8月20日，梦想汽车 6.1.0版块更新动漫 av，并内测了E2E（端到端）-VLM Beta 2.1版块。

据悉，本次更新加多了端到端-VLM系统与NOA系统切换的功能，可感受不同系统的驾驶立场，系统彼此切换时辰约为20s。此外，本次更新还迭代了端到端模子，优化了跟从慢速骑行东说念主不绕行、对邻车说念大车点刹等问题，裁减系统延长，晋升了系统褂讪性。

新动力汽车发展于今，智驾依然成为了“灵魂”，成为了车企们的“兵家必争之地”。

弗成否定，比较2020年前，如今的智驾技能卓越亮眼，但也需要承认，近一两年智驾技能的发展速率有所收缩，以致谈得上“冉冉”二字。究其原因，中枢照旧在于技能门道。

当今大多车企智驾技能架构，照旧沿用更“靠谱”的模块化。然而这种不会“犯错”的技能门道，也意味着编写多半的代码、不休高企的任务量、信息传递减损......极大的限定了智驾的后劲和发展。

忽如整宿春风来。在经过数年冉冉前行之后，跟着AI大模子的快速发展，端到端技能门道的落地，让智驾迎来了新的可能。步入2024年之后，端到端技能成为头部厂商的新风潮。脚下，包括、华为、蔚小理在内，不少玩家齐在加快迭代端到端智驾技能。

固然各家在更进一步的技能层面呈现出不同旅途，但这么的集体股东，却让东说念主类智驾技能靠拢了质变“临界点”。

什么是“端到端”？

一直以来，对于收场彻底自动驾驶，业内有两种不同的声息，一种是模块化，一种则是端到端。

就当今而言，主流的智能驾驶系统宽广利用了模块化，行将自动驾驶任务明白为感知、臆测和说合三个孤独的模块，随后通过系统集成来收场自动驾驶功能。

模块化技能架构，能够将复杂的自动驾驶任务简化为多个相对容易处理的子任务，灵验裁减了系统开荒的复杂性。由此构建的系统具备较高的可诠释性，允许对每个模块的输入和输出进行防卫的分析，一朝发生故障，不错快速定位到问题场所。

固然上风显著，但这种标准也存在不少遗憾。

首当其冲的是，模块化技能架构需要编写多半的代码，而况在系统狡计经由中过度依赖东说念主为的先验学问。而这无疑限定了自动驾驶系统的后劲，导致其泛化能力不及，面对未知场景时时时难以灵验搪塞。尤其是在国内复杂的说念路环境下，局限性较大。

此前何小鹏在接受《逐日经济新闻》采访时暗示：“模块化智驾决策从技能上说，汽车在感知、定位、说合、逼迫方面齐是分开处理的，每一个体式并没关联联。因此车辆在遭受一些场景的时候会因为东说念主类写入的限定彼此博弈而产生彷徨。”

与模块化技能架构有很大不同，“端到端”指的是一个AI模子，只消输入原始数据就不错输出最终遣散。

将端到端利用到智能驾驶领域，意味着只需要一个AI模子，就能把录像头、毫米波雷达、激光雷达等传感器采集到的感知信息，调治成车辆标的盘的动掸角度、加快踏板的踩踏深度以及制动的力度等具体操作领导，让汽车收场自动行驶。

对比之下，模块化自动驾驶系统要一步步来，先识别路标，再臆测其他车辆的动向，终末才决定何如开。而端到端技能却能一气呵成，把感知到的一切齐径直震动为看成。

而况，由于大模子会将曩昔的路跑教学领受保留，还会使用曩昔的数据反复想考某场景下何如行驶最佳，因此在多半的数据积聚下，端到端搪塞种种场景将会越来越无邪。

换言之，端到端无需圭臬员编写冗长的代码去制定例则，也不会出现信息传递减损，惩处了模块化模子存在的中枢“痛点”。

颇具上风，但挑战也多

借助大模子技能的深刻利用，端到端自动驾驶系统的上风日益显著，为自动驾驶技能的进一步发展提供了一条高成果途径。

然而，对于押注这一技能门道的玩家们来说，仍然要濒临不少挑战。其中，摆在玩家们目下的第一说念难关，即是数据。

大模子需要大数据，骨子上来讲，端到端自动驾驶是海量驾驶视频片断的学习齐需要极大规模的高质地数据，而数据的采集、清洗、筛选齐是难点。

特斯拉CEO马斯克在昨年的财报会上曾提到数据在自动驾驶方面的要紧性：“用100万个视频case检修，免强够用；200万个，稍好一些；300万个，就会感到Wow（咋舌）；到了1000万个，就变得难以置信了。”

