【自动驾驶】自动驾驶卷向-端到端- 商业化落地还需时日

　　随着FSD入华时间点的确定，“端到端”这一自动驾驶技术路线再次引发业内热议。

　　在7月24日凌晨的财报电话会上， 特斯拉 公司总裁埃隆·马斯克表示，将在欧洲和中国申请监管批准以实施监督下的FSD，预计在今年年底前获得批准。

　　其实，从2024年3月起， 特斯拉 就开始在北美地区大范围推送FSD v12。这套端到端智驾系统表现优秀，让从业者和用户感受到智能化技术所造成的驾乘体验提升，也是端到端自动驾驶技术路线在短时间内形成大范围共识的重要推动力。

　　小鹏汽车老总何小鹏近日也在社交平台上表示，今年 特斯拉 的FSD系统与过去相比在技术上有了明显提升，他对这一进步表示赞赏。

　　他还提到，最近与多位L4自动驾驶项目的责任人讨论了端到端技术的应用。尽管这些责任人认为端到端技术更适合L2或L3级别的自动驾驶，但何小鹏坚信，结合端到端技术和大模型最终将实现L4级别自动驾驶。

　　争相入局端到端有多香？

　　简单而言，“端到端”指的是一个AI模型，只要输入原始数据就可以输出最终结果。应用到汽车智能驾驶而言，就是让车辆自动把你从A点带到B点。

　　马斯克在描述FSD Beta v12 时提到，它可以实现输入图像、输出转向、刹车、加速等车辆控制信号的能力，因此说它是“端到端”的。

　　一位算法方案开发工程师对《华夏时报》记者表示，将感知与决策融合到同一个模型中，使得端到端模型能有效避免联级之间的误差值，无需任何人工规则介入，是更加接近人类驾驶行为的高阶智驾。

　　他还谈道，由于端到端技术消除了模块间的界限，简化了系统架构，故而提高了运行效率，使整合后的模型能够更快地处理数据，提高全面的响应速度。同时也减少了对 激光雷达 和高精地图的依赖，降低了成本。

　　其实，“端到端”其实不是一个全新的概念。

　　2016年，英伟达就提出采用单个神经网络来实现端到端的自动驾驶。但由于结构设计过于简单，模型的规模也过小，这种方案仅能支持高速或简单道路状况下的自动驾驶，且仅仅完成了小规模的demo验证。

　　直到2023年8月 特斯拉 公布FSD V12版本时提到引入了端到端技术，尔后成了自动驾驶界最火热的概念。

　　在国内，小鹏、蔚来、理想、华为、长城、商汤绝影、元戎启行、地平线等企业积极跟进，先后推出了面向量产的端到端自动驾驶解决方案和车型。

　　1月30日，何小鹏表示小鹏智驾未来将实现端到端模型全面上车。5月20日，小鹏汽车在北京举办“AI DAY”，宣布即日起开始向用户推送基于端到端大模型的智能驾驶和智能座舱系统。

　　4月24日，在华为智能汽车解决方案发布会上，华为发布了以智能驾驶为核心的全新智能汽车解决方案品牌——乾崑，并推出采用端到端架构的ADS 3.0。 据了解，在6月刚刚上市的享界S9已经首发搭载了ADS 3.0智驾系统。蔚来也在4月公开了端云算力规模，并透露端到端方案会在今年年内发布。

　　7月5日，理想汽车在2024智能驾驶夏季发布会上第壹次公开了其端到端自动驾驶技术架构。

　　传统车企也不甘示弱。4月15日，在 长城汽车 老总魏建军的直播首秀中，新款魏牌蓝山车型搭载的端到端智驾方案就曾引发外界关注。

　　产业链方面，元戎启行、商汤绝影在2024北京车展上各自展示了端到端产品。前者展示的是即将量产的高阶智驾平台DeepRoute IO和基于DeepRoute IO的端到端解决方案，后者推出的则是面向量产的端到端自动驾驶解决方案“UniAD”。

　　地平线于5月发布了SuperDrive全场景智能驾驶解决方案，使用了动态、静态、Occupancy三网合一的感知端到端架构。同时地平线也设计开发了基于数据驱动的交互博弈，不再是基于规则的决策网络。

　　挑战艰巨尚未打通商业化路径

　　尽管潜力很大，但据辰韬资本联合多家机构发布的2024年度《端到端自动驾驶行业研究报告》中指出，目前端到端技术尚处于发展早期，仍有许多应用困境与槽点亟待解决，如技术路线分歧、数据和算力需求大、可解释性较弱、消费者付费意识尚未形成等多方面的挑战。

　　首先，自动驾驶领域对于端到端这一概念的领会目前还尚未统一，技术路线和系统架构方面存在不一样的说法，好比模块化联合端到端、One Model端到端，和基于LLM/世界模型的端到端等方法论。

　　其次，在数据和算力储蓄方面，近年来，国内主流汽车企业和新兴造车势力都在加快算力储蓄建设，以满足自动驾驶模型的练习要求。但与 特斯拉 相比，当前国内厂商的算力水平还有明显差距。

　　在2024年一季度财报电话会上， 特斯拉 表示，公司已经有35000张H100GPU，并计划在2024年内增加到85000张H100以上，达到和谷歌、亚马逊同一梯队。

　　“在国内，大部分研发端到端自动驾驶的企业当前的练习算力规模仅在千卡级别，随着端到端逐渐走向大模型，训练算力就显得左支右绌了。而且在美国GPU出口限制的环境下，国内企业要达到国际顶尖的算力储蓄，还有很长的路要走。”元戎启行相关责任人告诉《华夏时报》记者。

　　再次，当出现问题时，端到端模型无法像传统自动驾驶任务一样，将中间结果拿出来进行研究分析，可解释性较弱，难以对事故、售后定责等诸多问题给出有效的证据，也难以直接对出现问题的环节进行改进。

　　最后，消费者软件付费意识仍未形成，自动驾驶商业闭环还未跑通。

　　在汽车行业日益激烈的“内卷”竞争中，消费者在购车时面临一种内在的矛盾现象。麦肯锡在《2024麦肯锡中国汽车消费者洞察》报告中指出，消费者对各类自动驾驶功能的兴趣正在提升，但愿意为之额外付费的意愿却在下降，其中一线城市的付费意愿下降尤为明显。

　　这时，订阅服务模式尚未实现规模化普及，自动驾驶功能反而成为汽车制造商为了改善驾驶体验和提升产品品质不得不承担的“硬成本”。

　　虽然困难重重，但端到端技术对智能驾驶的引诱太大了，当前国内企业正在持续推进端到端的落地，将为其造成不一样的解题思路。