智能化駕駛無疑是一個熱衷于發(fā)明新詞的行業(yè)。去年流行的是“Transfomer BEV”，去年爆紅的是“大模型”、今年輪到“端到端”了，“無圖”。

不管是站在臺前的蔚小理華，還是站在幕后的元戎啟行，Momenta、商湯絕影，地平線，今年都在推廣智能駕駛的端到端方案，希望在如火如荼的高級智能駕駛比賽中掌握更強大的技術武器。

作為世界上對端到端最活躍的汽車公司，特斯拉已經開始了一年多的自動駕駛研發(fā)，并于今年3月向北美訂閱用戶全面推送FSD。 V12。四月二十八日，馬斯克緊急飛往北京，外界流傳其為FSD進入中國，這讓人們看到了使用。FSD在端到端戰(zhàn)略中加速進入華華的概率。

和過去一樣，在中國智能駕駛行業(yè)首席鼓勵師馬一龍的訪問下，國內智能駕駛行業(yè)的熱情會越來越高，一個新的行業(yè)變化正在醞釀。

01 為什么紛紛端到端

為什么2024年國內智駕行業(yè)集體喊出端到端？

一個直觀的答案是，因為特斯拉做到了。去年年初，馬斯克在推特上透露，特斯拉已經開始研發(fā)端到端自動駕駛計劃。8月，馬斯克首次直播FSD。 V12，系統(tǒng)所呈現(xiàn)的類人駕駛效果引發(fā)熱議：自動駕駛看起來真的很有希望(盡管半途而廢)。

FSD 類人操作V12：前面的車道已經擁擠，那么不要開過去堵住路口。

但是，更接近現(xiàn)實的答案是，端到端是許多企業(yè)在進行了大量的實踐、試錯之后，逐步認同的一種方法。或假如智能駕駛的技術問題主要是AI問題，那么端到端就是一個通用的解決方案。

端到端不是一個全新的概念。它是人工智能領域廣泛使用的一種方法。比如在各種AI翻譯和語音轉文本應用中，幾乎所有的端到端都使用:原始數(shù)據(jù)被送入神經網(wǎng)絡，經過一系列計算后直接給出最終結果。

在智能駕駛領域，行業(yè)對端到端的探索并不少見。比如英偉達和Waymo都成立了團隊進行預研，Comma等美國創(chuàng)業(yè)公司.ai和Drive.ai，然后選擇All in端到端。然而，幾年前，計算率和算法性能仍然很低?；谶@一研發(fā)的神經網(wǎng)絡規(guī)模和能力有限，自動駕駛任務高度復雜，端到端方案性能不佳。

所以，在實際量產中，行業(yè)前幾年更為普遍的做法是分而治之：

將智能駕駛技術棧切割成多個模塊，每個模塊都有獨立的算法(有些模塊使用神經網(wǎng)絡，有些模塊使用傳統(tǒng)算法)，所有模塊前后接力，合作完成智能駕駛任務。到目前為止，由于任務相對簡單，市場上大多數(shù)L2及以下的智能駕駛仍然使用這種技術棧，并且運行良好。

但問題是，當企業(yè)的目標是實現(xiàn)高級智能駕駛甚至自動駕駛時，這種模塊化方法是不夠的——一個關鍵原因是“中間人”太多。

在絕大多數(shù)地球人都參加過的“傳話游戲”中，必然會發(fā)生一種情況，當參與游戲的演講者越多，最后一個人說的結果和最初傳下來的話就越離譜。

就像這樣

這個問題和智能駕駛模塊化技術棧共同存在：如果信息流轉的層次越多，鏈接傳達的時間越長，扭曲的情況就越嚴重。人類將充分發(fā)揮主觀能動性的隨機想象力，而智能駕駛的各個模塊不僅會損害信息的壓縮、傳遞和積累偏差，還會面臨并行模塊信息相互爭斗的問題。

