姐妹花

出品丨虎嗅汽车组拳交

作家丨肖漫

头图丨电影《天才枪手》

一次全行业的端到端切换，让车企们的智驾竞赛又回到吞并王人跑线上。

跟着特斯拉基于端到端阶梯的 FSD v12.5 版块在北好意思地区仍是赢得了令东说念主惊艳的收尾，本年以来，国内的玩家从中相识了智驾升级的“武功隐私”。（对于端到端的手艺旨趣，虎嗅汽车团队曾在《特斯拉，要跟华为开战了》一文中有过详备认识）

在模块化堆律例时期，代码bug设立才智越强，智驾才智进展越好，同期场内玩家通过开城和落地速率也随之分野。但问题在于，仅凭传统的智驾律例无法从根底上照顾本质全国的聚拢和推理问题，没目的照顾很多复杂场景和 Corner case。

因此，“上限不高”的律例时期很快被大模子和端到端的到来取代，尤其是后者近乎“一日沉”的迭代速率，更是让一众车企纷纷其律例转投端到端手艺旅途，这其中便包括蔚小理华等玩家。

端到端仍是成为智驾行业下一代共鸣有谋略，天然莫得东说念主能明确端到端是否是自动驾驶的结尾有谋略，但当今莫得比端到端更好的智驾手艺有谋略。

基于此，本期暗信号旨在梳理应今场内头部玩家是怎么进行“端到端手艺阶梯”布局，通过不同玩家的不同作念法和落地程度，窥见车企智驾才智的演进以及接下来智驾行业的竞争锚点。

联想：双系统协同，“全国模子”外挂

联想其实是端到端阶梯的激进派。

凭证联想汽车公开的手艺架构，其端到端自动驾驶手艺有谋略分为端到端模子、VLM 视觉话语模子、全国模子三部分。

基于快慢系统表面，联想汽车酿成了自动驾驶算法架构的原型——

系统 1 由 One Model 端到端模子杀青，通过接纳传感器输入，并顺利输出行驶轨迹用于戒指车辆；

系统 2 由 VLM 视觉话语模子杀青，其接纳传感器输入后，经过逻辑念念考，输出决策信息给到系统 1。

双系统组成的自动驾驶才智将在云霄诈欺全国模子进行西宾和考证。

端到端模子的输入主要由录像头和激光雷达组成，多传感器特征经过 CNN 骨干汇集的索要、和会，投影至 BEV 空间，访佛车辆气象信息和导航信息，经过 Transformer 模子的编码，与 BEV 特征共同解码转移态阻塞物、说念路结构和通用阻塞物，并贪图出行车轨迹。

当今，系统 1 的西宾数据库已有 3 亿多参数，其这一模子在骨子驾驶中轻佻具备更高的通用阻塞物聚拢才智、超视距导航才智、说念路结构聚拢才智等。

系统 2 的VLM视觉话语模子主要面向的是 5% 的荒谬交通场景，如遭受分时段限行、潮汐车说念等细腻的交通律例聚拢，至极于副驾坐了个驾校的训诫时刻监督驾驶步履，当今已有 22 亿参数。

VLM视觉话语模子的责任旨趣是，将Prompt（请示词）文本进行Tokenizer（分词器）编码，并将前视相机的图像和导航舆图信息进行视觉信息编码，再通过图文对王人模块进行模态对王人，最终斡旋进行自追忆推理，输出对环境的聚拢、驾驶决策和驾驶轨迹，传递给系统1赞成戒指车辆。

在骨子应用场景中，要是系统二发现行驶经过中大地路面相等坑洼不广漠间，其会给系统 1 发一个放慢的提醒，并会像ChatGPT一样见知驾驶员路面信息，最终输出驾驶提出，类似“车辆将慢速行驶，以减少轰动”。

在两大系统之外，联想诈欺重建+生成式的全国模子，为自动驾驶系统才智的学习和测试创造了虚构环境，至极于通过生成真题题库，让系统 1、2 在虚构全国进行试验，以考证和提高系统才智。

小鹏汽车：“三网和会”

小鹏宣称是国内首个量产上车的端到端大模子，但其并非接纳“一体化”的“端到端智驾大模子”，而是包括三个部分——神经汇集Xnet+规控大模子XPlanner+妄言语模子XBrain。

其中，神经汇集XNet杀青的是“感知”层面的功能，至极于眼睛。

神经汇集XNet能将录像头汇集到的信息，通过动态XNet+静态XNet+2K占用汇集，用跳跃200万个网格重构全国，对本质全国中的可通行空间进行3D收复，包括动态阻塞物（行东说念主、车辆等）、静态阻塞物（水马、路障等）、路面绚丽（箭头、车说念线等）等信息，进行纯视觉感学问别。

