/// 自動(dòng)駕駛端到端，開啟燒錢競賽。

作者：鹿白編輯：肖瑩

自去年8月特斯拉發(fā)布FSD Beta V12引入端到端概念之后，端到端在國內(nèi)智駕圈兒就火了起來。眾多車企和智駕公司紛紛開始轉(zhuǎn)向端到端技術(shù)的研發(fā)和量產(chǎn)工作。

其中，“蔚小理華”在端到端技術(shù)的研發(fā)和量產(chǎn)上，都在爭搶特斯拉第一之后的第二席位。

4月，采用全新端到端架構(gòu)的的華為ADS 3.0亮相，并于8月率先量產(chǎn)至享界S9；

5月，小鵬發(fā)布國內(nèi)首個(gè)量產(chǎn)上車的端到端大模型；

7月，理想、蔚來先后發(fā)布基于端到端的技術(shù)架構(gòu)；同時(shí)，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。

在各家發(fā)布技術(shù)架構(gòu)的同時(shí)，也伴隨著“國內(nèi)首個(gè)量產(chǎn)上車”；“行業(yè)首個(gè)雙系統(tǒng)量產(chǎn)方案”；“國內(nèi)首個(gè)端到端一體化模型”；“業(yè)內(nèi)首個(gè)應(yīng)用端到端技術(shù)的AEB”等定語名詞。

對(duì)于愈發(fā)“內(nèi)卷”的汽車行業(yè)而言，誰都想要擠進(jìn)智駕“第一梯隊(duì)”�？梢钥吹�，現(xiàn)階段端到端技術(shù)正成為國內(nèi)智駕系統(tǒng)發(fā)展的主流技術(shù)趨勢，以“蔚小理華”為代表的企業(yè)，都在加碼端到端，并力圖將其搬上車。

誰能成為率先量產(chǎn)端到端自動(dòng)駕駛技術(shù)的第二名？各家端到端技術(shù)架構(gòu)又有何異同點(diǎn)？以及未來端到端技術(shù)將如何發(fā)展？我們今天就來簡單聊一聊。

01

全面爭戰(zhàn)端到端

在主流的自動(dòng)駕駛方案中，以規(guī)則算法為基礎(chǔ)，整個(gè)系統(tǒng)架構(gòu)劃分為感知、決策和執(zhí)行三大模塊。

而所謂的端到端，就是把三個(gè)模塊劃歸為一個(gè)，從傳感器數(shù)據(jù)輸入開始，中間只要一步，到控制信號(hào)輸出，實(shí)現(xiàn)完整閉環(huán)。

簡言之，就是要建立一個(gè)完整的學(xué)習(xí)系統(tǒng)，直接從原始數(shù)據(jù)中不斷學(xué)習(xí)，并生成所需的輸出，不需要人為將任務(wù)分解成多個(gè)中間步驟。

特斯拉提出端到端技術(shù)架構(gòu)之后，這在自動(dòng)駕駛行業(yè)引發(fā)了強(qiáng)烈反響，不少車企和自動(dòng)駕駛公司開始研發(fā)端到端技術(shù)，國內(nèi)的智駕路線也開始“轉(zhuǎn)向”。

可以說，一夕之間，國內(nèi)智駕技術(shù)開始全面轉(zhuǎn)向端到端。

在這其中，以蔚小理為代表的造車新勢力走在最前面，甚至在組織架構(gòu)上都進(jìn)行了相應(yīng)的調(diào)整。

先來看蔚來，其對(duì)智駕研發(fā)部架構(gòu)進(jìn)行了系統(tǒng)調(diào)整。

此前，蔚來智能駕駛研發(fā)部分為感知、規(guī)控和集成等部分。調(diào)整后，感知和規(guī)控團(tuán)隊(duì)合并為大模型團(tuán)隊(duì)，集成團(tuán)隊(duì)重組為交付團(tuán)隊(duì)。

在此次調(diào)整之后，蔚來決定將放棄業(yè)界沿用多年的“感知-決策-規(guī)控”的技術(shù)路線，明確地表示探索用端到端大模型實(shí)現(xiàn)高階智能駕駛。

同時(shí)，蔚來還單獨(dú)設(shè)立了一個(gè)大模型部，專門負(fù)責(zé)端到端的模型研發(fā)。

小鵬汽車則是以其智駕“靈魂人物”吳新宙離職為契機(jī)，智駕團(tuán)隊(duì)的中高層更新了一批新鮮血液。同時(shí)，小鵬汽車也在智駕部門下成立了AI部門，專門推進(jìn)端到端等技術(shù)。

