正大期货

“特斯拉ChatGPT时刻即将到来。”

当前，特斯拉FSD已实现跨越16亿公里的行驶，远超其他自动驾驶公司的总和。

在美国纽约皇后区法拉盛的街道上，一辆特斯拉正行驶在略显狭窄的街道上。

迎面而来的是一辆体积颇大的白色卡车，前方的汽车恰好准备转向，旁边的行人试图穿行马路。而这辆特斯拉并没有选择去旁边红色区域的专用公交道避锋芒，而是在既定的蹊径上缓慢地通过庞大路段。

整段操作的背后并不是履历厚实的老司机，而是搭载了FSD 12.3.6的特斯拉。

2023年8月26日，马斯克在X平台上举行了一段时长45分钟的FSD V12试驾直播。三个月后，马斯克认可已向内部员工推送了FSD V12举行内测。12月份，特斯拉又向员工推送了更新的V12.1版本。

到了2024年3月18日，特斯拉最先在北美区域周全推送FSD V12.3版本，并预计在近期实现周全笼罩。

在马斯克看来，FSD V12是有史以来*个端到端AI自动驾驶系统，“没有一行代码告诉它应该怎么做……什么规则都没有，它完全是在学人类做的事情。我们完全是通过视频训练来实现这一切，完全通过人工智能和摄像头，就像人类完全通过大脑和眼睛一样。”

此时，中国海内的主机厂和供应商，也紧随特斯拉的脚步，“卷”起了端到端自动驾驶方案热潮。

01  走分治法 VS. 端到端方案

智能电动汽车生长下半场是汽车智能化，谁家更快实现完全自动驾驶，谁就有可能抢占竞争高地。

现在讨论实现完全自动驾驶主要有两种方式。

*种是传统的分治法，顾名思义，“分而治之”。分治法将自动驾驶义务举行切分，形成多个子义务，每个子义务解决驾驶历程中存在的某些特定问题，好比感知、展望、决议、执行，最终举行系统集成完成整个驾驶义务。

传统的自动驾驶方案，在挪用感知模子处置过信息并举行路况展望后，需要连系工程师提前写入的规则，来控制偏向盘、加速或刹车，并根据平安蹊径行驶。为了尽可能应对路上遇到的种种情形，曾经，特斯拉数百名工程师写了30万行C 代码用以制订规则。

分治法将庞大的义务切分，大大降低了系统开举事度。与此同时，该方案可以针对每个模块举行白盒化剖析，具有很好的可注释性。

瑕玷也很显著，义务太多会导致集成难题以及错误累加。同时，系统设计时引入了过多的人为履历，但难免缺失部门罕有场景，系统对于生疏的场景若是没有响应规则往往无法处置，生长天花板较低，泛化能力较差。

另一种则是自动驾驶端到端方案。端到端方案不举行义务切分，直接输入传感器数据、输出驾驶决议，从而省去传统分治法里的感知、展望、设计等各项子义务。

端到端的方案处置的义务少，能够阻止大量重复处置事情，提高盘算效率。同时，该方案不需要制订大量的人工规则，只需要采集足够多的优质驾驶数据来训练即可。

特斯拉的更新日志提到，FSD Beta v12对都会街道驾驶栈举行了单个端到端神经网络的升级，这个神经网络基于数以百万计的视频片断训练而来，替换了跨越30万行明确编写的C 代码。

特斯拉引入的神经网络是黑盒状态，然则在完成拟人化义务方面比规则代码加倍奏效。但也是由于是黑盒状态，可注释性很差，无法与传统自动驾驶方案一样将中央效果拿出来剖析。与此同时，端到端对数据要求异常高，需要高质量、漫衍多样的、海量的训练数据。

02  主机厂争争先机

“端到端方案，既无需要，也不完整。”

4月1日，Mobileye官微的一篇推文《自动驾驶是否即将进入“ChatGPT时代”？》提到，Mobileye对端到端自动驾驶系统能否周全应对自动驾驶挑战示意担忧，以为其还不够完整。与此同时，Mobileye判断端到端自动驾驶系统大材小用了。

与此同时，FSD的用户开通率不及预期。5月14日特斯拉投资人、未来基金治理合资人Gary Black在社交媒体示意：在获得FSD一个月免费试用的特斯拉美国车主中，只有2%的人在试用期竣事后选择订阅了该服务，而他本人之前的预期是6%。

