今天小編分享的汽車經驗：“端到端”不絕對=絕對不“端到端”？，歡迎閱讀。
這個夏天，溫度着實有些高。而對于汽車行業來說，智駕的熱度也同樣居高不下。
短短一個月的時間，新勢力中的 " 御三家 "，理想、蔚來、小鵬像是約定好了一樣，先後舉辦智駕 Tech Day。
7 月 4 日，理想汽車舉辦了智能駕駛夏季發布會，宣布 " 端到端 + 視覺語言模型 " 的早鳥計劃正式啟動，24 年底或 25 年初進行實車推送。
7 月 27 日，在蔚來創新科技日上，他們正式發布了智能駕駛世界模型 NWM（NIO World Model），即全量理解信息、生成新的場景、預測未來可能發生的多元自回歸生成模型。
7 月 30 日，小鵬汽車在 AI 智駕技術發布會上宣布推送 XOS 5.2.0 版本，号稱 XNGP 從 " 全國都能開 " 更新為 " 全國都好用 "，實現 " 不限城市、不限路線、不限路況 " 的全國全量開放，且打通 ETC 收費站場景，預計 2024 年内實現真正的 " 門到門 "AI 智駕體驗。
真的，就仿佛約好了一般，" 御三家 " 集中在 7 月開智駕 Party，而且，技術路線再度趨同。我們不禁要喊出那句話了，" 或許，智能駕駛真的沒有代差 "。
而在這個浪濤滾滾的時代裡，大家都被推着向前走。技術高地固然要衝鋒，但滿眼浮躁的、蘿卜快了不洗泥的風氣，也從未消散，包括人員流動，以及路線搖擺。
事的背後一定是人，那我們就從 " 人 " 講起。
自去年 8 月，小鵬汽車智駕靈魂人物吳新宙離職之後，小鵬智駕的變動就沒有停止過，但基本也都停留在大佬級的 " 活水流動 "。
從最新消息可知，小鵬汽車又進行了一輪内部調整，而這次調整的重心是技術開發部。
在小鵬汽車的架構規劃裡，技術開發部是算法研發部門，具體涵蓋了感知、規劃、控制、定位的算法研發。經調整之後，原技術開發部被拆成了三個細分部門，分别是 AI 端到端、AI 應用、AI 能效。
從部門名字就可以推知，"AI 端到端部門 " 負責端到端模型的研發，"AI 應用部門 " 負責交付。也就是說，這次調整相當于将算法團隊分而治之，一部分去做模型，一部分去做交付。
很顯然，在端到端的巨大浪潮下，小鵬汽車的人力資源配置，正跟着端到端量產落地的計劃進行相應的調整。
無獨有偶，蔚來，理想也做出了類似的選擇。
近期，理想汽車成立了 " 端到端自動駕駛 " 的實體組織，整體 200 人出頭。而理想智能駕駛整個團隊主要分為算法研發、量產研發兩個大組，團隊約 800 人。
具體來說，" 端到端 " 的研發主力就部署在算法研發組了。而說到算法研發的主要工作内容，包括了感知算法、行為智能、認知智能，相應的，量產研發則包括智能行車、智能泊車、智能安全等。
此前，蔚來也将感知和規控團隊合并為了大模型團隊。在業務調整後，蔚來智能駕駛研發副總裁任少卿明确表示，要放棄業界沿用多年的 " 感知 - 決策 - 規控 " 傳統範式做智能駕駛，未來将逐步轉向為端到端大模型範式，用深度神經網絡技術實現高階智駕。
從各家空前一致的選擇來看，" 端到端 " 自動駕駛确已成為各大主機廠必争的技術高地。
人員調動，服從着技術路線的調整。悄然間，幾乎所有的籌碼都砸向了 " 端到端 "，可以說，諸君下足了血本。而未來幾年的技術目标，在其明晃晃的腦門上，也全部寫着 " 端到端 "。
那麼，我們不禁要刨根問底地尋找答案了，這引得無數車企 " 競折腰 " 的端到端究竟是什麼？
就像網絡上應接不暇的網絡熱梗，這幾年智駕圈的技術名詞也越來越多，諸如：BEV+Transformer、端到端、世界模型、多模态等等。
它們不像機械範疇的内容，就算你沒搞懂某個機械的内部構造，但多多少少能聯想到是汽車的哪一個部分，大概會起到什麼作用。但智駕的技術名詞幾乎是一種黑洞裡的虛無了，非專業深耕者，未必能窺探其奧秘。
