以城市領航輔助為代表的高階智駕功能，從2023年的初現(xiàn)端倪，再到2024年的大規(guī)模落地，如今已經成為各大車企爭奪高階智駕話語權的焦點。

而高階智駕發(fā)展到今天的L2+級別，想要再上一個臺階達到L3級甚至更高，原有技術在面對復雜多變的城市道路時就顯得有點吃力了。

于是，“端到端”成了智駕領域最近一個階段被高頻提及的關鍵詞。

目前，官方宣布已經落地端到端技術的車企越來越多，全球層面的第一個是特斯拉，國內的第一個是小鵬。

今年3月，特斯拉推出了FSD系統(tǒng)的V12版本，該版本宣稱刪除了幾十萬行的人工規(guī)則代碼，采用了端到端自動駕駛解決方案。

今年7月底，小鵬宣布向全球用戶全量推送AI天璣系統(tǒng)XOS 5.2.0版本，該版本采用了國內首個量產端到端大模型，官方宣稱其高階智駕系統(tǒng)提升到了“全國都好用”的水平。

在8月開幕的2024成都車展上，極越宣布PPA智駕升級為百度ASD，采用“純視覺+端到端大模型”的高階智駕方案在極越07上實現(xiàn)首搭。

雖然更多的車企還沒有實現(xiàn)量產落地，但也在緊鑼密鼓地進行著端到端技術的研發(fā)。蔚來在年中成立了大模型團隊，小米也將智駕技術研發(fā)團隊的感知與規(guī)控兩個部門合二為一。

8月初，梅賽德斯-奔馳則在上海研發(fā)中心宣布，全新一代自動駕駛系統(tǒng)的“無圖”L2++城市領航輔助已經開始測試，并且應用了端到端大模型。

而在10月末，又有兩個新勢力品牌官宣了端到端落地的消息。

10月23日，理想汽車宣布全新一代雙系統(tǒng)智能駕駛解決方案“端到端+VLM視覺語言模型”正式全量推送。

到了10月28日，智己汽車宣布IM AD 3.0率先完成從“最像人”到“有直覺”的斷代式進化，為智駕系統(tǒng)率先注入人工智能生成的“直覺”——基于智己汽車與Momenta聯(lián)合打造的“一段式端到端直覺式智駕大模型”。

至此，智己正式加入端到端陣營，而且還是國內第一個官宣落地“一段式端到端”的車企。

01.“直覺”智駕與“一段式端到端”

究竟什么是端到端？這是高階智駕進入端到端時代首先要理清的概念。

所謂的“端到端”，一端是傳感器，包括攝像頭、激光雷達等，它們就像眼睛一樣承擔輸入環(huán)境信息的作用；另一端是行駛軌跡，也就是系統(tǒng)接收了來自傳感器的信息后，會輸出規(guī)劃軌跡，從而控制車輛按照軌跡行駛。

以往，傳統(tǒng)的智能駕駛系統(tǒng)采用的是模塊化模型，將感知、預測、規(guī)劃分別為三個獨立的模型。每個模型的技術棧差異較大，處于下游的規(guī)劃模型需要依賴工程師編寫大量代碼去制定行駛規(guī)則。在模塊化的技術架構下，信息的傳遞會出現(xiàn)減損，系統(tǒng)的維護難度大，無法從容應對復雜路況。 端到端大模型則截然不同，將感知、預測、規(guī)劃三個模型融為一體，無需程序員編寫冗長的代碼去制定規(guī)則，而是用海量數(shù)據去訓練系統(tǒng)，賦予機器自主學習、思考和分析的能力。端到端模型不會出現(xiàn)信息傳遞減損，能夠更好地處理復雜的駕駛任務。

這就是我們常說的系統(tǒng)具備了學習能力，可實現(xiàn)“邊看邊開”，從而擁有了應對復雜場景的能力。

按照智己官方的說法，IM AD 3.0能以更接近人腦結構的思考方式，生成本能反應主導的直覺決策能力，可以能像人類思維一樣做出瞬間預判，具備“十年老司機”的直覺駕駛體感。

這個所謂的“直覺”，其實就是端到端技術的核心價值——打破傳統(tǒng)架構中模塊化方案的解決思路，不再依賴人工編寫的規(guī)則，讓感知信息能夠更加無損地參與到每一次的路徑規(guī)劃，輸出更加類人的駕駛策略。