但大部门厂商照样坚定看好端到端自动驾驶方案。

“端到端自动驾驶是未来最有希望实现无人驾驶的途径之一，大模子将对自动驾驶的手艺生长发生深度影响。 ”毫末智行数据智能科学家贺翔云云判断。

海内与贺翔持相同看法的厂商并不在少数，而且已经最先接纳行动。

从主机厂来看，蔚来、小鹏汽车、理想汽车、小米汽车、极越等主机厂纷纷宣布加大端到端的研发力度。

蔚来智能驾驶研发副总裁任少卿在此前媒体采访中提到，蔚来的端到端智驾方案是将感知模子与规控模子合并，实现信息无损转达。据任少卿透露，2023年中，蔚来最先探索机械人天下模子，现在已有阶段性功效。此外，在4月未来智能驾驶宣布会上，蔚来公然了端云算力规模，蔚来23万台车的端云算力总规模达230.29 EOPS。据悉，端到端方案也将在2024年内宣布。

作为特斯拉最忠实的信徒，小鹏汽车也在2024北京车展上面秀了一波“软实力”，公然宣布了AI天玑系统。在小鹏汽车的AI天玑系统中，XPlanner是引入基于神经网络的设计控制大模子，从图像数据感知输入到行驶路劲的设计控制，比人类手写规则的代码加倍智能、泛化能力更强。

“以前所有L3、L4级其余自动驾驶都是基于规则，但纵然是10万行代码能施展的规则能力也只有55%-60%。”何小鹏告诉亿欧汽车等在场媒体，“接纳神经网络虽然一最先效果并不显著，然则准确性和平安性会实现跃升式生长。”

卖一辆亏一辆，新能源品牌盈利有多难？

亿欧汽车获悉，从小鹏X9最先，小鹏汽车宣布的车型将升级搭载全新的端到端大模子。从5月最先，小鹏汽车会进入到一个超快周期的软件和AI升级，每两个月左右会训练最新大模子能力。

2023年，理想推送AD Max3.0，其整体框架已经具备端到端的理念，但距离完整的端到端尚有一定差距。此前有媒体报道，理想汽车的新模子将在今年上半年上线，为了能顺遂推进，理想汽车正在鼎力招聘业内智驾人才。

雷军也对外宣称，小米汽车在智驾领域实现了端到端大模子手艺。

极越CEO夏一平在2023年就对外宣布：“极越正在做端到端的模子，极越01也会面目一新，车上的所有智驾、语音交互会所有升级到大模子。”

此外，哪吒汽车也宣布与商汤绝影起劲探索多模态智能交互以及AIGC等前沿大模子领域的量产互助。

03  供应商各自觉力

除了主机厂，不少供应商们也在端到端方案上发力。

前文提到的毫末智行就是从2022年最先端到端的自动驾驶以及自动驾驶大模子的探索。

毫末智行的自动驾驶方案是将端到端的大模子举行拆分，分为两个阶段，一个阶段解决感知问题（看懂天下），一个阶段解决认知问题（驾驶决议）。同时，毫末在端到端自动驾驶中又引入了大语言模子（LLM），通过感知大模子识别万物后，将这些信息输入LLM，通过LLM来提取天下知识，并作为辅助特征来指导驾驶决议。如下图所示。

据贺翔先容，这个系统极为庞大，算力消耗异常大，现在还只能在云端运行，未来几年将加速向车端的落地。

毫末智行自动驾驶方案 / 图源官方

同样是在2022年，地平线也提出了自动驾驶感知端到端算法Sparse4D，2023年上海车展上，地平线推出了专为大参数目Transformer、大规模交互式博弈而设计的新一代BPU智能盘算架构。

到了2024北京车展时代，地平线宣布了基于征程6旗舰版开发的SuperDrive全场景智能驾驶解决方案。根据地平线的先容，这个方案是基于三网合一的端到端感知和数据驱动的交互博弈来配合向更“拟人”的智能驾驶系统进发。

元戎启行自动驾驶生长路径 / 图源官方

去年8月，元戎启行已经运用端到端模子完成了蹊径测试。到了2024年3月17日，元戎启行正式宣布已经乐成将端到端模子适配到量产车上，该批量产车将于今年投入消费者市场。

同时，元戎启行宣布已与英伟达杀青互助，将于2025年接纳英伟达的DRIVE Thor芯片适配公司的端到端智能驾驶模子。

在2024年北京车展上，元戎启行正式对外展示了即将量产的高阶智驾平台DeepRoute IO（下称“IO平台”），并展出了*基于IO平台的解决方案，方案接纳NVIDIA DRIVE Orin-X系统级芯片，200 TOPS算力，1颗固态激光雷达，11颗摄像头。据透露，基于此方案，元戎启行已与海内某头部车企睁开量产互助，数款互助车型将于2024年陆续推向消费者市场。

