文 | 刘旷开云体育
在 AI 大模子兴起往日，车企谈智能驾驶，一般都将重心放在算法或者芯片算力上。然而跟着 AI 大模子的迅速铺开，自动驾驶的时间旅途运行飞快，从 CNN、RNN、GAN 到 Transformer 大模子滚动，也曾主流的轻高精舆图城区智驾，逐步被"端对端"所取代。
从抢先吃螃蟹的特斯拉，到随从而至的问界、联想、小鹏，端对端智驾正在像星罗棋布一般，迅速在智能车江湖迅速张开。
端对端成智驾新风口
据公开信息露出，小米端到端全场景智能驾驶，于不久前开启定向内测；零跑 B 系列和 C 系列将于 2025 年结束自研端到端大模子智驾系统上车；蔚来盘算来岁 1 月推送用于智能驾驶的端到端大模子架构。在此之前，联想、问界、小鹏、比亚迪等诸多车企，都纷纷公布了自家的端对端科罚决议。不出丑出，在当下这个时点，端对端智驾科罚决议，早照旧成为了车企必选的智驾旅途。
来源，从时间上来看，端对端时间迭代较快、旅途短、信息损耗小，对加速 L4 级智能驾驶到来绝顶有匡助。"端到端"模子将感知、计较与截止三大模块整合在一皆，消灭了模块间的界限，简化了系统架构，提高了运行后果。整合后的模子能够更快地处理数据，提高系统的反应速率，加速智驾的去高精舆图化。
基于这少许，特斯拉来源将端对端时间哄骗在了 FSD V12 上，并赢得了显赫的获利，让行业表里的从业者和用户，前所未有地感受到了这种时间的魔力。比如，小鹏汽车董事长何小鹏觉得，端到端大模子将让自动扶植驾驶过渡，到十足自动驾驶的时刻大幅裁减，2025 年小鹏汽车就能在中国结束类 L4 智驾体验。轻舟智航 CEO 于骞觉得，端到端时间逐步把非机器学习的部分挤得越来越小，通盘系统十足通过数据驱动来结束智能驾驶智力……
天然从刻下来看，端对端大要并非最优解，但它能够处理传统旅途难以科罚的极点案例，而且代表了一种减少东谈主工编码依赖更高效的想路。大要恰是基于此，行业表里前所未有地在端对端时间决议上，达成了空前一致。
其次，从资本上来研讨，端对端时间在资本上比感知模子更省钱。其实，早前国内唯有 30 万以上的车型才会匹配智驾款式，而在更低的价钱段则简直莫得。说到底主要如故之前的时间不熟悉，导致智驾的资本过高所致。但在行业去高精舆图和硬件之后，关系的智驾决议变得越来越亲民。
比如，大疆暗意 7000 元就能科罚城市 NOA，且电车油车都能用；行业第一批 AI+ 双目决议，4000 元就能结束领航扶植功能。模块化智驾上，元帅启行照旧将整套智驾科罚决议资本下探到 2000 好意思元，相通是激光雷达 + 录像头，硬件资本照旧下探至 7000 好意思元。
比较以上决议，端对端决议的资本更省，依靠纯视觉决议其去掉了扫数激光雷达，形成了纯软件驱动的时间，时间不错不休迭代、资本不错无穷下探，这恰是特斯拉不错不休降价的原因所在。在时间与资本重叠之下，端对端的时间决议，天然就成了国内智驾门道的中枢趋势。
华为、小鹏们较量的新战场
事实上，与前几年消费者广泛对国内智驾决议存疑不同，跟着近两年国内智驾水平的飞腾，罕见是端到端带来的新的算法和模子的哄骗，正在给消费者带来前所未有的全新体验，这就使得市面上汽车是否标配智驾，越来越成为消费者继承电动车的病笃标识。在此配景下，端对端时间决议日益成为华为、小鹏等车企角逐的新焦点。
一方面，通过升级端对端智驾决议，不错从价钱与用户体验上诱惑消费者，从而匡助车企卖更多的车。左证乘联会连合科瑞规划发布的数据，2024 年 1～8 月，中国新动力乘用车 L2 级及以上的 ADAS 功能装车率达到 66.6%，同比大幅擢升 21.0 个百分点。另据盖世汽车规划院树立数据，本年 1～8 月，国内商场高速 NOA 累计配套量已超 93 万套，对应渗入率达 7%，城市 NOA 也运行畛域化上车，渗入率已达 1.3%。
按照业内东谈主士推测，来岁将是自动驾驶的决胜年，NOA 等高等智能驾驶功能，将普及至 10 万元傍边的车型，展望来岁 NOA 的商场渗入率将超越 40%。不难意想，跟着更具资本上风的智驾决议落地，城市 NOA 下千里到 10 万元级的车型越来越近，并逐步呈现出一个普及化的趋势。关于车企来说，谁的智驾决议好、体验佳、车型性价比高，谁就不错大量卖车，谁就能够赢得商场。