因此，智己提到的這個“直覺”，其實也不算是新概念，而是對端到端技術最恰當?shù)囊环N比喻。

據官方介紹，智己IM AD 3.0讓智能汽車首次擁有了綜合分析道路環(huán)境全局信息的能力，尤其在應對突發(fā)狀況時，能夠“腦補”出看不見、看不全的路況信息，像人類高級思維一樣可以做出瞬間預判，即人們通常所說的“直覺”或“下意識反應”。

在具體場景方面，智己在發(fā)布會上展示了測試視頻，可見IM AD3.0能夠禮讓盲區(qū)橫穿的行人、可以繞行水坑等特殊障礙物；在面對人車混流的無保護左轉場景時，能夠像老司機一樣老練博弈，而不再原地傻等；在錯綜復雜的路口，即使面對無中線、超寬車等看不清的路況，也能流暢通行。

智己還表示，IM AD3.0已經可以做到“全國都好開，全場景都敢用”。

其實從端到端技術的落地時間來講，智己并不算快，但此次官宣還有一個看點，那就是“一段式端到端”的落地，這讓智己成為國內首個具備這一技術的車企。

當前，端到端大模型基本都采用分模塊智駕結構，也就是所謂的“兩段式”架構，分別為感知的端到端和規(guī)控的端到端，二者各自獨立。

為智己提供智駕方案的科技企業(yè)Momenta CEO曹旭東表示，在兩段式端到端中，感知的端到端一定需要這個物體對于人來說是比較好定義的，這樣的話才能夠很好地搜集訓練數(shù)據，以及學習和驗證。但是對于復雜的通用障礙物，比較難在感知的端到端里面做定義的，規(guī)控的端到端就無法收到對應的輸入，進而忽視掉重要的感知信息，做出一些誤判的駕駛行為。

“一段式端到端大模型”則取消了分模塊智駕結構，將感知與規(guī)劃整合進一個大模型，通過數(shù)據飛輪提供的海量優(yōu)質數(shù)據，訓練一個完整的神經網絡，分析全局信息、隱含信息，學習優(yōu)秀的人類駕駛行為，從原始數(shù)據輸入到規(guī)劃路徑輸出，形成了類似人腦的高級思維“直覺”反應。

曹旭東表示，一段式端到端的好處是感知的端到端和規(guī)控的端到端聯(lián)系在一起，哪怕未定義的物體出現(xiàn)，在感知大模型的幫助下，仍然會做出合理避讓。

為了解決一段式端到端方案前期下限低的問題，Momenta的端到端模型采用了短期記憶和長期記憶的訓練邏輯。其中，短期記憶的訓練周期是以“天”為級別的，好的數(shù)據和好的方法得到驗證之后再進入長期記憶的模型學習。

這是一個類似于人類大腦進行學習的邏輯，當一個新的數(shù)據進來，它會先進入短期記憶，等到數(shù)據和方法被驗證之后，才會進入長期記憶去學習。

根據官方數(shù)據，這套智己與Momenta聯(lián)合打造的“一段式端到端大模型”在“長短期記憶模式”架構的助力下，將模型訓練成本節(jié)省了10-100倍，同時還大幅提升了迭代速度。

02.“端到端”到底難在何處？

雖然官宣落地端到端的車企越來越多，但無論是在研發(fā)端，還是在市場端，業(yè)內人士對端到端的觀點及判斷并不一致。

8月16日，在第四屆沈陽智能網聯(lián)汽車挑戰(zhàn)賽上，同濟大學汽車學院教授朱西產表示：“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，國內的車企都在說端到端。但現(xiàn)在，誰宣布端到端量產上車了，他的這個車你就別買。”

而在此一周之前，華為終端董事長、智能汽車解決方案BU董事長余承東評價特斯拉FSD到：“其商用版本進步非常大，上限挺高，但下限也很低。我們去測試，路上停著靜止不動的白色貨車，不減速就直接撞過去了，還有綠色的貨車，也是不減速就去撞。”

根據朱西產的解讀，端到端大模型雖然能夠提供強大的泛化能力，但是在安全性方面存在不確定性。國內車企在數(shù)量和AI訓練算力方面與特斯拉相比還有較大差距，所以近兩年端到端量產上車的可能性不大。因為大模型需要的高算力還很難在車端布置，并且大模型目前也很難解決“長尾難題”。

所謂“長尾難題”，就是指在自動駕駛過程中那些發(fā)生概率較低、但種類繁多的特殊場景所帶來的潛在風險。這些問題涵蓋各種零碎、極端的情況和難以預測的人類行為，例如：帶有凸出貨物的卡車、打傘的行人、倒在路中央的樹木，以及異形車輛、亂穿馬路的行人和自行車、雨雪等極端天氣、極暗的行車環(huán)境等。

