今天小編分享的汽車經驗：端到端，是自動駕駛的終局方案嗎？，歡迎閲讀。
2024 年，中國新能源汽車行業的發展核心就是一個字——卷。卷價格、卷配置、卷到無以復加，甚至連開始全量推送的智能駕駛，也開始了 " 卷 " 技術。
從去年火熱的 BEV/Occupancy Network，到今年更加火熱的端到端。智駕卷技術從沒有像這兩年這麼猛烈，就像是技術明牌後，所有車企及供應商都在明牌衝刺。
最近智駕圈發生了兩件值得説道的大事。
一是小鵬汽車董事長何小鵬，發文高度評價特斯拉自動駕駛 " 表現極好 "。
何小鵬表示：" 這兩天我在美國加州體驗了 FSD V12.3.6 的版本，也打了一台 Waymo 體驗。總的來説，在舊金山城區 Waymo 表現更好，而 FSD 在硅谷和高速表現極好，可以達到很高的分數，很多路況處理都很絲滑。我非常感慨 FSD 在數月裏有很大的進步，我們也會向 FSD 學習他們優秀的功能點和用户體驗部分，我相信 2025 會是完全自動駕駛的 ChatGPT 時刻！在自動駕駛這個行業，大家都在互相快速學習，自我迭代，一起提高大家出行的幸福感。"
二是蔚小理三家不約而同完成了智駕團隊的組織調整。
蔚來單獨設立了一個大模型部，專門負責端到端的模型研發。
理想則在 5 月裁員中，保留了算法研發團隊：由賈鵬管理，主要負責無圖城市 NOA 的研發、落地，以及端到端智駕的預研。
而在小鵬智駕團隊中，直接與數據相關的部門至少有 3 個，包括大數據、時空數據、美國平台支撐數據等，分工很精細。
據有關報告，大部分 All in 端到端的公司都在削減原有團隊規模，将團隊重心調整到 AI 大模型和數據基建方向。
一切瞄準端到端，一切服務于端到端，已經成為行業的共識。
簡單看一下頭部車企的端到端落地時間。
小鵬汽車是國内首個發布量產上車的端到端模型的整車企業。何小鵬今年 5 月表示，到 2024 年第三季度，小鵬汽車的目标是 " 全國都能開，每條路都能開 "，2025 年實現城區智駕比肩高速的智駕體驗。
4 月 24 日，華為智能汽車解決方案發布會上，華為發布了 ADS 3.0 端到端架構，并将于 8 月随着享界 S9 正式上市。
理想汽車這邊，7 月 5 日将召開智駕發布會，預計也将公布自己的端到端上車規劃。而蔚來自動駕駛副總裁任少卿在接受采訪時則表示，蔚來已經在布局端到端，預計今年将實現上車量產。
事實上，雖然多數團隊已經調整完畢，并且給出了端到端量產時間，但參考特斯拉從 FSDv11 到 v12 經歷的 " 性能爬坡 "，端到端模型上車後，其早期性能可能不會強于極致優化的經典技術方案，這也對管理層進行技術路線轉型的決心提出考驗。
同時，削減團隊規模不意味着總體投入的減少，一方面，端到端轉型會使現有智駕團隊的人員規模減少，另一方面，端到端對數據、數據基礎設施的投入增加。
對部分公司管理層來説，擴張團隊的決策是容易的，但對數據、工具鏈等 " 看不見、摸不着 " 的資源投入更需要認知模式的切換。
圍繞端到端自動駕駛的很多争議都來自于對其概念定義的不清晰，行業中看待這一技術的觀點呈現出兩極分化：
" 技術原教旨主義者 " 會認為，市場上很多公司所宣傳的宣傳 " 端到端 " 并不是真正的端到端；
" 實用主義者 " 則會認為只要基本原理符合，并且產品性能提升，端到端的準确内涵并不重要。
目前，自動駕駛架構的演進可以分為四個主要階段：
第一階段：感知 " 端到端 "；第二階段：決策規劃模型化；第三階段：模塊化端到端；第四階段：One Model/ 單一模型端到端。
One Model 端到端自動駕駛可以看做是端到端的終局解決方案。這個概念被提出的時間比模塊化端到端更早。
在自動駕駛產業剛剛開始起步的 2016 年，英偉達就提出采用單個神經網絡（卷積 + 全連的簡單架構）來實現端到端的自動駕駛，輸入和輸出就是最原始的傳感器信号、方向盤角度及油門開度。
随着 Transformer 網絡架構和車端算力（逐步可支持 0.1B~1B 級參數量網絡運行）的提升，One Model 的端到端方案又重新回到人們的視野中，甚至會演化成為端到端的終局解決方案。
基于這樣的判斷，還有一個概念需要重點厘清。端到端與大模型這兩個概念經常被混淆在一起。
但實際上，兩者并不必然相關。大模型更多關注模型的參數數量以及湧現能力，而端到端更多強調的是結構上的梯度可傳導以及全局優化。
目前的大模型為端到端實現提供了很好的可選方案，但是端到端并非必然基于大模型實現。
從目标上來講，大模型則像是一個多面手，它們擁有大量的參數，能夠處理包括自動駕駛在内的多種復雜任務，如自然語言處理、影像識别等。
大模型訓練所需的數據類型結構更廣，而且由于其廣泛的應用範圍，對于可解釋性以及可靠性的要求并不高。
相比之下，端到端的最終目的是讓車輛能夠自主導航并安全行駛。它需要學習和适應各種駕駛場景，以便做出準确的駕駛決策，更多基于标注數據進行訓練，對于系統的可靠性要求更高。
而在世界模型與端到端自動駕駛的關系上，基本存在以下兩種不同的觀點：
第一，世界模型在整個自動駕駛算法的開發體系中以數據生成器的角色存在。第二，只要對世界模型進行微小的調整或者增加一些輸出鏈路及模塊，就可以實現 One Model 端到端自動駕駛。兩種觀點都有待未來的發展印證。
回到火熱的特斯拉端到端方案上。
Tesla 宣稱從 FSD12.3 版本開始采用端到端自動駕駛方案。業内普遍認為這些表現的巨大提升很大程度地建立在決策規劃模塊化基礎方案之上，但是目前尚無法具體判斷出 Tesla 的實現方案處于本報告定義的 " 決策規劃模型化 "" 模塊化端到端 " 或者 "One Model 端到端 " 中的哪一個階段。
對于華為、小鵬等國内玩家而言，大家普遍尚處于感知 " 端到端 "、決策規劃模型化階段。
參考特斯拉在 2021 和 2022 年年底的 AI Day 上分别公布了 BEV 和 Occupancy Network 的技術架構，而國内車企開始 OTA 基于 BEV/Occupancy Network 的功能普遍在 2023-2024 年，國内與特斯拉的研發進度差大概在 1.5~2 年。
2025 年，将是國内車企全面量產端到端方案的元年，或許也是特斯拉 FSD 正式入華的時間點。
而 One Model 端到端系統預期其落地時間會晚于模塊化端到端 1~2 年時間，從 2026 年至 2027 年開始上車量產。
盡管端到端技術如此之火，但是我們仍不能笃定其就是自動駕駛的最終解決方案。
樂觀來講，從人工智能的特性、發展速度等交付分析，人工智能的湧現能力，或許昭示着端到端只是未來眾多技術方案之一。
但不可否認的是，無論是學術界、產業界在端到端自動駕駛領網域的快速進展，還是資本市場對相關公司的關注，都指向一個趨勢：端到端開啓了新一輪的自動駕駛產業革命。