据官网数据，其感知界限面积可达1.8个足球场大小，同期识别50+个指标物。

基于图像数据的感知输入，规控大模子XPlanner细腻“模块化”智驾阶梯中的“决策贪图”和“戒指施行”功能，类似于小脑。

比较“模块化”智驾阶梯中的“决策贪图”模块，规控大模子XPlanner的上风在于不需要东说念主类手写律例代码，王人备依靠神经汇集模子，通过海量数据的不阻隔西宾，优化驾驶计策，让车辆有更类东说念主的驾驶习尚和驾驶念念维。

AI妄言语模子XBrain充任“大脑”的变装，至极于给了智能驾驶赞成系统越过感知的“领会才智”。这其实与联想的系统二的功能有相似之处。

XBrain轻佻意志待转区、潮汐车说念、荒谬车说念、路牌翰墨等路上交通讯息。举例，面临“前列说念路施工，请换说念”等环境信息，其轻佻看懂并聚拢从而让车辆施行对应的操作。

小鹏方面暗意，端到端大模子上车后，每2天进行一次迭代，18个月内小鹏智能驾驶才智将提高 30 倍。

华为：两网协同，用安全汇集兜底

和小鹏一样，华为的端到端手艺架构同样是分段式——感知部分接纳 GOD汇集（General Object Detection，通用阻塞物识别），决策贪图接纳PDP汇集（Prediction-Decision-Planning，预测决策规控）杀青。

先看感知层面。在华为 ADS 2.0 时期，其接纳的是BEV+GOD+RCR汇集，BEV细腻看到（BEV, Bird's Eye View，视觉为中心的俯视图），GOD细腻“看懂物”（GOD, General Obstacle Detection Network，通用阻塞物检测汇集），RCR细腻看懂路（RCR，Road Cognition & Reasoning，说念路拓扑推理汇集），由此杀青感知层面的识别。

不外，这个阶段依旧是律例堆叠的阶段，要是传感器识别的路况信息是曾经西宾过的特征信息，则轻佻顺利输出给规控一个正确有谋略，但要是遭受一些未始西宾好的场景，智驾系统就容易出错或是不责任。

由此到了 ADS 3.0 阶段，华为将 GOD 和 RCR 的算法纳入到一个好意思满的 GOD 感知神经汇集之中，杀青了疏漏单的“识别阻塞物”到深度的“聚拢驾驶场景”。

另外，华为接纳PDP（预测决策规控）汇集杀青预决策和贪图一张网，基于感知数据贪图行车阶梯。

有了GOD+PDP 神经汇集模子之后，华为再诈欺云霄 AI 西宾平台进行大量的数据西宾，让模子得以迭代升级。

华为同样合计“让 AI 去开车”这件事十分激进，当今的东说念主工智能都会AI幻觉，有30%傍边的装假率，于是其在端到端模子中加入了“本能汇集安全”进行兜底，提供误踩油门防碰撞功能，路面自相宜 AEB，在湿滑路面、雨雪路面可提前雀跃制动等功能。

蔚来：引入NWM全国模子的端到端架构

对于端到端，蔚来莫得公开过这一方面的手艺架构。从已有的公开音讯来看，其对端到端的应用当今在主动安全功能层面。

本年7月，蔚来推送了基于端到端算法杀青的AEB系统，通过让模子学习真确环境下的优秀避险数据，澌灭更多“不律例”的危境场景，当今已累积了跳跃20亿公里的事故数据和要紧避险数据。相较于尺度AEB，端到端架构的AEB在路口场景方面的要紧制动正确反应进步了5.2倍。

在蔚来智能驾驶研发副总裁任少卿看来，自动驾驶的大模子需要拆解成些许个层级，第一步是模子化，第二步是端到端，去掉不同模块间东说念主为界说的接口，第三步是大模子。

2023年，蔚来在高速NOA的规控里加入AI神经汇集，天然任少卿曾暗意蔚来的端到端智驾有谋略是将感知模子与规控模子合并，杀青信息无损传递，但在其看来，仅仅端到端给出贪图旅途还不及够，智能驾驶走向大模子化需要具备领会和预测才智，即预判、推演其他交通参与者步履和交通环境的变化。

由此，蔚来在本年 NIO IN 上发布了蔚下全国模子 NWM——NIO World Model。从蔚来智能驾驶手艺架构NADArch 2.0来看，蔚来已在算法层升级为引入NWM全国模子的端到端架构。

据了解，NWM是一个多元自追忆生成式的具身驾驶模子，可全量聚拢数据，具备永劫序推演和决策才智，能在 100 毫秒内推上演 216 种可能发生的场景。另外，手脚生成式模子，NWM 能基于 3 秒的驾驶视频，生成 120 秒的遐想视频。

