端到端正成為行業(yè)技術(shù)競爭的熱點(diǎn)，不過圍繞端到端的爭議也在持續(xù)發(fā)酵。
近日，理想汽車董事長兼首席執(zhí)行官李想表示，端到端自動駕駛只能解決L3（級輔助駕駛），解決不了L4（級自動駕駛）。而小鵬汽車董事長兼首席執(zhí)行官何小鵬則認(rèn)為，端到端模型下限能力有望在2025年快速提高。一旦提高后，不用2年時間，在全球范圍內(nèi)就可以達(dá)到（支持）超越L4的能力。采用端到端大模型之后，特斯拉的FSD和之前完全不一樣，明年就有可能比人類“老司機(jī)”強(qiáng)。
車企廣泛跟進(jìn) 端到端成賣點(diǎn)
全國政協(xié)常委、經(jīng)濟(jì)委員會副主任，工信部原部長苗圩日前指出，要鼓勵頭部企業(yè)引領(lǐng)行業(yè)繼續(xù)下大力氣用人工智能大模型去訓(xùn)練車載操作系統(tǒng)和智駕的車控系統(tǒng)，打通“端到端”技術(shù)，打造整車的計(jì)算平臺。
目前，除了特斯拉之外，國內(nèi)的小鵬P7＋等車型也已經(jīng)使用了端到端智駕技術(shù)，而零跑汽車2024年下半年就聲稱，自研的端到端智駕系統(tǒng)將在2025年上車。
盡管對于端到端技術(shù)仍存在不同觀點(diǎn)，但行業(yè)基本認(rèn)可的事實(shí)是，自2023年8月特斯拉在美國推出端到端智駕系統(tǒng)FSD V12測試版后，端到端就成為智能汽車行業(yè)日益火爆的技術(shù)。至今，從問界到“蔚小理”等都在跟進(jìn)端到端，并將此作為新車的賣點(diǎn)。
“端到端目前沒有公認(rèn)的準(zhǔn)確定義，簡而言之，就是智能駕駛系統(tǒng)的感知端到控制端?！北狈酱髷?shù)據(jù)與人工智能研究院研究員曾文翔向《中國汽車報(bào)》記者表示，端到端主要依靠神經(jīng)網(wǎng)絡(luò)、信息無損傳遞來實(shí)現(xiàn)一系列功能，與以往的模塊化架構(gòu)主要依靠人工編程方式相比，提升了感知、預(yù)測到規(guī)劃、控制整個過程的效率，也提升了自動駕駛系統(tǒng)的安全性能。
“端到端用先進(jìn)的算法模型取代了傳統(tǒng)算法和人工編寫程序效率不高等問題?！痹谏钲谙冗M(jìn)技術(shù)研究院研究員俞榮錦看來，端到端的神經(jīng)網(wǎng)絡(luò)可以通過AI來自己學(xué)習(xí)，很快掌握海量的知識和技能，理論上可以不再需要模塊化那樣的人工編程。但是，現(xiàn)階段如果完全依靠基于神經(jīng)網(wǎng)絡(luò)打造的端到端自動駕駛系統(tǒng)還不夠“聰明”，測試表明，有時它可以在很復(fù)雜的道路交通場景中給出合理的規(guī)則，但有時也會犯低級的錯誤，甚至可能出現(xiàn)分不清紅綠燈的情況，這被行業(yè)稱為“上限很高，下限很低”。原因之一是神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)的數(shù)據(jù)量不足，因此，目前包括華為、小鵬等車企推出的端到端智駕系統(tǒng)采用了“神經(jīng)網(wǎng)絡(luò)＋編程”的方式，最大限度保證系統(tǒng)的安全性。
“其實(shí)李想和何小鵬所表達(dá)的內(nèi)涵是一致的。”長三角研究院新能源應(yīng)用技術(shù)研究中心研究員梁筱磊向記者表示，現(xiàn)實(shí)情況下，的確如李想所言，端到端自動駕駛只能解決L3級輔助駕駛，解決不了L4級自動駕駛。而何小鵬所說的端到端的模型下限能力有望在2025年快速提高，之后就可以支持超越L4級自動駕駛的能力，這是發(fā)展的趨勢。在目前從車企到科技公司都在大力推動端到端技術(shù)快速演進(jìn)的情況下，一些技術(shù)瓶頸將逐步被打破，端到端也會越來越“聰明”，從而會勝過人類老司機(jī)，這是發(fā)展的趨勢。
