如果畫餅要負法律責任，那中國汽車行業將誕生多個法制咖。

2023年，小鵬立下Flag智駕開城50座；理想宣布開城110座；蔚來的目標是其NOP+完成25萬公里城區領航路線驗證，開放6萬公里路線里程，遍布200座城市；華為立誓要在年內實現城區NCA全國都能開。

最終只有小鵬超額完成目標；理想的結局是AD Max 3.0開通了110座城市的城區道路，但并未做到“覆蓋全城”；蔚來優先打通了難度更低的縣級市；而華為延期到今年才兌現了諾言。

眼看著消費者的胃還沒來得及消化去年“智駕進城”的餅，今年車企又畫了塊“端到端智駕上車”的餅。

年前，蔚小理三家頭部新勢力先后公布了端到端智駕上車的時間表。

1月30日，何小鵬宣布小鵬的端到端模型會在今年全面上車。

緊接著理想又宣布端到端智駕新模型將在今年上半年上線，爭取做到全國都能開。為了順利推進這一目標，理想正在大力招聘業內智駕人才。

蔚來也在2月宣布，將在今年上半年上線基于端到端的主動安全功能，據稱，“如果能順利推進，蔚來將是中國最快量產端到端功能的公司。為此，蔚來幾十人的團隊已經研發了將近半年的時間。”

這幾家新勢力原先采用的都是模塊化架構，之所以在今年宣布改用端到端架構，很大程度上是看到了端到端架構的性能上限，預感到它將成為行業趨勢。

去年8月，世界上首個基于神經網絡的端到端自動駕駛系統FSD V12問世，算是第一次實現了真正意義上的“由 AI 來開車”。在FSD V12的首秀視頻里，馬斯克駕駛著特斯拉行駛在在一條號稱從未跑過的線路上，全程只接管了一次，體現了端到端架構的潛力。

而目前行業已量產的智能駕駛，絕大多數采用的是模塊化架構。這種架構下，智能駕駛被拆分為感知、規劃等一個個典型任務，后由專門的AI模型或模塊分別處理這些任務。

這意味著，一個智駕系統里包含了多個模型，車企要投入大量人力、財力分別對不同模型進行訓練、優化、迭代。而且隨著模型進化，參數量提高，所需的研發人員和研發投入將有增無減。

但再多的投入也難以消除模塊化架構生來自帶的Bug。

在模塊化架構中，下一級模塊的輸入參數通常是上一級模塊的輸出結果，一旦前一級模塊出現誤差，誤差便會在信息傳遞時被逐級放大。除此之外，不同模塊間的信息交互、接口制定等往往難以順暢地實現，這就好比在團隊協作過程中，團隊成員間多少總會存在溝通上的障礙。

擁有神經網絡模型Transformer的端到端架構則能夠很好地解決這個Bug。這種架構下，由于感知到的信息是被送到類似人腦的神經網絡中樞進行處理，后直接生成駕駛指令，因而只需一個模塊便可實現上述多個模塊的功能，車企省下了一筆研發投入的同時，智駕系統的流程更簡潔，系統做出的決策更擬人化，整車的智駕水平也將大幅提升。

但端到端架構也有難以逾越的壁壘，它對數據、算力、芯片都提出了較高的要求。

特斯拉之所以能在端到端技術上走在行業前列，依托的是全球數百萬的特斯拉汽車保有量，那些每天在路上行駛的特斯拉汽車向馬斯克的端到端模型投喂了海量數據。據特斯拉方面公布的消息，為保證模型性能的穩定，特斯拉采用了近1000w視頻序列數據。但對其他車企而言，它們很難采集到這么多數據樣本，即使采集到了，為這些數據做標注也要耗費巨大的時間、金錢、人力成本。

此外怎么訓練出一個可靠的模型也是個問題。拋開如何工程化這個問題不談，要在千萬級視頻數據中訓練一個大模型，需要的是天量算力。特斯拉的端到端能落地，是因為它有自研的超級計算機Dojo，專用來訓練自動駕駛汽車人工智能模型。據其官方數據顯示，每個Dojo都集成了120個訓練模塊，內置3000個D1芯片，擁有超過100萬個訓練節點，算力達到1.1EFLOP。

不理解這些參數的概念不要緊，我們只需要通過摩根士丹利估計，Dojo會讓特斯拉的市值增加近6000億美元（相當于彼時特斯拉市值的76%）這一點便可知道，Dojo的算力有多強大。但并不是每家車企都有個Dojo。

當然，國內車企可以通過與云服務大廠共建云計算中心，來應對算力的掣肘，比如小鵬與阿里云在烏蘭察布共建了600PFLOPS超算。

但即便如此，車企還需要考慮的是，算法被訓練出來后怎么部署。在車端，要想讓算法能進行實時推理，芯片的算力也需足夠強大，但目前的主流芯片還達不到這個要求，況且它們也根本不是專為Transformer打造的，和Transformer間的適配度自然不會太高。

既然硬件一時跟不上，車企就得把復雜的算法盡可能壓縮，這又是一個挑戰。

既然在技術落地面前還橫亙著這么多障礙，頭部幾家新勢力何以這么著急公布端到端智駕上車時間？

比起它們真的已積淀了過硬的技術儲備，個人更愿意相信，這是頭部幾家新勢力的營銷噱頭，先把狠話放出來，在用戶心中立下“技術咖”的人設，再慢慢搞研發，即使研發進展不及預期，大不了說一句：“很抱歉，我們失言了。”反正畫餅不用負法律責任。

最后提一嘴，按目前的趨勢來看，一旦端到端技術成熟，理想在智駕上或將擁有更鮮明的優勢。更高的保有量、全系標配的智駕硬件方案、免費的智駕產品，這些都將轉化為理想在數據上的優勢。而端到端機構要想表現出比模塊化架構更優越的性能，關鍵一步正是通過海量的數據喂養，令其經歷“涌現”的過程。

返回第一電動網首頁 >