隨著城市化進程的英特加速，交通擁堵、爾攜事故頻發、手中管理效率低下等問題日益凸顯，科創口融成為困擾城市發展的達推痛點。傳統的出全交通管理系統往往依賴單一數據源，難以應對復雜的息路交通環境，也難以實現實時、合感精準的知方決策支持。作為智能網聯汽車交通系統的英特重要發展方向，車路云一體化 (Vehicle- Road-Cloud Integrated System, VRCIS) 正在實現廣泛的爾攜落地。

在這樣的手中背景下，英特爾與中科創達推出了基于英特爾 架構的科創口融全息路口融合感知方案，為城市交通管理帶來了全新的達推可能性。

全息路口，出全融合賦能車路云一體化

車路云一體化系統，是一種綜合性的智能交通系統，能夠通過創新的通信技術將人、車、路、云的物理空間、信息空間融合為一體，提高整個交通系統的感知、決策和執行能力。

在車路云一體化系統中，依托部署在路口等區域的 MEC 基礎設施，增強的全息感知能力至關重要。但同時，全息感知系統也面臨著以下挑戰：

性能層面：路口感知系統通常需要對多個視頻流、雷達流進行處理與 分析，解碼 + 感知識別 + 融合的整體流程通常要控制在 40-50ms 之間。

靈活性層面：不同的路口需處理的視頻/雷達路數有所區別。此外，在視頻和雷達路數更高的路口中，則應支持靈活地采用獨立的 AI加速器，以提供更加強大的性能表現。

穩定性層面：路口環境多變，對于 MEC 設備的穩定性、可維護性等都帶來了巨大的挑戰。

解決方案：基于英特爾 架構的中科創達全息路口融合感知方案

為了解決上述挑戰，基于英特爾 架構的中科創達全息路口融合感知方案，通過路側感知與計算設備，聯合云控平臺，實時提供高精度、低時延的道路交通目標信息，服務于提升交通效率、保障交通安全等目標。

搭載英特爾 酷睿 Ultra 處理器的路側 MEC 設備

在中科創達全息路口融合感知方案中，激光雷達、毫米波雷達、工業相機等采集的數據將統一匯聚到部署在路側的集和誠 MEC 設備進行處理。該設備基于工業標準而設計，具備強大的性能，能夠提供高帶寬、高速率的通信網絡支持能力。

按照不同場景對于性能的需求，中科創達與集和誠合作，在 MEC 設備提供了兩種不同的性能配置選項：

英特爾 酷睿 Ultra 處理器采用了混合集成的片上系統架構，配備內置英特爾銳炫 GPU，提供多達 8 個 Xe 內核（多達 128 個圖形執行單元），具備強大的圖形性能。該處理器還首次集成神經網絡處理單元 (NPU)，將作為針對 AI 加速的專項計算單元，承擔起 AI 計算的責任。

對于有更高性能需求的應用場景，可采用搭載第 13 代英特爾 酷睿 處理器和集和誠 MXM 3.1 Type B 顯卡模塊的高性能方案。使得 MXM 模塊能夠加速圖像處理，并滿足 AI 推理對于算力的苛刻要求。

邊緣軟件與 AI 算法

在軟件層面，中科創達面向車路云一體化打造的路側操作系統RoadOS，具有高適配性。內置交通業務常見的 AI 感知、定位和檢測算法，有涵蓋物聯網關、視聯網關等的豐富中間件，提供流媒體、人工智能、容器編排與調度等核心服務。RoadOS 南向對接各類傳感器、RSU 通信設備，實現設備快速接入與統一管控。

方案還依托含英特爾 視頻處理庫（英特爾 VPL）的先進軟件工具集，構建高效的交通路口融合感知系統。

測試：實現端到端的快速感知與分析

車路云一體化應用對全息路口解碼和感知識別延時有嚴格要求，這依賴 MEC 設備數據處理能力，而主要瓶頸在于 AI 模型推理性能。

為此，中科創達硬件采用英特爾 酷睿處理器、英特爾銳炫顯卡，軟件利用 OpenVINO工具套件、英特爾 oneAPI工具包優化。通過 OpenVINO工具套件對模型進行 BF16/INT8 量化，在滿足精度條件下，降低訪存數據量。

測試顯示：針對 1920*1080 分辨率輸出視頻流，實時處理 4 路視頻流時，平均延時從優化前 60ms 降至 24 - 28ms。

優化前后的解碼 + 感知識別 + 融合整體延時對比

中科創達還測試了基礎性能版本（4 路）與高階性能版本（8/10/12/16 路）Yolov6-s 平均每路推理時延 (INT8) ，結果表明，基于英特爾 架構的方案在不同傳感器數量 / 路數需求下，均可滿足平均每路推理時延低于 25ms 的性能要求。

不同方案組合的平均每路推理時延均可滿足要求

目前，基于英特爾 架構的中科創達全息路口融合感知方案，已在多個城市成功落地，該方案提供了雷達、視頻等多流合一的融合感知能力，并實現了數據的高效地分析與處理， 為車路云藍圖的實現提供了堅實的支撐。

實現了廣泛落地

目前，英特爾正攜手中科創達等伙伴，共同面對車路云系統中多樣負載帶來的挑戰。同時，英特爾亦通過軟硬件協同的方式，為用戶提供靈活的產品組合，讓產品不僅能夠應用在更多工作負載中，更能夠實現快速增長，以應對車路云系統中，信息流處理、AI 推理等日益多樣化的負載帶來的嚴苛挑戰。