本質(zhì)是算力比拼
此前，在端到端剛剛興起之際，部分車企對端到端的預(yù)期過高，但進(jìn)入實(shí)際測試和應(yīng)用階段，才發(fā)現(xiàn)端到端的先進(jìn)技術(shù)對于算力等保障能力的要求也是“水漲船高”。
從自動駕駛本義看，是要通過減少人工干預(yù)，甚至完全脫離人工干預(yù)情況下，在復(fù)雜道路交通環(huán)境中實(shí)現(xiàn)安全駕駛。而眾所周知，目前的道路交通環(huán)境的復(fù)雜性，并不能完全用交通規(guī)則來覆蓋。例如，機(jī)動車道上突然闖入的行人、自行車、兩輪電動車等，這是在不遵守規(guī)則的情況下發(fā)生的，如何對端到端自動駕駛系統(tǒng)“說清楚”既要遵守交通規(guī)則，又要在類似突然情況下處理好行駛動作，是一件不容易的事。特別是“非規(guī)則”的情況可能千差萬別，難以用一些理論模型來歸納概括，只能盡可能擴(kuò)大數(shù)據(jù)庫來“教”自動駕駛系統(tǒng)，這無形中就會提升算力需求。
事實(shí)上，不僅如此，端到端本身對于算力的要求大大超過了模塊化階段。“從特斯拉的FSD自動駕駛系統(tǒng)看，端到端所需算力成倍增加?！绷后憷诒硎?，特斯拉聲稱將AI大模型引入自動駕駛系統(tǒng)，其“端到端＋大模型”的HW5（芯片）與之前的HW4相比，用3000行代碼替代了原來的30多萬行代碼，但算力要求提升了10倍，整個平臺算力需要達(dá)到3000～5000T0PS才能滿足端到端的需求。
“‘端到端＋大模型’決定了對于算力有較高的要求?！庇針s錦談到，算力的增加，還體現(xiàn)在其他一些方面。例如，為了實(shí)現(xiàn)高效、準(zhǔn)確的AI推理，車企及相關(guān)技術(shù)開發(fā)者可能需要花費(fèi)更多精力在大模型優(yōu)化、量化等技術(shù)上，以保證大模型與端到端配合的高效運(yùn)行。同時，除了端到端智能駕駛系統(tǒng)本身對大算力的需求外，對云端算力要求也很高，這是因?yàn)槎说蕉酥悄荞{駛依賴于大規(guī)模數(shù)據(jù)集，系統(tǒng)訓(xùn)練過程非常耗費(fèi)算力資源，尤其是為了讓大模型具備對復(fù)雜路況有足夠的識別能力，訓(xùn)練過程需要在大量的模擬場景和真實(shí)世界的數(shù)據(jù)上進(jìn)行，可能涉及數(shù)億、數(shù)十億甚至更大的樣本量，通常是樣本量越大，系統(tǒng)就會越成熟，而這種大規(guī)模的算力需求，也推動了對高性能的計(jì)算芯片、計(jì)算模塊等算力硬件的需求。
此外，對道路及交通規(guī)則的準(zhǔn)確識別，也需要通過提升算力來保障。例如，國外一些城市的公路大多較為平坦，而國內(nèi)一些城市公路卻有很大起伏，如重慶、貴陽等地區(qū)，不僅彎道多而且高度差較大，端到端自動駕駛系統(tǒng)要準(zhǔn)確識別，需要更多的訓(xùn)練數(shù)據(jù)和模型，也會增加對算力的需求。此外，有的城市道路右轉(zhuǎn)線在直行線的左邊，左轉(zhuǎn)線在直行線右邊的情況也現(xiàn)實(shí)存在，對此，需要自動駕駛系統(tǒng)學(xué)會識別這種不多見的規(guī)則，同樣需要算力的支持。
