2024广州车展：智驾新宠“端到端”

　如果说，十年前车展的主角是“车”，如今不断革新的智能驾驶则成为新主角。2024广州车展上，相比暗自较劲的各路新车，小米集团董事长兼CEO雷军在介绍小米智驾定名“HAD”时将其误读为“AHD”，引发热议。而“雷布斯”紧张的小失误，也让小米HAD代表的“端到端”智驾成为热点。据统计，本届广州车展上，小鹏、理想、广汽传祺、极氪等众多车企集中发布“端到端”智驾系统。此前，一众车企比拼激光雷达装车方案，随着“端到端”成为新宠，视觉智驾方案的大比拼已然打响。

　　竞速“端到端”

　　本届广州车展前夕，雷军通过直播展示了小米汽车的最新智能驾驶进展。直播中，雷军对小米汽车正在内测的“端到端”智能驾驶版本进行突击测试。本届广州车展上，雷军透露，今年12月小米“端到端”全场景智能驾驶将开启先锋版推送。

　　不仅小米汽车，车企布局“端到端”全智能场景应用的信号，已在广州车展全面释放。其中，“蔚小理”再次节奏统一对外公布智驾进展，理想汽车产品部高级副总裁范皓宇表示，基于“端到端”+VLM的“车位到车位”功能，理想汽车已开启全国门店的试驾车的推送，今年11月底全量AD Max用户都可以享受到“车位到车位”的有监督智能驾驶。同时，小鹏汽车CEO何小鹏宣布小鹏汽车将启动“车位到车位”智驾方案测试。据悉，小鹏汽车意在依托图灵AI智驾体系，打造基于端到端大模型实现车位到车位智驾技术。此外，蔚来第二品牌乐道首款产品L60上也搭载纯视觉方案。乐道汽车总裁艾铁透露：“今年底将把现有功能进行迭代，明年与蔚来一样有新的智驾策略，一定会有一个真正的‘端到端’。”

　　不仅国内车企，本届广州车展前夕，梅赛德斯—奔驰首秀L2++无图智驾。按照梅赛德斯—奔驰方面的表述，全新打造的“无图”L2++全场景高阶智能驾驶系统，应用“端到端”大模型、数据驱动地标检测，可实现感知决策的一体化。

　　此外，东风日产联手自动驾驶公司Momenta，打造基于“端到端”智驾大模型的高阶智驾方案。东风日产相关人士表示，除基于“端到端”大模型打造的高速领航NOA、全场景泊车功能外，东风日产N7还将上车“城市记忆领航NOA”功能，不仅要做到全国都能开，而且保证全国都好开。

　　为何是“端到端”

　　车企加速布局的同时，外界对于何为“端到端”的疑问也随之而来。

　　公开资料显示，自动驾驶有感知、规划与决策和控制三大模块，靠感知“看”靠决策“思考”如何开车，靠控制模块完成驾驶行为。小米汽车官方公众号发布的《什么是端到端大模型？小米端到端大模型有何不同？》文章中提到，“端到端”技术到来前，传统的智驾大体上都是一个个有规则的子模块连接而成，相当于一个个工作车间，对传感器收集到的信息进行判断加工，最后输出行驶指令。优点是分工明确，但也存在缺点。其中，对于“端到端”的解释为：“端到端”相当于一端传感器输入信息，另一端直接输出行驶指令。将感知、预测、规划这些原本分开的流程，整合为统一的大模型并进行全部计算。去掉了信息在流水线上传递这一过程，误差和延迟都大大减少。同时，只需一个模型，就能把摄像头、毫米波雷达、激光雷达等传感器收集到的感知信息，转换为方向盘的转动方向和角度、加速踏板的踩踏深度等具体的操作指令。小米汽车相关人士表示：“‘端到端’大模型就像是人的大脑，眼睛看到红灯，大脑就立即告诉你要停车。‘端到端’大模型就是智能驾驶的‘机械大脑’。”

　　事实上，车企竞逐的“端到端”并非新概念。今年3月，特斯拉推出FSD V12.3版本，解决复杂场景能力大幅提升，在该版本FSD上，特斯拉应用“端到端”大模型。随着特斯拉FSD进入中国市场进入倒计时，使得“端到端”技术路线持续升温，今年5月，小鹏汽车发布国内首个量产上车的“端到端”大模型：神经 *** XNet+规控大模型XPlanner+大语言模型XBrain。

　　从去年开始，百度、华为、商汤等企业也开始切换路线推进“端到端”落地。此前，辰韬资本联合多家机构发布的2024年度《端到端自动驾驶行业研究报告》显示，“端到端”的核心定义标准应为感知信息无损传递，可以实现自动驾驶系统的全局优化。在毫末智行CEO顾维灏看来，AI大模型是自动驾驶真正实现的唯一路径，“端到端”会是未来很重要的技术方向，其不仅是模型端的优化，也需要数据的供给与算力的支持。

　　同时，业内认为“端到端”布局落地让车企智驾可从激光雷达转变为纯视觉，从而减少硬件依赖降低造车成本，并被认为是可以实现智驾平权的方案之一。对于成本问题，禾赛科技战略负责人施叶舟曾谈到，成本不仅包括硬件成本，还应考虑背后的研发服务和资源投入，包括算法、路测、云计算、数据标注、仿真训练和系统软件等隐性成本。轻舟智航产品负责人许诺则认为，现阶段单纯依靠视觉方案，很难应对中国城市道路中的各类边缘场景。

　　不过，外界对“端到端”的应用仍存在争论。“‘端到端’的缺点是无法与人工准则模型进行组装，尤其是涉及安全的准则模型，在运动规划算法中一味地强调‘丝滑’，而取消安全准则模型的算法存在巨大安全隐患。”同济大学汽车学院教授朱西产表示，另外还有数据要求质量高+数量大、算力难题、算法难题、可解释性难题、模型设计难题、上车难题等挑战。