实际上，人工智能应用的路还非常漫长、任务还非常艰巨。目前，比较实用的，大家看得见、摸得着而且能够产生结果的就是机器学习，通过机器学习去仿真、研究、模拟人的一系列内容，达到了这个目的才叫人工智能。但是有机器学习是不是就能解决问题了？实际上，还不能有效地解决问题，还需要进一步推进，也就是说仅仅机器学习还不够，还需要深度学习。
车辆识别不是一件简单的事情。因为车辆有很多形态的变化，第一，汽车有不同的角度、不同的方向。第二，汽车会快速移动，增加了辨识的难度。第三，当多辆车在一块时，混杂的交通环境，混杂的车流情况下，也要能够快速、准确、有效地进行辨识。要把人工智能真正地应用到交通领域，远比我们想象的困难得多，人工智能实现智能驾驶尚具有挑战性。
特斯拉在智能驾驶领域发生过交通事故，造成司机当场死亡。如果发生事故的这两辆汽车具备了我们今天谈到的车路协同系统，如果车跟车的通信、车跟路的通信能够实现，那么这场交通事故就可以避免。
从严格意义上讲，如果一个系统要具有人工智能，就应该具备三个条件。第一，系统能够像人一样感知环境、感知社会。人类通过眼睛一看就知道了，但是机器设备未必能行。第二，系统能够像人一样进行思考。第三，系统要能模仿人一样的动作。如果能够达到这三个条件，才算是真正意义上的人工智能。
但是目前我们看到的很多关于人工智能的介绍，距离这三点还很远，还有很多工作要做。
目前，巡航控制已经应用到一些新车上了，ACC已经得到体现了，但是ACC还只是实现车辆自身的巡航，前车做任何动作是不知道的，只能通过距离和对速度的判断，来识别前车可能做什么事情。
基于车路协同也好、自动驾驶也好，未来，我希望前车或者周边车辆所做任何动作之后，车辆要把信息传出去，而不再是让其他车辆去猜测。于是在这种情况下，有了CACC，以及加上人工智能以后的AIACC。因此，我们说人工智能和车路协同是可以完全结合起来的。
车路协同主要是提供一个平台，让所有的交通主体，人、车、路在这个平台上都可以实时地、全方位地交互信息。在这个基础上，为交通出行的驾驶安全和交通管理提供一个新的平台。车联网、网联车和车路协同实际上是殊途同归的，但是车路协同更多的是强调交通整体集成功能的实现。
此外，还有两个方面的改进。第一，驾驶安全。在传统的安全措施之上，我们提供了V2V平台，这就使得所有车辆之间的信息，包括操作信息可以共享，改变了原来的安全模式，比如安全带、安全气囊这些被动式的安全模式，目前的ADAS则属于主动式的安全模式，因为出现事故之前可以主动避障，但是还不是多机协作的，而到了CDAS阶段，就能够实现多辆车的协作。
交通控制方面也会发生革命性的变化。在一个新的平台，你可以知道所有车辆在道路上行使的位置、速度、加速度、方向，以便更好地调整驾驶。
目前，自动驾驶主要有两条技术路线。第一，靠车载传感器来探测车辆周边的交通信息，实现自动驾驶。第二，不完全依靠于传感器，而是使用高精度地图，加上高精度的定位技术，再结合近距离的传感器，实现自动驾驶，这也是目前自动驾驶领域最常用的方法。目前，一些自动驾驶汽车公司基本上是走这条技术路线。
车路协同的平台完全可以给自动驾驶车辆提供周边的交通环境，比如局部的交通道路信息，还可以做到高精度。利用传感器探测周边的环境，路侧设备探测比移动过程中探测，精度与可靠性都高很多，而且靠基础设施的建设，可以大幅度降低车辆成本。车载设备和路侧设备之间交互信息以后，能够助力实现真正意义上的自动驾驶。总之，有了车路协同系统之后，汽车可以利用这些产品和系统，让交通出行更快地进入新时代。
