前言：

在剛結(jié)束的2023年，眾多車企，包括蔚來、小鵬和理想等，都將城市NOA的開城數(shù)量作為核心競爭指標，并在年底前展開了激烈的角逐。

然而，這些車企并未在城市NOA領(lǐng)域停步，他們迅速將競爭焦點轉(zhuǎn)向了更高階的智能駕駛領(lǐng)域——端到端智能駕駛，這標志著國內(nèi)新能源車市正在迎來新一輪的技術(shù)革新與競爭升級。

作者 | 方文三

圖片來源 |  網(wǎng) 絡 

FSD v12標志端到端模型到來

2023年5月初，馬斯克在推特上宣布特斯拉將推出FSDV12版本，該版本將運用先進的端到端AI技術(shù)。

最近，特斯拉已向裝備HW4.0硬件的車主全面推送了FSD v12 Beta版智能駕駛軟件。

根據(jù)更新日志，F(xiàn)SD Beta v12將城市街道駕駛功能升級為單個端到端的神經(jīng)網(wǎng)絡，該網(wǎng)絡經(jīng)過數(shù)百萬個視頻片段的訓練，成功取代了原有的30多萬行C++代碼。

FSD V12軟件的兩端分別為道路場景和車輛控制，它采用了一套端到端的AI算法方案。

簡而言之，攝像頭捕獲的圖像數(shù)據(jù)會被輸入到神經(jīng)網(wǎng)絡中，該網(wǎng)絡能夠直接輸出車輛控制指令，如轉(zhuǎn)向、加速、剎車等，而這一切均得益于特斯拉的端到端大模型。

相較于傳統(tǒng)基于邏輯行車的自動駕駛，端到端技術(shù)更接近于人類駕駛的模擬。

隨著模型參數(shù)量的不斷提升，自動駕駛系統(tǒng)的能力也將持續(xù)增強。在自動駕駛領(lǐng)域，投入更多的駕駛數(shù)據(jù)和增強算力均有助于提升模型性能。

因此，數(shù)據(jù)和算力是決定端到端模型性能上限的關(guān)鍵因素。

特斯拉品牌在這兩方面具有明顯優(yōu)勢。其背后龐大的數(shù)據(jù)量得益于特斯拉全球450萬的銷量支持。

據(jù)透露，在FSD V12版本的訓練初期，當輸入超過100萬個視頻后，基于神經(jīng)網(wǎng)絡的自動駕駛系統(tǒng)才開始展現(xiàn)出良好的性能。

FSD V12提供了一條有待驗證的全新路徑，若得以走通，將對行業(yè)產(chǎn)生顛覆性影響。

端到端成為智駕下一個階段

在過去，智能駕駛領(lǐng)域的從業(yè)者通常將整個自動駕駛?cè)蝿占毞譃楦兄�、預測、決策、控制等多個模塊。

由于每個模塊的技術(shù)棧差異顯著且極具挑戰(zhàn)性，因此每位工程師通常獨立負責其中一個或兩個模塊。

因此，目前市場上已量產(chǎn)的智能駕駛模型大多采用傳統(tǒng)的模塊化架構(gòu)，即按照感知、預測等功能劃分為多個獨立的小模型。

每個小模型都需要單獨進行訓練和優(yōu)化，且下游的規(guī)控環(huán)節(jié)仍然主要依賴人工規(guī)則。

然而，隨著技術(shù)的進步，將感知與決策融合到一個模型中已成為可能。

這種端到端的模型設計旨在有效減少聯(lián)級之間的誤差，無需依賴任何人工規(guī)則，從而更貼近人類駕駛行為的高階智能駕駛。

當前，行業(yè)的發(fā)展趨勢正經(jīng)歷著從分散到聚集的轉(zhuǎn)變。過去離散的部分正在逐漸聚集并模型化，將感知、認知和控制模型分別聚集在一起。

此后，將進一步實現(xiàn)車端模型和云端模型的聯(lián)動。

端到端這種模型摒棄了冗長的代碼和工程師定義規(guī)則的方式，讓AI能夠自主學習人類的駕駛模式，直到達到智能涌現(xiàn)的程度。

端到端模型的精髓在于利用海量數(shù)據(jù)來訓練系統(tǒng)，使AI模型能夠自主發(fā)現(xiàn)隱藏在數(shù)據(jù)中的駕駛規(guī)則。

這一過程并非一蹴而就，而是一個循序漸進的過程。它需要經(jīng)歷傳感器前融合、去高精度地圖以及感知、決策、控制三個模型一體化的關(guān)鍵環(huán)節(jié)。

國內(nèi)車企加入端到端布局研發(fā)

