來源丨創(chuàng)業(yè)邦（ID：ichuangyebang）

作者丨潘磊

編輯丨海腰

圖源丨midjourney

“今天L4公司都在痛苦地猶豫是否該轉入端到端，我個人的建議是別猶豫，趕緊改，后面那個才是大家伙”。

這是小鵬汽車董事長何小鵬，最近從美國考察游歷一番后，對智駕進入“端到端時代”的最新判斷。

在大約兩周前的小鵬汽車技術發(fā)布會上，何小鵬更是興奮地宣布，2024年就是智能駕駛的拐點。

他認為，“大模型+端到端”已經(jīng)把智駕能力進展從以前的按“年”計算，提升到按天計算。

換句話說，這就是對智駕領域的一次洗牌，要么跟上，要么出局。

何小鵬從特斯拉獲得啟發(fā)符合邏輯——事實上正是特斯拉FSD在去年率先搞出“端到端”技術方案，并把這個看上去晦澀難懂的術語變成了智駕圈的流行語。

所謂“端到端”，就是把之前與自動駕駛有關的感知、決策和執(zhí)行等相對分散的核心模塊整合在一起，從傳感器端輸入信號開始，中間經(jīng)歷一個AI大模型，再到輸出端發(fā)出信號控制車輛。

這就及其考驗那個能夠搞定“感知決策執(zhí)行一體化”的AI大模型的水平。

作為一個“學習系統(tǒng)”，貫通感知決策執(zhí)行的AI大模型，能夠通過從傳感器獲得的原始數(shù)據(jù)中不斷“學習”，并自動生成人們想要的那種結果輸出。

這被認為智能駕駛“擬人化”的開始。

在特斯拉FSD V12版本之前，這種智駕系統(tǒng)擁有和其他同類系統(tǒng)差不多的通病——比如在復雜路況中，智駕系統(tǒng)突如其來的剎車會帶來一種明顯的“機械感”，從而讓用戶恐慌。

但是到了引入端到端的V12版本后，這套系統(tǒng)看上去擁有了一些“博弈”能力，比如能夠更加絲滑地應對加減速和轉向控制。

而在這之前，智駕系統(tǒng)每遇到一個場景，就需要工程師專門通過代碼給出解決方案，然后才能搞定一個所謂的Corner case。

FSD V12版本引入端到端后，相當于擁有了一定的自我學習能力，工程師無需再為無法預知、無法窮盡的Corner case逐個編寫代碼了，所以代碼從30多萬行縮減為僅有3000多行。

何小鵬說，他相信2025年就將是完全自動駕駛的“ChatGPT 時刻”。

中國車企早已開始跟風端到端

“小鵬是全球唯二實現(xiàn)端到端大模型量產(chǎn)落地的車企”。

在7月底的“小鵬汽車AI智駕技術發(fā)布會”上，何小鵬表示，“端到端大模型”讓小鵬智駕技術進步實現(xiàn)了前所未有的加速?！懊?天迭代一次版本”。

此時距離小鵬汽車官宣智駕進入端到端時代僅2個月。

但看上去，小鵬正在加速把智駕系統(tǒng)從“全國都能開”，進化成“全國都好用”，即不限城市、不限路線、不限路況。

這是一個驚人的躍遷。

因為在這之前，智駕系統(tǒng)的PK，基本都是圍繞“開城”來展開。

“開城”的本質是，車企的智駕技術人員在目標城市完成場景數(shù)據(jù)收集和填充，然后“灌進”智駕系統(tǒng)，從而實現(xiàn)城市NOA（領航輔助駕駛）。

但這種高階輔助駕駛上限很低，很難上升到L3或者更高級別。

因為存在不少需要人類接管的場景，比如小區(qū)內部、收費站等。

解決這類問題，就需要工程師根據(jù)特定場景寫代碼，從而解決所謂的Corner case。

顯而易見，這種場景無窮無盡。

何小鵬說，在這種規(guī)則下，智能駕駛再搞十年也看不到盡頭。

但引入端到端和大模型之后，這個瓶頸迎刃而解。

小鵬為此調整了組織架構，以更加聚焦于端到端+大模型的組合。

跟何小鵬的看法類似還有理想汽車董事長兼CEO李想。

他在今年6月初的2024中國汽車重慶論壇上提出了一個問題，即人類開車為什么不涉及學習Corner case？

在他看來，如果不解決這個問題，那么自動駕駛團隊每天干的活，就是靠人工去調試各種Corner case，而且會發(fā)現(xiàn)你放的人越多，Corner case就越多，距離實現(xiàn)真正的自動駕駛就越遠。

