今天小編分享的汽車經驗：智駕的餅，車企畫了一個又一個，歡迎閱讀。
導語
Introduction
這是頭部幾家新勢力的營銷噱頭，先把狠話放出來，在用戶心中立下 " 技術咖 " 的人設。
作者丨樊舒琪
責編丨李思佳
編輯丨靳鵬輝
如果畫餅要負法律責任，那中國汽車行業将誕生多個法制咖。
2023 年，小鵬立下 Flag 智駕開城 50 座；理想宣布開城 110 座；蔚來的目标是其 NOP+ 完成 25 萬公裡城區領航路線驗證，開放 6 萬公裡路線裡程，遍布 200 座城市；華為立誓要在年内實現城區 NCA 全國都能開。
最終只有小鵬超額完成目标；理想的結局是 AD Max 3.0 開通了 110 座城市的城區道路，但并未做到 " 覆蓋全城 "；蔚來優先打通了難度更低的縣級市；而華為延期到今年才兌現了諾言。
眼看着消費者的胃還沒來得及消化去年 " 智駕進城 " 的餅，今年車企又畫了塊 " 端到端智駕上車 " 的餅。
年前，蔚小理三家頭部新勢力先後公布了端到端智駕上車的時間表。
1 月 30 日，何小鵬宣布小鵬的端到端模型會在今年全面上車。
緊接着理想又宣布端到端智駕新模型将在今年上半年上線，争取做到全國都能開。為了順利推進這一目标，理想正在大力招聘業内智駕人才。
蔚來也在 2 月宣布，将在今年上半年上線基于端到端的主動安全功能，據稱，" 如果能順利推進，蔚來将是中國最快量產端到端功能的公司。為此，蔚來幾十人的團隊已經研發了将近半年的時間。"
這幾家新勢力原先采用的都是模塊化架構，之所以在今年宣布改用端到端架構，很大程度上是看到了端到端架構的性能上限，預感到它将成為行業趨勢。
去年 8 月，世界上首個基于神經網絡的端到端自動駕駛系統 FSD V12 問世，算是第一次實現了真正意義上的 " 由 AI 來開車 "。在 FSD V12 的首秀視頻裡，馬斯克駕駛着特斯拉行駛在在一條号稱從未跑過的線路上，全程只接管了一次，體現了端到端架構的潛力。
而目前行業已量產的智能駕駛，絕大多數采用的是模塊化架構。這種架構下，智能駕駛被拆分為感知、規劃等一個個典型任務，後由專門的 AI 模型或模塊分别處理這些任務。
這意味着，一個智駕系統裡包含了多個模型，車企要投入大量人力、财力分别對不同模型進行訓練、優化、迭代。而且随着模型進化，參數量提高，所需的研發人員和研發投入将有增無減。
但再多的投入也難以消除模塊化架構生來自帶的 Bug。
在模塊化架構中，下一級模塊的輸入參數通常是上一級模塊的輸出結果，一旦前一級模塊出現誤差，誤差便會在信息傳遞時被逐級放大。除此之外，不同模塊間的信息互動、接口制定等往往難以順暢地實現，這就好比在團隊協作過程中，團隊成員間多少總會存在溝通上的障礙。
擁有神經網絡模型 Transformer 的端到端架構則能夠很好地解決這個 Bug。這種架構下，由于感知到的信息是被送到類似人腦的神經網絡中樞進行處理，後直接生成駕駛指令，因而只需一個模塊便可實現上述多個模塊的功能，車企省下了一筆研發投入的同時，智駕系統的流程更簡潔，系統做出的決策更拟人化，整車的智駕水平也将大幅提升。
但端到端架構也有難以逾越的壁壘，它對數據、算力、芯片都提出了較高的要求。
特斯拉之所以能在端到端技術上走在行業前列，依托的是全球數百萬的特斯拉汽車保有量，那些每天在路上行駛的特斯拉汽車向馬斯克的端到端模型投喂了海量數據。據特斯拉方面公布的消息，為保證模型性能的穩定，特斯拉采用了近 1000w 視頻序列數據。但對其他車企而言，它們很難采集到這麼多數據樣本，即使采集到了，為這些數據做标注也要耗費巨大的時間、金錢、人力成本。
此外怎麼訓練出一個可靠的模型也是個問題。抛開如何工程化這個問題不談，要在千萬級視頻數據中訓練一個大模型，需要的是天量算力。特斯拉的端到端能落地，是因為它有自研的超級計算機 Dojo，專用來訓練自動駕駛汽車人工智能模型。據其官方數據顯示，每個 Dojo 都集成了 120 個訓練模塊，内置 3000 個 D1 芯片，擁有超過 100 萬個訓練節點，算力達到 1.1EFLOP。
不理解這些參數的概念不要緊，我們只需要通過摩根士丹利估計，Dojo 會讓特斯拉的市值增加近 6000 億美元（相當于彼時特斯拉市值的 76%）這一點便可知道，Dojo 的算力有多強大。但并不是每家車企都有個 Dojo。
當然，國内車企可以通過與雲服務大廠共建雲計算中心，來應對算力的掣肘，比如小鵬與阿裡雲在烏蘭察布共建了 600PFLOPS 超算。
但即便如此，車企還需要考慮的是，算法被訓練出來後怎麼部署。在車端，要想讓算法能進行實時推理，芯片的算力也需足夠強大，但目前的主流芯片還達不到這個要求，況且它們也根本不是專為 Transformer 打造的，和 Transformer 間的适配度自然不會太高。
既然硬體一時跟不上，車企就得把復雜的算法盡可能壓縮，這又是一個挑戰。
既然在技術落地面前還橫亘着這麼多障礙，頭部幾家新勢力何以這麼着急公布端到端智駕上車時間？
比起它們真的已積澱了過硬的技術儲備，個人更願意相信，這是頭部幾家新勢力的營銷噱頭，先把狠話放出來，在用戶心中立下 " 技術咖 " 的人設，再慢慢搞研發，即使研發進展不及預期，大不了說一句：" 很抱歉，我們失言了。" 反正畫餅不用負法律責任。
最後提一嘴，按目前的趨勢來看，一旦端到端技術成熟，理想在智駕上或将擁有更鮮明的優勢。更高的保有量、全系标配的智駕硬體方案、免費的智駕產品，這些都将轉化為理想在數據上的優勢。而端到端機構要想表現出比模塊化架構更優越的性能，關鍵一步正是通過海量的數據喂養，令其經歷 " 湧現 " 的過程。
THE END
微信号｜iAUTO2010
