對于本屆廣州車展觀眾而言，“端到端”，無疑是本屆車展被提起頻率最高的詞。特別是涉及高級輔助駕駛功能時，仿佛沒有“端到端”技術，已經無法在日新月異的智能汽車市場立足。

據(jù)悉，“端到端”是來自深度學習中的概念，英文為“End—to—End（E2E）”，指通過一個AI模型，只要輸入原始數(shù)據(jù)就可以輸出最終結果。應用到智能駕駛領域，意味著只需要一個模型，就能把視覺與雷達等傳感器收集到的感知信息，轉換為車輛在道路行駛中的決策。其最大優(yōu)勢是減少模塊間信息傳遞損失，提高智駕能力上限。

從智駕系統(tǒng)迭代歷程不難看出，精簡智駕系統(tǒng)的整體流程，一直是行業(yè)努力的主要方向。在2017年之前，智能駕駛系統(tǒng)需要9個模塊，僅感知環(huán)節(jié)就要有3個，分別負責檢測、目標跟蹤和融合數(shù)據(jù)。如今，我們所更為熟知的智駕系統(tǒng)，則僅僅是由感知、決策和執(zhí)行三大模塊來運行，短短幾年時間，智駕系統(tǒng)便從9個模塊精簡為三大模塊再到如今的“端到端”一個模型解決，車企的新一輪技術軍備競賽也由此展開。

智駕新寵引來一眾車企競逐

用智駕從業(yè)者的話來說，今年智駕技術的迭代可謂“忽如一夜春風來，家家都喊端到端”。隨著“端到端”上車如火如荼，一眾車企紛紛喊出“全球唯二、國內首家”的口號，以此證明自家技術更為突出。

從去年8月特斯拉 FSD V12 版本問世成為首家量產端到端架構的車企，為何在短短一年的時間里，“端到端”技術就能迅速成為行業(yè)內最為炙手可熱的智駕新寵，車企紛紛競逐這樣一條智駕垂直賽道？火爆風口的背后，從智駕行業(yè)的市場規(guī)模不難窺見一二。

中商產業(yè)研究院發(fā)布的《2024-2029年全球及中國自動駕駛行業(yè)深度研究報告》顯示，我國自動駕駛市場規(guī)模由2018年的893億元增長至2023年的3301億元；中商產業(yè)研究院的分析師預計，2024年市場規(guī)模將進一步擴大至3832億元。

與持續(xù)擴張市場規(guī)模緊密相連的，是當今用戶對于智駕的需求也在不斷增長。在各大旗艦車型加碼堆料的背景下，15萬元價格區(qū)間的車型如果沒有L2級別智駕系統(tǒng)上車，似乎在市場沒有了競爭力。

而隨著智駕體驗的普及，消費者的胃口也越發(fā)挑剔。盡管當下的智駕系統(tǒng)在車道保持、前車跟隨等相對常態(tài)化的駕駛任務上表現(xiàn)不錯，但在復雜的駕駛任務面前，其天花板顯而易見。眾多號稱遙遙領先的城市高階智駕功能，在匯入快速路、通過大型路口等復雜情況下，依然會有機械感和決策困難，甚至多數(shù)情況需要臨時人工干預不然就直接在馬路中央宕機。

也正因如此，智能駕駛能力已經成為智能網聯(lián)汽車時代的車企競爭護城河，車企需要用技術實力來證明自家的智駕體驗是擺脫了同質化，進而通過產品力來增強消費者的購買意愿。

具體到本屆車展各家的技術展示，極氪首發(fā)全棧自研浩瀚智駕2.0面向高階智駕的“端到端”Plus架構，在“端到端”大模型上，引入了極氪首創(chuàng)的數(shù)字先覺網絡。理想則發(fā)布基于“端到端”+VLM的“車位到車位”功能，今年11月底全量AD Max用戶都可以享受到“車位到車位”的有監(jiān)督智能駕駛。小米汽車同樣宣布今年12月小米“端到端”全場景智能駕駛將開啟先鋒版推送。

梳理此次各大品牌在廣州車展對于自家“端到端”技術的介紹不難發(fā)現(xiàn)，先覺能力、擬人駕駛、車位到車位成為車企布局的共同點。先覺能力主要聚焦及時察覺并躲避如“鬼探頭”這類危險突發(fā)狀況，擬人駕駛則側重在剎車、啟動等細節(jié)上更加人性化，讓智駕體驗更加絲滑。

“端到端”考驗算法、數(shù)據(jù)等大量投入

與此同時，隨著一眾車企的持續(xù)加碼，“端到端”智駕這個曾經的細分垂類技術賽道也顯得越發(fā)擁擠。如何辨別誰是真功夫誰在蹭熱點，同樣成為消費者熱議的話題。

在業(yè)內人士看來，“端到端”技術的核心優(yōu)勢除了AI賦能，智駕系統(tǒng)的一體化閉環(huán)同樣至關重要。作為“端到端”技術的核心優(yōu)勢之一，整合能力無疑至關重要，通過將感知、預測、規(guī)劃這些原本分開的流程，整合為統(tǒng)一的大模型并進行全部計算，去掉了信息在不同模塊之間傳遞這一過程，誤差和延遲都大大減少。

但新的問題也隨之而來，一方面，“端到端”需要海量高質量數(shù)據(jù)“投喂”模型訓練。與大語言模型可以在互聯(lián)網上爬取海量文字數(shù)據(jù)用于訓練不同，“端到端”智駕需要的視頻數(shù)據(jù)獲取成本和難度極高。以特斯拉為例，目前其FSD累計學習的人類駕駛視頻片段超過2000萬個，而這一規(guī)模的數(shù)據(jù)僅采集成本就需要50億元至80億元。

另一方面，“端到端”模型意味著感知、決策和執(zhí)行等智駕硬件需要更深度的協(xié)同，并根據(jù)對應的大模型來進行適配。在當前汽車廠商智駕團隊按照智駕模塊分工的背景下，現(xiàn)行的部門架構是否能適應“端到端”架構的推行，或許有待進一步檢驗。更為嚴峻的是，“端到端”架構使用的神經網絡大模型是“黑盒”，很難保證實際落地的功能安全，依然需要人工書寫規(guī)則進行后處理保證。

此外，隨著智駕技術的普及，“智駕平權”也讓“端到端”技術能否通過成本考驗成為車企必須直面的課題。《2024麥肯錫中國汽車消費者洞察報告》顯示，中國消費者對智能駕駛的接受程度上升，但支付意愿出現(xiàn)明顯下滑。當汽車智能化轉型取得階段性成功后，降低成本、下探市場、提升市占率已成為智能化發(fā)展的重要趨勢。

在持續(xù)加碼“端到端”這樣全新技術后，車企在新技術投入的人力和財力等各項成本，該通過搭載車型怎樣的定價來保障收益。目前依然在行業(yè)內流行的“端到端”技術，又會否有朝一日在更加新穎的技術迭代后成為舊技術，或許都需要車企的審慎考量。

這也意味著，只有真正舍得在架構、算法、數(shù)據(jù)積累等多個方面投入大量成本，而非流于智駕營銷對沖的口水仗的車企，才能真正實現(xiàn)以端到端技術來賦能更高質量的智能駕駛。在經歷了“端到端”技術上車元年之后，行業(yè)發(fā)展將駛向何方，AI賦能的“端到端”技術又是否將成為智駕升級的最優(yōu)解，或許依然有待時間的進一步檢驗。

南都記者于典

責編：劉宇慧

一審：劉宇慧

二審：張馬良

三審：熊佳斌

來源：南方都市報