端到端，就像价格战一样，成为车企“内卷”的又一个方向。特斯拉、小鹏汽车、鸿蒙智行、元戎启行、商汤科技、零一汽车等主机厂和智能驾驶技术公司纷纷投入研发端到端系统，并于最近半年陆续对外披露上车量产规划。可以说，从供应商到整车企业，无不在谈端到端。那么从目前的技术难度和成本压力来看，端到端这条技术路线靠谱吗？它的出现能否开启新一轮自动驾驶产业革命，更好支撑高级别自动驾驶尽快照进现实？
端到端方兴未艾
据了解，小鹏汽车量产上车的端到端大模型——神经网络XNet＋规控大模型XPlanner＋大语言模型XBrain中，三网合一的深度视觉感知神经网络XNet，通过聚合动态XNet、静态XNet和量产纯视觉2K占用网络，可对现实世界中的可通行空间进行3D高真实度还原；XPlanner通过海量数据时刻训练，使得驾驶策略不断向拟人方向进化；XBrain架构使得自动驾驶系统拥有理解学习能力，处理复杂甚至未知场景的泛化处理能力大幅提升。何小鹏介绍，基于折算10亿＋里程的视频训练、超646万累计公里数的实车测试、超2.16亿累计公里数的仿真测试，小鹏汽车端到端大模型能够做到“两天迭代一次”，在未来18个月内智驾能力提升30倍。按照计划，2024年三季度，小鹏汽车的智驾即可实现“全国都能开，每条路都能开”，2025年实现城区智驾比肩高速智驾体验。
比小鹏汽车即将上车应用的端到端大模型更早的是特斯拉。近日，特斯拉FSD v12在北美上线测试版本，全新升级后的FSD最大的卖点就是端到端的神经网络模型上车。特斯拉在美国推出的FSD v12之所以广受好评，在于对车主而言，它呈现出的“有感升级”表现出更好的自动驾驶体验，车辆的自动驾驶系统更接近人类驾驶员，在行车礼仪、礼让行人等方面都做得更好。随着包括中国在内多个国家对特斯拉数据管理等方面限制的解除，其端到端方案有望得到进一步提升。
在特斯拉、小鹏汽车端到端方案加快落地的同时，更多端到端方案供应商也得到车企的支持，加速了端到端方案的应用。近日，有报道称，元戎启行与比亚迪达成合作，负责比亚迪POC端对端智能驾驶项目。今年北京车展上，元戎启行推出新一代量产高阶智驾平台DeepRoute IO，搭载了端到端模型，成为业界率先将端到端用于高阶智能驾驶汽车的企业。
数据和大模型支撑下的更类人驾驶
《报告》显示，端到端作为一种技术路径，能够得到车企客户和消费者的关注，是因为其能带来用户体验的显著提升。端到端可大幅提升系统的安全性，对于自动驾驶很多的“只可意会，不可言传”的长尾场景，端到端技术在实践上表现出了很强的应对能力。且端到端系统让驾驶风格更加拟人化，能够表现得更像人类司机，这有利于自动驾驶系统与用户建立信任。
从企业公布的方案看，小鹏汽车私人定制的AI司机，拥有AI代驾、AI泊车、AI保镖3大功能，其中，AI代驾是量产的“点到点”超长记忆领航智驾，拥有强大的自主学习能力。且AI代驾仅需一次学习，系统便可生成定制化的驾驶路线，为用户提供覆盖全程的智能辅助驾驶体验。单个用户最多可存储10条记忆路线，每条路线最长100公里。而特斯拉端到端的FSD系统，则将无数的人类驾驶视频数据，压缩到了端到端神经网络中，所以效率更高，更符合人类驾驶习惯，像真人一样开车。据了解，特斯拉通过端到端神经网络，将感知、分析、决策整合在一起，当输入传感器数据时，系统直接输出车辆控制信号，过程中减少了成堆的代码。按照特斯拉的更新日志，模型经过数百万个视频训练后，可以减少30多万行C＋＋代码。
数据是决胜前提 也是最大挑战
目前，数据稀缺是困扰高级别自动驾驶落地，尤其是影响端到端效果的重要课题。虽然更多试点上路的车辆配备了更多的传感器和数据采集设备，数据的积累也在快速增加，但总体上数据获取的成本仍很高。收集自动驾驶所需的大量数据需要大量的时间、人力和资金投入，涉及到在真实道路上部署传感器和设备、采集数据、整理和标记数据等一系列繁琐的工作。“不同企业的数据也不太可能共享。”戴一凡说，数据将是决定端到端效果的一大关键。道路情况的多样性和复杂性，也需要大量数据覆盖各种场景，这同时增加了数据获取的难度和成本。
数据获取之后，还需要标注和清洗，这对很多企业而言是个不小的考验。自动驾驶数据往往需要进行大量的标注和清洗工作，以使其适用于机器学习算法的训练，这不仅需要专业的人力资源和时间成本，更需要较强的数据处理能力。
在戴一凡看来，特斯拉之所以在端到端方面表现出更好的驾乘体验，关键就在于数据。无论是数据的积累，还是数据处理能力，特斯拉都呈现出领先一步的态势，随着端到端应用的推进，这种数据优势将进一步增强，帮助其持续领先。
不过，我国相关企业也在积极布局，端到端技术上车量产在即。有专家分析认为国内自动驾驶公司的模块化端到端方案上车量产时间可能会在2025年。戴一凡表示，随着数据的积累、算力的提升和大模型技术的成熟，端到端的应用已被提上日程。从目前的发展趋势判断，这种方案有望加快高级别自动驾驶落地。
需要注意的是，端到端不仅严重依赖数据，而且要求有较高的算力能力，这意味着将高度依赖大算力芯片。在这方面我国并不具备优势，还需持续加快补齐短板。
文：王金玉 编辑：孙焕玉 版式：赵方婷