面對人員復雜、難以合作、效率低下的問題，一個企業(yè)通常會精簡組織，支付4.5倍的工資，招募3個能力強的人做6個人的工作。

智能駕駛技術棧也發(fā)生了同樣的事情。汽車公司和智能駕駛公司不斷整合智能駕駛技術棧原有的相對細小的模塊，包裝成三個模塊:感知預測、決策規(guī)劃和控制執(zhí)行(部分公司將預測拆除，形成四個模塊)。

但是，做到這一步其實只是讓高級智駕能夠使用，難題依然層出不窮。

在大多數(shù)已經上市的智能駕駛模式的決策規(guī)劃模塊中，有大量的人類工程師手寫的if else規(guī)則應對不同的場景。在不復雜的場景中，這些規(guī)則可以很好地運行，但當場景高度復雜時，例如在城市智能駕駛時，它們依賴if else難以準確地描述和處理場景，規(guī)則和規(guī)則之間也存在矛盾。

就像一個剛拿到證書不久，反應總會慢一拍的新手，經常在心里默念交通規(guī)則開車，交通少的時候還能應付，早晚高峰的時候就露出了真面目。很多智能駕駛車型魯莽、遲鈍、機械，與此密不可分。

針對這種情況，國內智能駕駛系統(tǒng)項目進展最高的公司正在做一項工作:在決策規(guī)劃模塊中，手寫規(guī)則逐漸被神經網(wǎng)絡取代，人工無法用數(shù)據(jù)驅動處理的弊端。

例如華為在北 ADS在北京車展期間發(fā)布。 3.0，用一整個PDP神經網(wǎng)絡代替了原本有很多手寫規(guī)則的預測決策規(guī)劃模塊；5月份小鵬將推送的天璣系統(tǒng)也將在相應的模塊中引入神經網(wǎng)絡模型Xplanner。

但是這一步還是不夠好。由于感知神經網(wǎng)絡和決策策劃神經網(wǎng)絡仍然相對獨立，任務不同，兩者之間仍然有人工設計的通信接口，并且有一個信息篩選過程，這自然意味著有損壓縮的數(shù)據(jù)?！?strong>就像一名乘客負責看路一樣，指揮著蒙著眼睛的司機怎么開車。

理論上，充分利用信息的最佳解決方案是取消所有“中間人”，讓一個龐大的神經網(wǎng)絡負責整個駕駛任務，這就是端到端的智能駕駛。

智能駕駛技術棧的演變方向

而且目前，智駕行業(yè)正處于激烈的城市NOA開城競賽中。以人為模板，如果你想在全國范圍內駕駛智能駕駛系統(tǒng)，你需要的不是幾個人的合作，而是一個足夠強大的大腦，在正確理解環(huán)境后，指揮你的腿和腳做出正確的動作。

端到端就是建立這個AI大腦的關鍵路徑。這個問題是智駕行業(yè)今年對它進行前仆后繼的主要原因。

02 到底哪一端到哪一端

有點開心的是，在這種端到端的熱潮中，要么是因為中文歷史悠久，要么是因為一些企業(yè)有意為之。雖然不同的企業(yè)異口同聲地談論端到端，但他們表達的可能完全不一樣。

例如華為在非智駕領域談端到端時，表達了“從客戶端到客戶端”的過程。

當一些智能駕駛算法供應商談到感知端到端時，他們的意思實際上是“將幾個感知模塊原本負責不同任務的神經網(wǎng)絡整合成一個”，而不是完全實現(xiàn)端到端的智能駕駛。

一些汽車公司在宣傳端到端時，實際做的工作是“將智駕技術棧的模塊合并一些”。

事實上，嚴格來說，端到端自動駕駛是指傳感器數(shù)據(jù)進入神經網(wǎng)絡后，方向盤、油門、剎車等執(zhí)行器的控制指令直接導出。

端到端智駕嚴格意義上的端到端智駕。

但是，稍微廣泛一點的定義目前也是公認的：汽車的控制模塊不需要改造成神經網(wǎng)絡，只要 一種神經網(wǎng)絡接管感知和決策方案，可以導出正確的行駛軌跡，也可以稱為端到端。圖片 森未來CTO王乃巖近日發(fā)文呼吁，行業(yè)要避免陷入狹義端到端的誤區(qū)，因為這對智駕量產不利。