目前，端到端智駕“卷”算力的程度已經(jīng)超出之前的預(yù)期。目前，特斯拉超算中心的算力支持由其自研的D1芯片和自研的超級計(jì)算機(jī)Dojo組成，投資約10億美元。而國內(nèi)一些車企的端到端則更多使用了云計(jì)算方案，如小鵬汽車的云計(jì)算大模型等。“總體上看，除了自動化程度越高對于算力需求越大之外，道路交通狀況的復(fù)雜程度也增加了端到端自動駕駛系統(tǒng)對算力的需求?！痹南璞硎尽?/p>
總體處于初級應(yīng)用階段
行業(yè)中有人把模塊化智駕系統(tǒng)比作在駕校學(xué)車，沒有自主意識，且不會主動模仿學(xué)習(xí)的新手司機(jī)，教練（代碼）說什么就做什么，但如果遇到教練沒說過的就不會處理了。而端到端則是有自主意識并會主動模仿學(xué)習(xí)的新手司機(jī)，如果給它看過成百上千萬優(yōu)秀老司機(jī)怎么開車的視頻后，它就會變成真正的老司機(jī)。
如今的新車市場上，已經(jīng)有多個品牌的智能駕駛系統(tǒng)采用了端到端技術(shù)，也有不少品牌正在摩拳擦掌，即將推出端到端智駕系統(tǒng)。
2024年初，特斯拉在北美開始推送FSD V12，并于同年3月將FSD Beta改名為FSD Supervised，特斯拉智駕團(tuán)隊(duì)稱基于端到端的FSD V12通過僅數(shù)月的訓(xùn)練，就已經(jīng)完全超越了數(shù)年積累的FSD V11。同時，也被行業(yè)稱為“一個端到端的生成大模型”“像人類司機(jī)一樣”，盡管仍不完美，但令人印象深刻。就連曾經(jīng)對特斯拉“有看法”的何小鵬，在試駕完FSD V12后也表示：“FSD V12.3.6表現(xiàn)極好，非常贊賞，要向其學(xué)習(xí)。”
隨后，2024年7月，小鵬汽車宣布將向全球用戶全量推送AI天璣系統(tǒng)XOS 5.2.0版本。小鵬汽車的端到端包括了“神經(jīng)網(wǎng)絡(luò)XNet＋規(guī)劃控制大模型XPlanner＋大語言模型XBrain”。這被稱為“三網(wǎng)合一”，其中，神經(jīng)網(wǎng)絡(luò)類似于人的眼睛，對現(xiàn)實(shí)世界中的可通行空間進(jìn)行3D還原；XPlanner類似于人的肌肉和小腦直覺，通過海量數(shù)據(jù)的不間斷訓(xùn)練，優(yōu)化駕駛策略；規(guī)劃控制大模型類似于人的大腦，會進(jìn)行更深入的理解和意圖推理，包括時序、環(huán)境、路牌文字等。2024年10月，小鵬汽車宣布AI天璣5.4.0正式開啟公測，并首發(fā)搭載在小鵬P7＋上。新版本為小鵬汽車帶來了最強(qiáng)AI智能駕駛功能。根據(jù)數(shù)據(jù)統(tǒng)計(jì)，已經(jīng)享受到公測版的P7＋用戶，在用戶滲透率和里程滲透率上均取得了顯著提升。
去年7月，理想汽車也發(fā)布了基于端到端模型、VLM視覺語言模型和世界模型的全新自動駕駛技術(shù)架構(gòu)。其分為兩個系統(tǒng)，一顆Orin X芯片用于端到端，也就是快系統(tǒng)；另一顆Orin X芯片用于VLM，也就是慢系統(tǒng)?？煜到y(tǒng)處理常見的場景，而VLM則是處理復(fù)雜場景。
在2024年，全新嵐圖夢想家搭載了華為乾崑ADS 3.0的端到端自動駕駛系統(tǒng)。在這一系統(tǒng)中，GOD網(wǎng)絡(luò)（通用障礙物檢測網(wǎng)絡(luò)）可以通過“激光雷達(dá)＋攝像頭”感知，來識別通用障礙物白名單外的異形物體，用3D來構(gòu)建出障礙物的輪廓，從而對路上的障礙物進(jìn)行精細(xì)識別，不但能夠識別障礙物的動靜態(tài)，還能分辨出救護(hù)車、警車、行人等。RCR網(wǎng)絡(luò)（道路拓?fù)渫评砭W(wǎng)絡(luò)）則是為了進(jìn)一步讓智駕擺脫對高精地圖的依賴，結(jié)合普通導(dǎo)航地圖來與現(xiàn)實(shí)進(jìn)行匹配和印證，再實(shí)時生成可用的行車地圖。
