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狀，提出了深刻見解。他指出，當前智能駕駛訓練領域存在顯著的資源重疊與浪費現象。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，各城市可結合本地特色，在本地云平臺進行數據的補充與微調，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)網和云計算三大核心構成，形成了一個完整的“網邊算”融合體系。車聯(lián)網則進一步細分為基于5G/5.5G的公眾網絡和專用V2X網絡，兩者共同支撐起車路云一體化的協(xié)同運作。

鄔賀銓強調，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據。然而，目前所獲取的有效數據僅占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生成的數據可能會導致“近親繁殖”問題，因此建議保留10%-20%的真實數據作為基石。

鄔賀銓還提出，通過數據去重可以減少95%的冗余數據，并呼吁開發(fā)AI輔助標注技術，以降低數據處理的成本。他進一步指出，實現L5級別的自動駕駛需要構建擁有8000億參數的模型，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，若每個車企和城市都獨立進行自動駕駛訓練，將顯得極不經濟。