本发明涉及一种基于分布式学习的智能网联汽车低时延数据共享方法，属于移动通信技术领域。所述方法包括获取来自路边单元下发的全局模型；所述全局模型由学生模型和全局聚合权重聚合得到；采集车辆数据，在本地训练全局模型对应的学生模型和教师模型；向路边单元上传学生模型，以及基于教师模型确定的全局聚合权重；若全局模型与学生模型的偏差程度超过预设阈值，则向路边单元的数据缓冲区上传部分车辆数据；获取来自路边单元下发的共享数据，在本地修正所述全局模型对应的学生模型和教师模型；所述共享数据由上传的部分车辆数据的新旧比例以及重要模型参数的变化率确定。在本申请的实施例所提供的技术方案中，能够显著提升模型的精度。