端到端具有廣泛的意義

元軍CEO周光也有類似的看法，他對此解釋如下：

與感知和決策規(guī)劃相比，汽車的控制自由度更低，難度更小。經過長期發(fā)展，傳統(tǒng)算法已經有了非常成熟的解決方案。當傳統(tǒng)算法能夠準確控制車輛按照軌道行駛時，將其改造成神經網(wǎng)絡并沒有明顯的好處，反而可能會帶來不同汽車的適應問題。

除了這兩個狹義和廣義的端到端之外，一些企業(yè)試圖將端到端定義為“將感知模塊和決策策劃模塊轉化為感知神經網(wǎng)絡和決策策劃神經網(wǎng)絡”。

聲稱自己是端到端(其實不是)

與傳統(tǒng)的模塊化結構相比，用兩個神經網(wǎng)絡處理智能駕駛的思路確實更先進，可以更好地實現(xiàn)數(shù)據(jù)驅動。然而，如上所述，兩個神經網(wǎng)絡之間仍然有一個人工設計數(shù)據(jù)結構的界面，這個中間人的存在必然伴隨著信息損失，這與端到端“充分利用信息”的思維存在差距。

由兩個大神經網(wǎng)絡驅動的智能駕駛只能算是在感知和決策策劃階段完成了自己的端到端，在這兩個環(huán)節(jié)中可以獲得自己的局部最優(yōu)解，但智能駕駛需要的是全局最優(yōu)解。

此外，還有各種各樣的端到端則有些像汽車公司的自研名單，任何一款車都可以是最暢銷的車型，只要定義的范圍足夠小，任何一個企業(yè)都可以掌握一定的端到端。

事實上，類似的重新定義已經在智能駕駛(高精度地圖)競賽中廣泛上演。很多公司聲稱自己的計劃沒有圖片，但實際上，他們在導航地圖上添加補丁、堆疊先驗和定制圖層，更像是變相的高精度地圖。

真正的“無圖”應該是只選擇導航電子地圖(沒有地圖是不可能的)。業(yè)內只有少數(shù)供應商能夠真正提供無圖智能駕駛計劃。

以前不同的企業(yè)對無圖，現(xiàn)在對端到端千差萬別的理解與應用的不同，反映出他們不同的初衷和目的地。

有些企業(yè)的想法比較現(xiàn)實，對端到端的態(tài)度是“萬一成功”。跟進的主要目的是避免智能駕駛技術落后，進而影響汽車銷售或客戶訂單丟失。甚至有些公司只是希望在宣傳上不落后，在實際的科研開發(fā)中與端到端無關。

其他公司更相信真正的端到端，因為它不僅可以讓智能駕駛的性能更好，還可以通過智能駕駛的場景訓練出一個AI大腦，一個人，一個通用的，可以感知和理解決策，可以幫助一個公司從一個簡單的智能駕駛供應商成長為一個AI機器人企業(yè)，最終打造物理世界的通用人工智能。

在北京車展期間，元戎發(fā)布了DeepRouteep高級智能駕駛平臺。 IO，這個方案不依賴高精度地圖，配備端到端模型，今年會登上各種量產智能駕駛車型。這將是中國第一批上車的完整端到端模型方案。

配備這一策略的智能駕駛車輛，在城市駕駛時展示了一些規(guī)則驅動的智能駕駛計劃從未出現(xiàn)過的操作:比如發(fā)現(xiàn)自己在等紅綠燈擋到右轉后車時，主動向前移動。

這種技能看起來很普通，但只有人類司機掌握。類似的利他行為，是通用人工智能閃現(xiàn)的一絲火花。

03 變化將再次掀起

元戎啟動是國內智駕行業(yè)的一種特殊存在。

它的傳說在江湖上無處不在，工程師們傳言它的智能駕駛技術水平可以和華為、Momenta等頭部選手掰手腕；然而，它在江湖上并沒有出現(xiàn)，因為沒有一家汽車公司公開表示，他們的車型使用了元戎推出的量產技術規(guī)范。