所以，普羅大眾對這些名詞還非常陌生。問，就是端到端，聽上去很厲害。那麼，端到端是什麼？不清楚！
今天，我們再做一次淺淺的科普。
對于端到端來說，其早期核心定義是 " 從傳感器輸入到控制輸出的單一神經網絡模型 "。 近年來，端到端的含義有了更深層次的延展，可以視為感知信息無損傳遞，也可以實現自動駕駛系統的全局優化。
實際上，自動駕駛架構衍生于機器人架構，通常包括：感知（Perception）、決策（Decision-making）、控制 ( Control ) 三大模塊。
感知：自動駕駛的感知系統從多傳感器、如攝像頭、激光雷達、毫米波雷達等獲取信息，形成對周圍信息的理解。
決策：基于感知信息和預先設定的規則，形成車輛行動策略，将涉及路徑規劃、速度控制、車道保持、轉向等行為。
控制：負責實現決策中的行動，使車輛安全穩定地按照規劃的路徑和速度行駛。
前期，大家宣傳的端到端更多指的是 " 感知端到端 "，包括了 BEV+Transformer 的組合。
具體來說，Transformer 舍棄了傳統循環處理機制，引入 "Attention" 機制來處理序列數據，能夠理解復雜的數據關系。
随着技術發展，決策、規劃功能模塊也被集成到另一張神經網絡當中，形成感知輸出到軌迹輸出，兩者之間的通信接口是人為定義的感知類型，比如說兩輪車、紅綠燈、錐桶等，但整個架構還是由數據驅動，這就是目前很多廠家所采用的兩段式 " 端到端 "。
然而，只要是人為定義，還是會出現信息損失，所以說，未來的端到端發展追求 One Model，其性能上限也會更高。
從這一點看，當前大家宣傳的 " 端到端 "，并沒有達到 One Model 的程度，那麼，在體驗上，也要打一個問号的。
近日，同濟大學的朱西產教授就有過這麼一段發言：" 特斯拉的端到端、人工智能讓自動駕駛更加成為可能，端到端被特斯拉帶火了，國内的車企都在說端到端，但現在，誰宣布端到端（量產上車）了，他的這個車你就别買。"
這個判斷，聽上去有些絕對，但我們細究一下背後的邏輯，其實有很多啟發意義。
首先，" 端到端 " 确實是特斯拉帶火的。在今年 3 月推出了 V12 版本的 FSD 後，特斯拉宣布他們已經删除了幾十萬行的人工規則代碼，實現了預想中的 " 端到端 "。
據了解，特斯拉的端到端，已經做到了 One Model，消除了感知和定位、決策和規劃、控制和執行之間的斷面，将三大模塊組合在一起，形成了一個龐大的神經網絡。
特斯拉的核心優勢，并非算法本身，而是數據和算力。車賣得早，也賣得多，他們早在北美做到了數據閉環，那就可以用來訓練整個系統；同時，AI 訓練算力也有優勢，至少，它不會被無端制裁。
消除斷面，抛掉準則模型，形成 One Model，智駕系統的上限會很高，當然，下限也會 " 摸不準 "，因為對于一些特殊路況，已經無法判斷它有沒有學會了。
這種 " 盲盒感 "，讓端到端存在巨大的體驗落差。如果你的 " 端到端 " 沒做好，其實還沒有之前的規則算法體驗好。
而在優化的路徑上很難 " 抄近路 "，你就是需要大量數據、大量 AI 算力。那麼，該怎麼辦？長遠看，就是賣出更多的車，以及儲備更多的 AI 算力。
而當前能做的，其實是 " 不冒進 "。如果一步跨不到 One Model，那就保留必要的冗餘，比如融合激光雷達的感知，安全準則模型也不要輕易丢。
" 分段式 " 的端到端不丢臉，但體驗還是要細打磨的，不然，某個版本更新後比之前的差，才是真的把用戶當小白鼠了。
如果說汽車的上半場是電動化，那麼，如今超過 50% 的新能源滲透率，已經完成了車市大洗牌。
而被譽為下半場的 " 智能化 "，則成為了所有品牌不願錯過的 " 黃金聖杯 "。智駕是天梯，更是尖峰，技術更迭、架構調整、搶奪人才，每一個現象都是當下的常态。終究，賽道上的人都在賭一個明天。