時下，隨著智能駕駛步入深水區(qū)，智駕AI大模型的訓(xùn)練離不開海量的、多樣化的優(yōu)質(zhì)數(shù)據(jù)，特斯拉首席執(zhí)行官馬斯克認(rèn)為，用100萬個視頻切片訓(xùn)練，勉強(qiáng)夠用；200萬個，稍好一些；300萬個，就會讓人驚嘆；1000萬個，那就好到難以置信了。因此，車企量產(chǎn)的智能駕駛車輛正成為最佳的數(shù)據(jù)采集工具。當(dāng)足夠多的量產(chǎn)智駕車在道路上行駛時，它們所收集的真實(shí)數(shù)據(jù)，將成為端到端智駕不斷優(yōu)化的關(guān)鍵資源。
此外，已經(jīng)有很多車企及造車新勢力在積極備戰(zhàn)端到端智駕，并以此作為宣傳賣點(diǎn)。近日，奇瑞汽車表示，在新車技術(shù)層面，要“All in端到端”。
“盡管關(guān)注度在持續(xù)升溫，但行業(yè)認(rèn)為目前端到端總體上還處于應(yīng)用的初級階段?！庇針s錦表示，一方面，從技術(shù)發(fā)展趨勢來看，端到端是現(xiàn)階段被多數(shù)車企看好的未來高階智駕的方向，但目前由于對端到端所依賴的神經(jīng)網(wǎng)絡(luò)的了解和開發(fā)還不夠透徹，所以現(xiàn)階段端到端智駕的表現(xiàn)距離完美水平有一定差距。
相比已經(jīng)普遍采用的模塊式智駕系統(tǒng)，端到端的神經(jīng)網(wǎng)絡(luò)算法模型“聰明”與否，極度依賴海量的真實(shí)數(shù)據(jù)來訓(xùn)練，只有經(jīng)過海量數(shù)據(jù)訓(xùn)練，神經(jīng)網(wǎng)絡(luò)才能從“小模型”變成好用的“大模型”。這也意味著，伴隨著自動駕駛車輛行駛數(shù)據(jù)量的增加以及高階智駕在算力等方面的持續(xù)投入，端到端智駕的發(fā)展會越來越好。另一方面，隨著算力的投入和端到端開發(fā)復(fù)雜程度的提高，現(xiàn)階段端到端的成本也有一定程度增加，隨著未來的大規(guī)模推廣應(yīng)用，成本有望逐步下降。
向云端大模型進(jìn)階
現(xiàn)階段行業(yè)內(nèi)仍然對端到端的一些相關(guān)技術(shù)及其發(fā)展存在不同看法，但從部分已經(jīng)或?qū)⒁瞥鰬?yīng)用系統(tǒng)的車企產(chǎn)品看，現(xiàn)階段的端到端智駕并不是完全的端到端。
俞榮錦表示，由于現(xiàn)階段的端到端還存在開發(fā)不足等問題，準(zhǔn)確率受到影響，因此各車企基本都采用了“端到端＋”的方式來克服弊端。目前，端到端的不足包括端到端智駕系統(tǒng)的訓(xùn)練所需的數(shù)據(jù)規(guī)模比海量更加海量，隨著智駕里程的增長以及自動駕駛系統(tǒng)能力的提升，端到端訓(xùn)練的數(shù)據(jù)量也會不斷增長。來自車企的數(shù)據(jù)表明，截至2024年9月，小鵬汽車端到端的視頻訓(xùn)練量為2000萬個視頻片段，特斯拉端到端智駕系統(tǒng)FSD的訓(xùn)練量則至少有5000萬個視頻片段。
此外，如果再按照訓(xùn)練頻次和模型的迭代速度算，數(shù)據(jù)就更為巨大，像特斯拉端到端如果每天迭代一個小版本，假設(shè)需要用5000萬個視頻片段訓(xùn)練20個頻次，每天就要訓(xùn)練10億個視頻片段。如果算力不足，端到端智駕模型迭代的速度就會放慢，準(zhǔn)確性也會受到影響。而端到端智駕系統(tǒng)除了訓(xùn)練，還需要推理來支持決策，這對算力來說是個巨大考驗(yàn)。所以，特斯拉購買英偉達(dá)H100高性能芯片用于訓(xùn)練的算力支持，自研的Dojo計(jì)算機(jī)做推理算力支持。