今年3月，通用旗下自動(dòng)駕駛Cruise公司前資深工程師Xianming Liu已經(jīng)加入小鵬汽車，擔(dān)任小鵬AI團(tuán)隊(duì)負(fù)責(zé)人，接替劉蘭個(gè)川（Patrick）的職位。

此外，還有一些Cruise工程師和Waymo（谷歌旗下自動(dòng)駕駛公司）工程師也已經(jīng)加入小鵬汽車。

理想汽車也在去年底為端到端模型單獨(dú)成立了一個(gè)團(tuán)隊(duì)。

“我們對(duì)智駕核心的思路就是端到端+大模型，就是系統(tǒng)1+系統(tǒng)2的理念，我們認(rèn)為這個(gè)方式是更接近于人類駕駛的更有前途的智能駕駛方案。”

理想汽車智能駕駛負(fù)責(zé)人郎咸朋近期闡述了其智駕最新發(fā)展理念。

理想汽車CEO李想也曾在2024重慶論壇上公開表示，今年第三季度，理想將向測試用戶推送端到端+VLM（視覺語言模型）的智駕方案。

可以看到，“蔚小理”智駕團(tuán)隊(duì)調(diào)整背后，是其在智駕領(lǐng)域正朝著端到端大模型進(jìn)發(fā)，即用AI神經(jīng)網(wǎng)絡(luò)，來重構(gòu)傳統(tǒng)的智駕感知、決策、規(guī)劃等技術(shù)模塊。

除了蔚小理之外，作為深度影響汽車行業(yè)的華為，也正在全面布局端到端技術(shù)。

今年4月華為發(fā)布了乾崑ADS3.0，已首發(fā)搭載在享界S9上面。據(jù)悉，華為乾崑 ADS 3.0 版本具備融合端到端能力，在激光雷達(dá)輔助下將會(huì)對(duì)智駕能力帶來巨大提升。

事實(shí)上，對(duì)于當(dāng)前高度“內(nèi)卷”的汽車行業(yè)而言，搶先實(shí)現(xiàn)端到端模型落地量產(chǎn)，加速城市NOA“開城進(jìn)度”，已經(jīng)各大車企爭奪市場份額、提升品牌競爭力的關(guān)鍵策略。

02

端到端仍是模塊化設(shè)計(jì)

雖然各家都在布局端到端，但從目前各家發(fā)布的技術(shù)架構(gòu)來看，各家布局端到端技術(shù)架構(gòu)的方式以及對(duì)未來技術(shù)架構(gòu)體系的思考，卻并不完全一樣。

小鵬汽車的端到端大模型主要包含三個(gè)部分：

神經(jīng)網(wǎng)絡(luò)XNet：通過聚合動(dòng)態(tài)XNet、靜態(tài)XNet和行業(yè)首個(gè)量產(chǎn)純視覺2K占用網(wǎng)絡(luò)，能夠讓自動(dòng)駕駛系統(tǒng)如同裸眼3D。規(guī)控大模型XPlanner：就像人類的小腦，通過海量數(shù)據(jù)時(shí)刻訓(xùn)練，使得駕駛策略不斷向擬人進(jìn)化，擁有“老司機(jī)般的腳法”，使得前后頓挫減少50%、違�？ㄋ罍p少40%、安全接管減少60%，進(jìn)一步提高舒適性和安全性。大語言模型XBrain：可以使得自動(dòng)駕駛系統(tǒng)擁有人類大腦般的理解學(xué)習(xí)能力，大幅提升處理復(fù)雜甚至未知場景的泛化處理能力，對(duì)真實(shí)物理世界的宏觀邏輯的推理能力亦是如此。

按照小鵬汽車的說法，在XBrain的加持下，自動(dòng)駕駛系統(tǒng)能夠認(rèn)識(shí)待轉(zhuǎn)區(qū)、潮汐車道、特殊車道、路牌文字，秒懂各種令行禁止、快慢緩急的行為指令，進(jìn)而做出兼顧安全、性能的擬人駕駛決策。

理想汽車的端到端則是采用了“行業(yè)首個(gè)雙系統(tǒng)量產(chǎn)方案”，簡單來說，理想汽車自動(dòng)駕駛路線核心思路是用一顆Orin X芯片用于端到端，也就是快系統(tǒng)，一顆Orin X用于VLM，也就是慢系統(tǒng)。

系統(tǒng)1，即快系統(tǒng)，由端到端實(shí)現(xiàn)，具備高效、快速響應(yīng)能力，能夠應(yīng)對(duì)駕駛車輛時(shí)95%的常規(guī)場景。