2024年內(nèi)，小鵬要在全國范圍內(nèi)實現(xiàn)端到端的智能駕駛，在核心城區(qū)的智能駕駛體驗上，要對標谷歌旗下自動駕駛公司W(wǎng)aymo；

并在2024年—2025年兩年內(nèi)實現(xiàn)全球范圍內(nèi)高速NGP與XNGP的研發(fā)與落地。

除了小鵬汽車外，理想汽車和蔚來汽車亦紛紛涉足這一前沿領(lǐng)域。在去年底蔚來ET9的發(fā)布會上，蔚來公司公布了其自主研發(fā)的5nm智能駕駛芯片——神璣NX9031。

蔚來強調(diào)，智能駕駛算法正朝向端到端大模型的方向不斷進化。

因此，這款核心組件不僅需要滿足當前的市場需求，還需具備與未來端到端大模型算法相匹配的能力，確保至少五年的算法演進需求得到滿足。

與小鵬汽車有所不同，蔚來計劃針對端到端大模型的不確定性，推出基于該技術(shù)的主動安全功能。據(jù)悉，該功能有望在今年上半年正式投入使用。

與此同時，理想汽車自主研發(fā)的MindGPT已成功應用于智能座艙，展現(xiàn)出強大的AI性能。

借助大模型的助力，理想汽車計劃將城區(qū)NOA升級為AI司機，通勤NOA則變?yōu)閷�屬電梯，推動自動駕駛進入大模型時代，從而擺脫對高精地圖的完全依賴。

此外，還有其他企業(yè)亦涉足該領(lǐng)域。例如，毫末智行發(fā)布了自動駕駛生成式大模型DriveGPT，旨在解決認知決策問題，最終實現(xiàn)端到端的自動駕駛功能。

長城和奇瑞等公司亦已申請多個與GPT相關(guān)的商標，預示著未來無論是智能座艙還是智能駕駛，都將與人工智能AI緊密相連。

國內(nèi)車企跟進端到端仍有很大不足

特斯拉的端到端系統(tǒng)具備一項關(guān)鍵優(yōu)勢，這是目前國內(nèi)新能源車企所無法比擬的：其訓練數(shù)據(jù)的豐富性。

特斯拉預計，未來用于訓練的視頻幀數(shù)還將進一步增長至數(shù)十億級別。

盡管端到端技術(shù)被視為智能駕駛的未來發(fā)展方向，且一旦特斯拉的此項技術(shù)被允許進入國內(nèi)市場，可能會對新勢力車企構(gòu)成較大威脅。

但如果仔細觀察，當前許多車企已經(jīng)掌握了與城市NOA相關(guān)的成熟技術(shù)，并配備了相應的激光雷達或攝像頭，這在一定程度上已經(jīng)能夠滿足用戶的實際需求。

對于尚未得到充分訓練的端到端系統(tǒng)而言，雖然它看似與國際先進技術(shù)接軌，但在實際應用中，它可能只是以底線為[賭注]參與競爭。

當市場上出現(xiàn)盲目跟風的現(xiàn)象時，這對于車企和車主來說都并非好事。

因此，差異化創(chuàng)新才是贏得新能源智能駕駛競爭的關(guān)鍵。

目前，新能源車市的競爭格局仍在不斷變化中。比亞迪是否會采取非傳統(tǒng)的策略尚不確定，而特斯拉的FSD V12何時能夠進入國內(nèi)市場也是一個未知數(shù)。

此外，如何解決海量數(shù)據(jù)問題對于[蔚小理]等車企來說也是一個挑戰(zhàn)。

同時，華為作為國內(nèi)首家采用名為GOD網(wǎng)絡的占用網(wǎng)絡方案的智駕方案提供商，其方案的未來發(fā)展同樣充滿變數(shù)。

結(jié)尾：

智能駕駛技術(shù)的演進，經(jīng)歷了以硬件為主導的1.0時代，隨后是軟件引領(lǐng)的2.0時代。

而今，迎來了以數(shù)據(jù)為核心的3.0大模型時代。在這一新時代中，端到端的技術(shù)發(fā)展路徑顯得尤為關(guān)鍵。

部分資料參考：新智駕：《國內(nèi)「端到端模型」能圍剿特斯拉FSD嗎？》，汽車之心：《端到端炸場，打開高階智駕魔盒》，買車大師：《端到端：自動駕駛的終極形態(tài)？》，零態(tài)：《智駕戰(zhàn)爭2024》，AI電堂：《智能駕駛技術(shù)路線再生變，頭部邁向端到端》

       原文標題 : AI芯天下丨產(chǎn)業(yè)丨端到端模型，國內(nèi)智駕企業(yè)必須追上的新主場