在中国电动汽车百人会论坛（2025）的热烈讨论中，中国工程院院士邬贺铨针对智能驾驶训练的现状，提出了深刻见解。他指出，当前智能驾驶训练领域存在显著的资源重叠与浪费现象。若各车企及城市均独立进行自动驾驶训练，将导致成本效益极不理想。

邬贺铨院士建议，理想的解决方案应由国家主导，携手车企与各地交通部门，共同打造一个全国性的自动驾驶训练模型。此模型可适应全国各类道路条件。随后，各城市可结合本地特色，在本地云平台进行数据的补充与微调，从而避免不必要的重复投资。

智能交通系统目前主要由单车智能、车联网和云计算三大核心构成，形成了一个完整的“网边算”融合体系。车联网则进一步细分为基于5G/5.5G的公众网络和专用V2X网络，两者共同支撑起车路云一体化的协同运作。

邬贺铨强调，要达到L5级别的自动驾驶——即车辆在任何时间、任何环境下都能完全自主驾驶，无需人类干预——需要收集170亿公里的真实路测数据。然而，目前所获取的有效数据仅占1%，且其中九成来自封闭道路和仿真环境。他警告，过度依赖AI生成的数据可能会导致“近亲繁殖”问题，因此建议保留10%-20%的真实数据作为基石。

邬贺铨还提出，通过数据去重可以减少95%的冗余数据，并呼吁开发AI辅助标注技术，以降低数据处理的成本。他进一步指出，实现L5级别的自动驾驶需要构建拥有8000亿参数的模型，年算力需求高达2万EFlops，这一需求远超当前全球的算力总和。因此，他强调，若每个车企和城市都独立进行自动驾驶训练，将显得极不经济。