系統(tǒng)2，即慢系統(tǒng)，由VLM （Visual Language Model，視覺語言模型）來實(shí)現(xiàn)，其接收傳感器輸入后，經(jīng)過邏輯思考，輸出決策信息給到系統(tǒng)1，占日常駕駛的約5%，目前達(dá)22億參數(shù)量。

系統(tǒng)3，世界模型，除了端到端和VLM模型外，理想汽車還講了未來的智駕技術(shù)思路，即世界模型。該模型結(jié)合重建和生成兩種技術(shù)路徑，將真實(shí)數(shù)據(jù)通過3DGS（3D高斯濺射）技術(shù)進(jìn)行重建，并使用生成模型補(bǔ)充新視角。兩者結(jié)合所構(gòu)建的場景為自動(dòng)駕駛系統(tǒng)能力的學(xué)習(xí)和測試創(chuàng)造了更優(yōu)秀的虛擬環(huán)境，使系統(tǒng)具備了高效閉環(huán)的迭代能力，確保系統(tǒng)的安全可靠。

蔚來的端到端，則是以智能駕駛世界模型NWM（NIO World Model）為主導(dǎo)的架構(gòu)體系。

據(jù)介紹，NWM，是一個(gè)多元自回歸生成式的具身駕駛模型，可全量理解數(shù)據(jù)、具有長時(shí)序推演和決策能力，能在100毫秒內(nèi)推演出216種可能發(fā)生的場景，尋找到最優(yōu)決策。

作為生成式模型，NWM可將3秒鐘的駕駛視頻作為Prompt（提示詞），生成長達(dá)120秒的視頻。NWM還具備與生俱來的閉環(huán)仿真測試能力，已在復(fù)雜交互場景中全面測試并驗(yàn)證性能。

蔚來智能駕駛技術(shù)架構(gòu)NADArch2.0將在算法層引入世界模型的端到端架構(gòu)，直接從原始傳感器數(shù)據(jù)生成駕駛決策，減少傳統(tǒng)方案中的信息損耗。同時(shí)，預(yù)測能力也將更強(qiáng)，讓智能駕駛體驗(yàn)更安全、更擬人。

華為的乾崑ADS 3.0，據(jù)目前已經(jīng)公布的信息顯示，其號(hào)稱“端到端架構(gòu)體驗(yàn)更類人”。

這一架構(gòu)，感知環(huán)節(jié)去掉BEV，只保留一張GOD網(wǎng)絡(luò)，決策、規(guī)劃合為一張PDP網(wǎng)絡(luò)，從而實(shí)現(xiàn)類人化的決策和規(guī)劃，行駛軌跡更類人，通行效率更高，復(fù)雜路口通過率>96%。

也就是說，乾崑ADS 3.0方案，采用GOD網(wǎng)絡(luò)負(fù)責(zé)感知，PDP網(wǎng)絡(luò)負(fù)責(zé)預(yù)決策規(guī)劃。

如果從量產(chǎn)上車的角度，目前小鵬汽車走在前列，其端到端技術(shù)架構(gòu)已經(jīng)量產(chǎn)上車，并開啟了全球全量推送。華為則緊跟其后，理想和蔚來暫時(shí)還沒有明確上車時(shí)間。

而從技術(shù)架構(gòu)體系上來說，各家基本還都處于模塊化設(shè)計(jì)，也被稱為“分段式端到端”。對(duì)此，有業(yè)內(nèi)人士認(rèn)為，分段式端到端從感知模型，到規(guī)控模型，中間會(huì)出現(xiàn)信息丟失。

事實(shí)上，在端到端之前，分模塊主要由人工手寫規(guī)則來定義，每個(gè)模塊都會(huì)存在大量信息損失。

現(xiàn)在，分段式端到端，感知、決策規(guī)劃各用一個(gè)模型，當(dāng)感知傳到?jīng)Q策規(guī)劃時(shí)，信息量已非常少，用于做決策規(guī)劃模型的體量比感知模型小幾倍，因此無法稱作大模型。

業(yè)內(nèi)有觀點(diǎn)認(rèn)為，分段式大概率會(huì)向“一張網(wǎng)”發(fā)展。只不過，那是一個(gè)浩大的工程，需要特斯拉那般的大手筆。

從分段式到一張網(wǎng)，需要很長時(shí)間，要看企業(yè)有沒有足夠的錢。目前，端到端自動(dòng)駕駛在小范圍都能跑，之后能不能做，得看實(shí)際效果。要幾十萬用戶用起來，那是另一個(gè)故事。