当今业内对于全国模子有着不同的应用念念考，国内厂商多是把全国模子手脚考证的一环，举例上述提到联想的手艺架构中，就引入了全国模子以重建+坐褥的形貌生成模拟数据，手脚孤独的架构存在。

两边对于全国模子在智驾上应用出现不对的中枢要素在于，蔚来看到了全国模子对于智驾推演、预测的可能性和可行性，但联想合计，全国模子才智还不够训诲，举例在生成上会出现幻觉等。

不错详情的是，将全国模子引入智驾规模是车企们下一步探索的标的。

端到端莫得尺度谜底

透偏激部自研厂商的手艺旅途不错看到，围绕端到端这一倡导，不同厂商遐想出不同的手艺阶梯和模子架构，非论是 One Model 的端到端照旧分段式的“部分端到端”都有玩家押注。

由于手艺仍处在探索阶段，当今业内也莫得一个可供参考的实践案例（特斯拉天然在北好意思推送了 V12.5版块，但其端到端汇集架构于今还未对外暴露），在现时的发展阶段，行业内对端到端的旅途还莫得酿成共鸣。

天然莫得尺度谜底，但这并不妨碍车企给出各自的解题念念路。

天然，畅谈手艺阶梯并无过多意旨，手艺的价值在于落地，对于消耗者来说，端到端手艺的落地，带来最直不雅的感受就是智驾才智的进步。

从部分早鸟用户的使用感受以及媒体评测视频来看，搭载端到端的车型轻佻相宜更多的城市路况，举例轻佻在路边开启智驾功能、杀青环岛通行、在遭受阻塞物时轻佻借说念绕行等。

与此同期，端到端带来的“门到门”体验亦然升级的一部分。诸如小鹏、华为等玩家都已显露将推送轻佻运动ETC、小区进口档杆、工场里面说念路等场景的智驾版块，杀青从家门口到办公室门口的“门到门”。

另外，东说念主工经受次数也有了较着的着落。在律例运转时期，车辆开启智能驾驶后，遭受律例除外的突发路况、或是稍稍复杂的城市路况时都需要东说念主工经受，但端到端大模子具备更高上限的聚拢才智和处理才智，轻佻有用裁汰经受次数，更为丝滑地处理不同路况。

天然，端到端当今还仅仅起步阶段，车企也在通过测试、迭代以优化其模子收尾。不错预见的是，当下的汽车产业正迎来全新的智驾手艺竞赛。

相较于律例阶段，端到端架构需要插足更多资源和资金。优质数据的筛选、清洗、标注、储存，模子西宾所需的算力基础才略，部署大模子才智等，无不需要插足。

特斯拉CEO马斯克就曾强调过数据对端到端的要紧性：“用100万个视频case西宾，拼集够用；200万个，稍好一些；300万个，就会感到Wow（惊奇）；到了1000万个，就变得难以置信了。”

何小鹏曾经提到，“自动驾驶有相等大的数据门槛，况且越往后越难凯旋，头部效应会越来越较着。”

数据量是一方面，对国内车企而言，算力西宾亦然一大竞争维度。不同于特斯拉轻佻莽撞采购英伟达的显卡储备算力，在国内，用于云霄西宾的芯片一卡难求，不少车企都在高价收购。

郎咸一又就曾在同样中显露，旧年年底花了大量资金买卡。据联想汽车初步估算，要从 L2+ 走向L3，以致是L4阶段，起码需要30 EFLOPS的算力储备。

从算力层面来看，凭证公开信息，部分厂商的西宾资源如下：

特斯拉 100 EFLOPS（预测 2024 年年末可达到）

华为 5 EFLOPS（2024 年 8 月）

蔚来 1.4 EFLOPS（2023 年 9 月）

联想 4.5 EFLOPS（2024 年 7 月）

小鹏 2.51 EFLOPS（2024 年 7 月）

资源插足背后其实亦然关乎资金的斗殴。小鹏汽车对外在示在AI西宾上已插足了35亿用度，今后每年还将插足跳跃7亿元用于算力西宾。郎咸一又更是直言莫得10亿好意思元利润，翌日玩不起自动驾驶。

谁家的数据更多，谁家的数据更有价值，谁家的算力更高，迭代收尾更好等，都会影响端到端旅途的骨子应用进展。这是一场关乎数据量、算力和插足的斗殴，车企的智驾才智最终也将走向落地之时杀青分野。

对用户而言拳交，在不久的将来，端到端手艺带来的产业变化和智驾功能升级也将有更为具象化的感知。