在自动驾驶的发展过程中，人们最常提到的是“单车智能”。这意味着车辆依靠自己的摄像头、雷达、算法和算力去感知环境、做出决策、完成驾驶。然而，单车智能存在局限性，如传感器盲区和算法延迟等问题，使得一些交通场景无法处理。
随着自动驾驶技术的成熟，是否可以探索“群体智能”来补充单车智能的不足？群体智能指的是让车辆之间通过通信互相交换信息，像一个团队一样协作，以提高道路安全和效率。这与车路协同不同，车路协同强调车辆和道路基础设施的配合，而群体智能的重点是车与车之间的交流。
单车感知与决策已经能覆盖绝大多数常见驾驶场景，但在某些边界情况下，单靠一辆车难以处理。例如，当大型车辆挡住了前方视线或弯道外发生障碍时，依靠摄像头和雷达往往来不及做出平滑反应。车对车群体智能的价值在于信息互补，邻车可以把自己观测到的关键信息或短期意图发送出去，接收方把这些外来信息纳入决策，从而在更早时刻完成风险评估与动作规划。这样既能降低追尾与急刹的概率，也能在合流、并线、编队等场景中减少不必要的刹车，提升路段通行效率。
这种协同并不意味着放弃单车的独立性，而是在单车能独立安全行驶的前提下作为“加分项”存在。设计时必须保证在通信不可用或信息不可信时，车辆能够自动切回保守的单车策略，优先保证安全。群体智能短期内可以提升自动驾驶汽车的安全性，长期来看还能改善交通效率。
实现群体智能需要的技术基础包括通信、定位与时间同步、感知共享以及决策与控制层。通信是群体协同的神经干线，要求低时延和高可靠性。现有实践通常结合短距直连和蜂窝网络，短距直连适合传输紧急消息与高频位置广播，而蜂窝网络则适用于跨区域协调与低频大数据同步。定位与时间同步决定了群体协同的空间和时间精度，需采用多传感器融合方式以获得稳健的位姿估计。感知共享要求语义化与轻量化，每辆车先做本地感知与目标跟踪，再把结果抽象为结构化的对象列表和短期轨迹预测，然后广播给邻车。决策与控制层则涉及分布式方法和预约机制，确保车队中的微小扰动不会被放大传递，避免连锁刹车。