造成這種情況的原因是，除了特斯拉等少數(shù)例外，大多數(shù)智能駕駛公司的資源和注意力都是有限的，很難在量產規(guī)模上領先，在先進技術上始終保持存在感。

元戎于2019年成立，擁有更多的技術基因和技術直覺。

其首席執(zhí)行官周光早年率先提出了傳感器“前結合”方案。2020年，公司確定了不依賴高精度地圖的智能駕駛路線，并于去年年初發(fā)布。在過去的五年里，元戎開始堅持“先沖刺先進技術，再賦能智能駕駛量產”的節(jié)奏。

如果你在一個沒有任何波瀾的行業(yè)，選擇這種策略的公司很可能會率先走出去。然而，智能駕駛是不同的。歸根結底，這個行業(yè)的輸贏是技術，而智能駕駛技術的變化強烈而迅速，而且越來越快。每一次技術更新都是洗牌行業(yè)格局的機會。

舉例來說，十年前，智駕感知算法從過去的模式識別轉變?yōu)樯窠浘W(wǎng)絡，讓Mobileye Tier-1的傳統(tǒng)搭配不再強大，一批新興算法公司和芯片公司崛起。

而且由于另一次更新力度超過了以往的技術迭代，端到端的加速，正帶來這樣一種影響：

本來智能駕駛行業(yè)表現(xiàn)出大局初步確定的景象。汽車公司要么建立自己的研發(fā)團隊，要么已經找到了一個好的供應商。行業(yè)不愿意為量產進度較低的公司開放機會。

但是端到端延長了窗口期——綁定車企的供應商可能認為自己已經熬到了淘汰賽，但實際進展是預選賽剛打了前兩輪，后面的賽程還是很長的，游戲規(guī)則也發(fā)生了很大的變化。在新的賽制下，起點被重新劃分，情況再次復雜化。

計劃已大量生產上車的智能駕駛供應商可以利用多個項目掌握大量數(shù)據(jù)，在數(shù)據(jù)需求方面具有數(shù)據(jù)優(yōu)勢。但由于軟硬件的限制，已經上車的智能駕駛技術棧很可能無法升級為端到端。 在“落后”的舊平臺上，企業(yè)要做大量的維護工作，才能達到最終目標。

像元戎啟動這樣掌握端到端戰(zhàn)略的后發(fā)公司，雖然量產項目不多，但在技術棧上更接近終點。

去年8月，元戎啟動將端到端模型部署到車輛端進行驗證，因為在過去的技術棧中，已經為端到端的思路做好了準備，如前結合、無圖、神經網(wǎng)絡替代規(guī)則模塊等。項目進展迅速，今年可以做好上車準備。此前，某科技大廠智能駕駛領軍人物對國內端到端方案上車的預測節(jié)奏為2025年。

元軍啟動端到端智能駕駛計劃，提前繞道可能開門的車輛

然而，即使端到端給元戎等企業(yè)帶來了再次登上智能駕駛牌桌甚至進入第一梯隊的機會，也不意味著在端到端沖刺后，戰(zhàn)斗就會結束。

從周光的判斷來看，端到端可能是智駕傳統(tǒng)技術棧的結束，但只是AI。 2.0時代的開始。很長一段時間，人類司機很可能會和智能駕駛系統(tǒng)的人機一起駕駛，見證一個AI大腦的生長。

但這并不意味著人類司機應該長時間坐在打開智能駕駛系統(tǒng)的車內。那些讓人感到安心，駕駛擬人化的智能駕駛，客戶自然會用腳投票。

本文來自微信公眾號“遠川汽車評論”（ID:yuanchuanqiche），作者：遠川汽車組，編輯：羅松松，36氪經授權發(fā)布。

本文僅代表作者觀點，版權歸原創(chuàng)者所有，如需轉載請在文中注明來源及作者名字。

免責聲明：本文系轉載編輯文章，僅作分享之用。如分享內容、圖片侵犯到您的版權或非授權發(fā)布，請及時與我們聯(lián)系進行審核處理或刪除，您可以發(fā)送材料至郵箱：service@tojoy.com