商汤绝影UniAD / 图源官方

2024年北京车展上，商汤绝影首次展示了其量产端到端自动驾驶解决方案UniAD（Unified Autonoumous Driving）。

据悉，搭载UniAD端到端自动驾驶解决方案的车辆仅凭摄像头的视觉感知，无需高精舆图，通过数据学习和驱动就可以像人一样考察并明白外部环境，然后基于足够厚实的感知信息，UniAD能够自己思索并作出决议，能够在种种高难度的都会庞大驾驶场景和无中线的墟落蹊径场景，做到像人一样开车。同时，在本次车展上，商汤绝影还先容了下一代自动驾驶大模子DriveAGI，其将推动自动驾驶从数据驱动向认知驱动的跃迁。

此外，华为在上个月宣布了全新智能汽车解决方案品牌——华为干昆，并带来全新升级的干昆3.0、干昆车控等解决方案。Momenta对外声称将在2025年前完成端到端设计和完全端到端自动驾驶。地平线机械人也在端到端领域有所结构。5月15日，百度Apollo宣布了支持L4级自动驾驶的大模子Apollo ADFM（Autonomous Driving Foundation Model）。轻舟智航团结首创人兼CEO于骞也对外宣布“轻舟的AI大模子也将得益于大规模量产的赋能，通过高效的数据闭环，加速迈向端到端，拿到智驾竞争下半场的入场券。”

04  难题重重，头部效应集聚

早年文枚举的结构端到端自动驾驶的厂商来看，每家提出的方案不太一致，生上进度纷歧样，对端到端界说都不尽相同，与特斯拉FSD相比也存在一定差距。

有些厂商朝着感知、决议、设计等一体化偏向生长，有些厂商选择率先实现某一模块的端到端；有些厂商端到端模子已经完成蹊径测试，有些厂商的端到端方案依旧在云端举行模拟……

虽然都在宣传推进端到端自动驾驶方案，然则在元戎启行CEO周光看来“高阶智驾的竞速才刚刚最先，若是让他列供应商名单，包罗元戎在内，海内只有三家。”

泛起进度、蹊径选择等情形纷歧而足很大缘故原由是，现在端到端自动驾驶方案仍处在探索阶段，而且研举事度极大。

摆在海内厂商眼前亟待解决的就是端到端训练的数据难题。

马斯克在去年的财报会上曾提到数据在自动驾驶方面的主要性，他说：“用100万个视频case训练，委屈够用；200万个，稍好一些；300万个，就会感应Wow；到了1000万个，就变得难以置信了。”

住手去年，特斯拉已经剖析了从特斯拉客户的汽车中网络的 1000 万个视频片断（clips），他们判断完成一个端到端自动驾驶的训练至少需要100万个、漫衍多样、高质量的clips才气正常事情。

然而对于海内厂商来说，数据的采集和提取存在着难题。

早年，自动驾驶厂商们往往依赖采集车采集数据，然则这种数据往往低质量、漫衍有偏，难以举行大规模端到端训练。随着量产车规模化落地，厂商们又最先转向接纳量产车影子模式接纳数据，然则却面临着数据有用性和数据规模性平衡的问题。若是采集泛化信息，则有可能面临大量垃圾数据的问题；若是采集战略过于严酷，则有可能丢失有价值的数据。若何界说数据质量和处置数据同样也是海内厂商需要解决的难题。

“绝不夸张地说，数据会占有端到端自动驾驶开发中80%以上的研发成本。”贺翔指出。

除此之外，在美国多轮制裁下，中国大部门企业还面临算力难题，拥有跨越1000张A100的企业寥若晨星。而当前特斯拉拥有近10万张A100，位居全球top5，预计到2024年年底会拥有100EFlops的算力。

算法难题、验证难题、可注释难题以及上车难题通通摆在了海内厂商眼前。

“一最先就上线端到端模子是异常难题的。能够把端到端模子做好的企业一定需要异常好的第二代，甚至*代的自动驾驶客栈。”英伟达全球副总裁吴新宙曾云云评价端到端自动驾驶方案。

换句话说，只有有足够资金和资源的头部企业和头部供应商才气争先一步探索出端到端自动驾驶解法。