同樣是在8月初，極越CEO夏一平也曾表達了對端到端技術的看法。他表示：“端到端很難一蹴而就，我不認為現(xiàn)在市場上有任何一家是端到端，絕對不可能的，這個世界上現(xiàn)在沒有人是端到端，不要吹這個牛。特斯拉目前還是分段式的，真正端到端、完全視覺看到直接做執(zhí)行還很難。要知道，這背后的驗證模型是巨大的投入。”

夏一平所提到的巨大投入，就是端到端大模型量產的最大難點——它的完善需要巨額的訓練數(shù)據積累，由此帶來的人力、物力和財力的消耗也是非?？捎^的。

以特斯拉為例，僅僅建設超算中心就花費了40億美金，而端到端大模型越完善，也將意味著參數(shù)越多、數(shù)據越多，其中還包括圖片和視頻數(shù)據。

在數(shù)據采集方面，目前車企紛紛依靠用戶的車輛采集數(shù)據，銷量越大也意味著數(shù)據越豐富。據業(yè)內人士預測，誰的銷量先破100萬輛，誰就有可能在智能駕駛采集數(shù)據方面率先取得突破，而特斯拉在美國市場已經銷售了170多萬輛，它在數(shù)據積累上的體量是目前任何一個品牌都很難達到的。

朱西產認為，根據國內車企目前在智能駕駛開發(fā)的數(shù)據能力和AI訓練算力，先做到感知的端到端，在規(guī)控算法上保留安全準則模型，這種分段式的端到端方案模型是比較合理的技術路線。以當前的情況來看，已經官宣落地的“端到端”大概率都是這個模式。

據極越官方表示，百度在AI和自動駕駛領域擁有超過十年時間、超過1500億資金的持續(xù)投入，基于L4級自動駕駛大模型Apollo ADFM打造了ASD。Apollo的L4級自動駕駛里程已經超過1億公里，并建立了超5.5EFLOPS的高算力訓練集群，可以實現(xiàn)模型的高效訓練和快速迭代。

在這一點上，智己與Momenta宣布“模型訓練成本節(jié)省了10-100倍，并大幅提升了迭代速度”其實與之意思相同，那就是強調數(shù)據訓練效率提升，已經積累到了可以支持端到端落地的量級。

而至于小鵬、理想等品牌，目前尚未針對數(shù)據訓練給出詳細的解讀信息。

03.L3量產只差臨門一腳

隨著端到端大模型的陸續(xù)落地，智能駕駛突破現(xiàn)有的L2級“限制”已經迫在眉睫了。

智己在宣布“一段式端到端直覺式智駕大模型”量產上車的時候，也同步官宣了“同時具備L2、L3、L4級智能駕駛量產能力”的消息。

按照官方公布的信息，智己的L2+級高階輔助駕駛已在全國范圍內開通全系車型“無圖城市NOA”；歐洲市場的L2+道路測試也已啟動；L3級自動駕駛已進入量產倒計時，智己在今年6月入選了全國首批“L3準入及路試聯(lián)合體名單”，預計將于2026年正式具備L3級自動駕駛方案的量產條件；預計將在年內獲得首批“L4級無駕駛人道路測試牌照”，實現(xiàn)無人駕駛車率先上路。

智己表示，在隨著L3、L4級自動駕駛相關法律法規(guī)的逐步出臺，智己將最快落地全行業(yè)最領先的自動駕駛體驗。

比智己更早一點官宣的是華為，余承東在2024世界智能網聯(lián)汽車大會上表示，預計ADS 4.0將于2025年推出，將實現(xiàn)高速L3級自動駕駛商用及城區(qū)L3級自動駕駛試點。

而像小鵬、理想、蔚來、極越等具備了高階智駕能力的品牌，其實也已經具備了突破L2級的技術積累，他們的智駕系統(tǒng)在功能上距離允許“脫手”也只差法規(guī)的松綁而已了。

因此，L3級智能駕駛的落地，已經到了只差臨門一腳的時刻。

在6月15日舉辦的中國汽車藍皮書論壇上，華為智能汽車解決方案BU CEO靳玉志表示，汽車智能駕駛已經在L2級停留了太長時間，L3級自動駕駛技術在高速公路等場景的應用已經較為成熟，應該盡快允許商用。

雖然法規(guī)究竟何時可以“解綁”尚未可知，但端到端技術的逐步落地和持續(xù)完善無疑將起到助推作用。

從這一點來講，2024年末國內車企頭部玩家端到端技術的扎堆落地，將成為自動駕駛發(fā)展歷程中值得記錄的一筆。