特斯拉都搞不定，车路协同是无人驾驶的终极解决方案吗？(6)

（来源：东兴证券研究所）
而相比来说，车路协同中的计算可以运用边缘计算和云计算技术，调用海量的算力来完成这些复杂运算，而不会受制于单车的算力。
不仅如此，车路协同算力设备部署更为稳定，不受行车规则的限制，光纤通信可实时调用海量算力把车端路端算法互相反馈测试来验证结果。这些也都是单车智能在算力上所不具备的优势。
除了安全，还是安全
就像刚才提到的那样，车路协同除了能能让车「认路」以外，最厉害的一点就是有能力解决自动驾驶面临的最大挑战：安全问题。
尤其是自动驾驶的概念越来越普及的现在，由辅助驾驶引起的事故也越来越多。
2020年6月一辆特斯拉Model 3在高速上径直撞向一辆翻倒的卡车。
即便当时视野开阔且光线良好，然而AutoPilot依然没有成功识别出来前方静止的障碍物。

这实际就是单车智能在安全问题上遇到的瓶颈。
比如说被遮挡住的「STOP」指示牌，对于人类驾驶员来说，基本上可以轻松识别并很快作出行动反应。
但对单车智能来说，在有足够的数据和信息、并且系统足够优化之前，这些符号是难以识别的，毕竟它看到的不是具体的「STOP」，而是一堆无意义的数字代码。

车路协同所具备的信息收集和分析优势使得车路协同在安全性的保证上可以引入「多余度」的概念。
多余度一词源自飞机的设计之中，该技术通过使用多个相同的功能单元和模块来接受相同的信息。当主单元故障时，便会切换至备份单元工作，保障飞机的安全运行。