico de fallos), mientras que la toma de decisiones en tiempo real la gestionan los vehículos y las unidades de servicio remoto (RSU), creando así una eficiente división del trabajo entre la nube, el borde y los dispositivos.

Conclusión: Hacia una era de transporte inteligente holístico

El discurso del académico Wu presenta un plan claro: la integración de vehículos, carreteras y nubes eliminará los cuellos de botella de datos y computación, reestructurará las redes de transporte y, en última instancia, logrará una movilidad segura, eficiente y baja en carbono. Sin embargo, lograr esta visión depende de una tríada de avances tecnológicos, orientación política y colaboración industrial. Si China logra construir una red nacional unificada V2X, no solo liderará el desarrollo global del transporte inteligente, sino que también impulsará la gobernanza urbana y la economía digital.