适度昨年，特斯拉依然分析了从特斯拉客户的汽车中采集的1000万个视频片断（clips），他们判断完成一个端到端自动驾驶的检修至少需要100万个、散布种种、高质地的clips才能宽泛责任。

要知说念，特斯拉在新动力领域的市集占有率相配高，单以国内市集来说，2023年纯电动车名次中，特斯拉以市占率19.9%夺冠，而 比亚迪 位居第二。脚下特斯拉采集的数据量齐不够用，试想其他车企又有若干数据可用？

况且，并不是系数的行车数据齐不错用来检修端到端模子。有自动驾驶工程师就发现，本来积聚的路测数据惟有2%可用。怎么从海量数据中找出不错用于检修的灵验数据，这又是一说念难关。

除了采集、筛选这两说念高门槛除外，数据的计较也对玩家们的算力规模冷漠了条件，厂商们需要不休晋升GPU的采购规模，而这也意味着端到端模子的检修本钱相配腾贵。

起首：汽车之心

不啻于此，端到端技能不得不面对更辣手的问题——黑盒子弗成诠释。

前文说到，模块化技能架构下，决策经由是透明的，决策诞妄是不错准细则位的。但端到端技能，从输入到输出，这中间的经由却无法透明化。

试想，要是自动驾驶车辆在艰难情况下作念出了谬误的决策，东说念主们却无法妥洽其背后的逻辑，也无法速即准细则位原因，这意味着要付出极大的安全代价。

门道各有不同

固然挑战不少，但在AI智驾趋势下，端到端大模子照旧“上车”，成为了玩家们追赶的新玩法。而站在时辰线上，端倒端这一想路最早是由特斯拉冷漠。

2023年12月，特斯拉的智驾工程师Dhaval Shroff向马斯克冷漠建议，抛掉手写限定，搭建一张神经会聚，让它多半不雅看东说念主类司机的驾驶视频，并自行输出正确的行驶轨迹。

直到本年1月，经受端到端架构的FSD V12戒备向北好意思用户推送。据先容，这一版块使用的恰是单个端到端的神经会聚，即用一系数囊括输入到输出端的大模子，径直进行检修。

在特斯拉晓示FSD V12将经受端到端大模子之后，国内亦掀翻了端到端大模子利用的高潮，而紧随特斯拉积极拥抱端到端技能的是和小鹏。

但与特斯拉的单个神经会聚欠亨，华为的ADS 3.0智驾系统，是将大模子拆分为感知与解析（臆测决策说合）两个阶段，串联二者作念检修，区分收场感知和规控的“端到端”

至于小鹏，则是国内首个发布量产上车的端到端模子的整车企业。

本年5月20日，小鹏汽车端到端大模子量产上车；7月30日，端到端加握下的XNGP从“宇宙齐能开”戒备升级“宇宙齐好用”，何小鹏在“小鹏汽车AI智驾技能发布会”上晓示：将向公共用户全量推送AI天玑系统XOS 5.2.0版块。

不外，在具体的技能门道上，小鹏与华为和特斯拉也有所不同。小鹏的XNGP则分为感知XNet、说合XPlaner、逼迫XBrain三个部分。这一作念法等同于将感知、说合和逼迫三个模块串联在系数，用高端的时势吞并检修。

除了以上三家，还有不少玩家也启动礼聘端到端。比如本年蔚来单独配置了一个大模子部，专诚负责端到端的模子研发。

包括梦想，在本年5月裁人中也保留了算法研发团队：由贾鹏料理，主要负责无图城市NOA的研发、落地，以及端到端智驾的预研。

不管礼聘什么样具体途径，也无论究竟谁在参与，提高驾驶安全性和方便度永久齐是智驾的中枢。固然脚下端到端模子的比拼愈演愈烈。但对于消耗者来说，经由好像不那么要紧，遣散才是。

本文源自：锌财经