當(dāng)然，即便在宣傳上最為激進(jìn)的特斯拉，其端到端技術(shù)方案也并非指向一個(gè)從感知到控制的“大一統(tǒng)”模型，而是仍然具有感知與規(guī)劃模塊之分，通過將規(guī)劃模塊從專家系統(tǒng)、蒙特卡羅樹等傳統(tǒng)技術(shù)向深度學(xué)習(xí)模型的升級(jí)，以及使用聯(lián)合損失函數(shù)同時(shí)訓(xùn)練兩大模塊，構(gòu)成了其所謂的“端到端”智駕。

03

真正的端到端尚需時(shí)間

由于大模型技術(shù)的不成熟，以及智能駕駛的安全要求，短期內(nèi)端到端技術(shù)或?qū)㈦y以真正實(shí)現(xiàn)。

一方面，從行業(yè)現(xiàn)狀來看，相比于特斯拉號(hào)稱“輸入圖像、輸出控制”的端到端方案相比，國內(nèi)的端到端思路暫時(shí)只能做到從感知端到預(yù)測決策端，最終的控制執(zhí)行模塊，依然由工程師的手寫規(guī)則來兜底。

長城汽車智能平臺(tái)開發(fā)中心高級(jí)總監(jiān)姜海鵬表示，現(xiàn)在幾乎每一個(gè)算法公司或者主機(jī)廠都在研究端到端，但已經(jīng)按照端到端架構(gòu)去做的不超過三家。

另一方面，想要真正訓(xùn)練端到端大模型，這背后離不開海量高質(zhì)量數(shù)據(jù)的支持，以及強(qiáng)大的算力支持。

數(shù)據(jù)方面，去年馬斯克在財(cái)報(bào)會(huì)上談到過數(shù)據(jù)對(duì)自動(dòng)駕駛模型的重要性，“訓(xùn)練了100萬個(gè)視頻Case，勉強(qiáng)夠用；200萬個(gè)，稍好一些；300萬個(gè)，就會(huì)感到Wow；到1000萬個(gè)，就變得難以置信了。”

而數(shù)據(jù)的收集需要大量的時(shí)間和渠道，數(shù)據(jù)類型除了駕駛數(shù)據(jù)外還包括各種不同的道路、天氣和交通情況等場景數(shù)據(jù)，特別是，實(shí)際駕駛中周圍方位的信息收集難以保證。

在《馬斯克傳》中，馬斯克也親口解釋過，特斯拉全球200萬臺(tái)車每天約可收集1600億幀的駕駛視頻用于模型訓(xùn)練。但是，管理如此龐大的數(shù)據(jù)并非易事，因?yàn)榻^大多數(shù)視頻都是無用的。

真正寶貴的是那些車流量異常大、或是有眾多行人做出各式各樣的行為、路況極其復(fù)雜的畫面，但是這個(gè)占比甚至連1%都不到。而為了提取這1%畫面，需要龐大人力、算力、儲(chǔ)存甚至是電力等巨額成本。

算力層面，門檻更高，背后則需要龐大的資金支撐。

在2024年Q1財(cái)報(bào)會(huì)議上，特斯拉透露如今其已經(jīng)擁有35000塊H100的計(jì)算資源，而2024年底這一數(shù)字將達(dá)到85000塊。

這意味著，要達(dá)到跟目前FSD V12同樣的水平，大概率35000塊H100和數(shù)十億美金的基礎(chǔ)設(shè)施資本開銷是必要前提。再往下，門檻還在進(jìn)一步拔高。

事實(shí)上，目前國內(nèi)車企也正在追趕，比如在算力上，理想表示公司有5000張A100、A800這樣等同的訓(xùn)練卡數(shù)量，是小鵬的兩倍。

在數(shù)據(jù)上，小鵬則表示基于折算10億+里程的視頻訓(xùn)練、超646萬累計(jì)公里數(shù)的實(shí)車測試、超2.16億累計(jì)公里數(shù)的仿真測試，小鵬端到端大模型能夠做到“兩天迭代一次”。

雖然各家都在積極努力在算力和數(shù)據(jù)等層面，加大投入做端到端技術(shù)研發(fā)，但從目前行業(yè)發(fā)展現(xiàn)狀來看，短期內(nèi)還不能夠?qū)崿F(xiàn)真正的端到端。

但基于端到端技術(shù)體系，來不斷進(jìn)行整個(gè)智能駕駛系統(tǒng)技術(shù)的迭代升級(jí)，從而為用戶帶來更好的智能駕駛體驗(yàn)效果，則成為可能。

       原文標(biāo)題 : “蔚小理華”誰才是世界第二？自動(dòng)駕駛端到端的燒錢戰(zhàn)局