从这个角度上来看，无论是小鹏 MONA M03 等新智驾车型的爆发，如故蔚来、联想等车企新计较的大众车型，都执政着这一地方去竭力。于车企而言，在电动化、性能、续航差未几的情况下，智驾照旧成为车企影响消费者心智的要津变量。低资本的智驾决议，则能够兼顾大众需求与车企卖车的需求，极大增强车企的市占率，而且通过走量的"智能车"，匡助车企快速积存高质地、有价值的专科数据，为更高等的智驾决议打下坚实的基础。
另一方面，通过升级端对端时间，加速通盘车企智驾智力的升级，倒逼车企升级汽车的底层算力智力。从行业素养来看，端对端时间的落地，不仅濒临时间门道和数据的训练，还濒临雄伟的算力需求训练。以端对端作念的最收效的特斯拉为例，在 2024Q1 财报电话会上，特斯拉暗意，公司照旧有 35000 张 H100 GPU，并盘算在 2024 年内加多到 85000 张 H100 以上，达到和谷歌、亚马逊并吞梯队。
在这一畛域预期之下，马斯克近期暗意特斯拉照旧不再算力焦灼。国内，小鹏" 扶摇 "自动驾驶智算中心，算力可达 600PFLOPS ( 以英伟达 A100 GPU 的 FP32 算力推算，约等于 3 万张 A100 GPU ) ，并晓喻本年干与 1 亿好意思元用于算力开发，将来每年将进一步加大投资。商汤大安装照旧布局世界一体化的智算集合，领有 4.5 万块 GPU，总体算力畛域达 12000PFLOPS，2024 年底将达到 18000PFLOPS。而从当今国内的情况来看，大多数研发端对端的自动驾驶公司的西宾算力，仍停留在千卡级别。
不难意想，跟着端对端智驾时间的缓缓久了，数据、算力的竞赛，将成为接下来扫数车企竞争的重心。
新阶段的实践训练
跟着端对端时间门道逐步发展成主流趋势，车企的竞争焦点也发生了滚动，照旧不再单纯地比拼城区 NOA 功能的开城数目，而是愈加提防为用户提供优质的驾驶体验。在次配景下，从"车位到车位"日益成为车企竞争的新焦点，与此同期数据激增、生意化挑战、新时间风险等也正在成为新的挑战，训练着每一个车企。
来源，跟着围绕用户体验张开的 VLA 模子升级，汽车所用的算力在快速飙升，其对硬件算力和数据资源闭环的条件也越来越高。前文提到跟着时间的不休发展，端对端 2.0 缓缓进入围绕用户体验而张开的新阶段，在该阶段此前备受瞩盘算"端到端 +VLM ( 视觉讲话模子 ) "，运行向" VLA 模子"迭代。
看成一个交融视觉、讲话和动作的多模态模子，旨在提高模子的泛化智力和判断推聪慧力，不错粗浅看作是端到端 +VLM 系统的一个全面交融体。比较往日的 VLM 系统，它背后对资源的耗尽更大、对数据闭环的条件也更高。有不雅点觉得，部署 VLA 模子对芯片算力的条件，擢升到英伟达 DRIVE Thor 级别，算力达 750 TOPS。比较之下，刻下高阶智驾的算力硬件每每配备的是 2 颗英伟达 OrinX 芯片，总算力为 508 TOPS，差的可不是一星半点。
除了算力挑战除外，数据问题带来的挑战远超外界遐想。小马智行的 CTO 楼天城曾暗意，想要西宾出高性能的端到端模子，数据质地的条件比一般性能模子来源几个数目级。单论数据而言，当今国内车企的数据储备基本均逾期于特斯拉，还处于初期阶段。加之对数据质地的条件，国内车企离数据积存的"长跑颠倒"仍"遥不成及"。
其次，跟着端对端时间的捏续升级，在堆数据、堆算力等诸多高门槛操作之下，车企的试错资本在缓缓升高，生意化也濒临商场训练。前文提到，跟着端对端时间的升级，车企端对端对算力、数据的闭环训练越来越高，车企为此付出的代价也越来越大，车企入场需要研讨后果与资本的均衡问题。
另外，即即是完成了开发委用，端对端的考据落地也濒临诸多训练。车企班师实车考据彰着资本过于昂贵，基于云表测试可能与内容情况并不匹配。在商场层面，消费者也存在着一种矛盾形势：一方面，消费者关于汽车"智能化"和自动驾驶的敬爱与渴望在飞腾；另一方面，它们的支付意愿却在广泛着落。是以，即便完成了端对端智驾的量产，倘若商场不买单，一切愿望也将化为子虚。
从这个角度上来说，端对端智驾的进阶开云体育，不只单是时间、数据的比拼，更需要商场对其生意化的内容认同。