由此，就容易理解車企在端到端技術(shù)路線上的不同。如華為乾崑ADS 3.0的端到端自動駕駛系統(tǒng)，不僅有GOD網(wǎng)絡(luò)（通用障礙物檢測網(wǎng)絡(luò)）、RCR網(wǎng)絡(luò)（道路拓?fù)渫评砭W(wǎng)絡(luò)），還加入了與PDP（預(yù)測決策規(guī)劃網(wǎng)絡(luò)）并行的本能安全網(wǎng)絡(luò)，在很大程度上保障了系統(tǒng)的安全可靠。
而小鵬汽車的端到端包括了“神經(jīng)網(wǎng)絡(luò)XNet＋規(guī)劃控制大模型XPlanner＋大語言模型XBrain”的“三網(wǎng)合一”形態(tài)，通過云端大模型提供支持。云端大模型的參數(shù)量是車端的80倍，云端強(qiáng)化訓(xùn)練后，車端大模型的上限會大幅提高。正是在端到端技術(shù)加持下，小鵬汽車智駕系統(tǒng)走向了以輕地圖、輕雷達(dá)、重算力為核心的智能駕駛方案。針對復(fù)雜路況，能夠?qū)崿F(xiàn)點(diǎn)到點(diǎn)的輔助駕駛，包括自動通過高速ETC閘機(jī)、紅綠燈識別、擁堵路段跟車以及主動變道超車等。尤其在體驗(yàn)和流暢性上，用戶基本感覺不到任何斷點(diǎn)，而且以端到端實(shí)現(xiàn)了“車位到車位”。因此，小鵬汽車方面認(rèn)為，端到端只是開始，不是終局，真正的競賽正在云端展開，云端大模型才是制勝的關(guān)鍵。
車企各自不同的技術(shù)路線，驅(qū)動著端到端的開發(fā)和應(yīng)用走上快車道。“盡管技術(shù)路線不同，但都有合理的底層邏輯，最終也都會殊途同歸，實(shí)現(xiàn)完全端到端的高級別自動駕駛?！痹南枵J(rèn)為，與其他技術(shù)一樣，智駕技術(shù)的發(fā)展也是一個不斷探索的過程，目前看端到端適合高級別自動駕駛的優(yōu)選，這是基于計(jì)算及云計(jì)算、神經(jīng)網(wǎng)絡(luò)、人工智能、大模型，以及芯片和計(jì)算模塊、超級計(jì)算機(jī)等軟硬件技術(shù)支持下作出的選擇，而不是“拍腦門”的結(jié)果。
目前，隨著智駕技術(shù)發(fā)展，端到端正在成為車企之間比拼智駕技術(shù)實(shí)力的分水嶺。因此，一些車企往往把端到端作為營銷的口號?！盃I銷始終是與產(chǎn)品實(shí)力相結(jié)合的，否則只能‘搬起石頭砸自己的腳’。”俞榮錦談到，盡管目前有的車企將端到端作為營銷的手段，但如果技術(shù)跟不上，很容易導(dǎo)致產(chǎn)品的市場銷量和企業(yè)的品牌受損。
“目前的端到端不可能一步到位，以‘端到端＋’的方式來推動端到端智駕的技術(shù)演進(jìn)形式，是實(shí)際應(yīng)用的必由之路，也是多數(shù)車企的共識?！绷后憷谡J(rèn)為，從目前智駕的發(fā)展趨勢看，盡管在技術(shù)方面還有不同的探討，也有不甚明確之處，但融合了多領(lǐng)域前沿技術(shù)的端到端很可能將成為汽車智能化的下一個目標(biāo)，也不會止步于僅支持L3級智駕。從尊重科學(xué)的角度看，端到端的技術(shù)發(fā)展還需要時間，但未來一定能給消費(fèi)者帶來更好的智駕體驗(yàn)，讓消費(fèi)者感受到高階智駕的詩和遠(yuǎn)方。
（責(zé)任編輯：蔡文斌）
晉公網(wǎng)安備 14090202000008號 