他給出的方案也是端到端加上VLM視覺語言模型，以及一個生成式世界模型組成的全新自動駕駛技術架構。

李想表示，這是理想在過去一段時間內，最重要的一個技術突破。

基于此，理想汽車將會在今年三季度向所有用戶正式推送全國無圖NOA。

他還相信，無監(jiān)督的L4級自動駕駛至少3年內就能實現(xiàn)。

理想也成立了“端到端自動駕駛”實體組織，據(jù)稱整體規(guī)模超過200人。

蔚來汽車也把感知和規(guī)控團隊合并為大模型團隊，探索用端到端和世界大模型實現(xiàn)高階智能駕駛。

梳理來看，這些變化都發(fā)生在今年年初特斯拉發(fā)布FSD V12版本之后，也意味著特斯拉率先引入的端到端大模型技術再次引領智駕新趨勢。

另外，華為在去年9月就發(fā)布了“盤古汽車大模型”，可在數(shù)字孿生空間生成復雜場景樣本，讓自動駕駛學習訓練周期從2周以上縮短到2天內。

再次陷入Corner case怪圈？

特斯拉FSD的最新版本為中國車企提供了有關端到端和大模型的啟示，實現(xiàn)自動駕駛的路徑近在眼前。

這讓“摸著特斯拉的石頭過河”，再次成為可能。

但其中的問題在于，特斯拉究竟是如何做到這一點的，卻是一個不傳之秘。

何小鵬坦承，大模型迭代過程中會出現(xiàn)“不穩(wěn)定”現(xiàn)象。

在5月份，他也提到了有關“端到端”的不確定性。

他認為所有大模型上都有不確定因素，重要的是如何去構建你的控制器，就像控制剎車一樣，構建針對黑盒的安全系統(tǒng)。

看上去即便是端到端，也在進入一個更加復雜化，甚至是自我束縛的囚徒困境。

這甚至已經(jīng)從特斯拉CEO埃隆·馬斯克處獲得了證實。

6月中旬的特斯拉2024年年度股東大會上，馬斯克承認FSD面臨新的挑戰(zhàn)。

他稱，改進一個模型可能解決一個問題，但同時可能引入一個新問題。

看上去，這跟引入端到端之前的那種Corner case無法完全解決的情況很接近。

而且隨著人類接管的減少，評估模型性能的難度在增加。

這是另一個悖論——接管減少表明性能優(yōu)秀，但另一方面也表明隨著模型變“大”，其更新也將會變慢，表現(xiàn)得不像一個能給自動駕駛帶來顛覆性變革的路徑。

而最近公布的一個交通事故表明，特斯拉的一臺車在開啟FSD模式下撞死了一個摩托車手。

就在7月底，Truist Securities分析師威廉·斯坦因在體驗特斯拉FSD時險些撞車。

巧合的是，華為終端董事長、智能汽車解決方案BU董事長余承東近日也表示，F(xiàn)SD上限挺高，但下限也很低。

另外，前圖森未來創(chuàng)始人，現(xiàn)Bot.Auto創(chuàng)始人侯曉迪近期也針對端到端，發(fā)表了一些不一樣的觀點。

侯曉迪認為，端到端是一種新思路，但是否為最先進，目前尚無定論。

同時，端到端的“技術黑盒”具有不可解釋性，無法帶來確定的安全感。

基于此，端到端并非一個一頭輸入信息，另一頭就能輸出結果的“自動工廠”，還具有不確定性，不要過度神話。

極越CEO夏一平則認為，現(xiàn)在還沒有100%的端到端，都是營銷噱頭。

端到端背后

是包括算力在內的體系PK

根據(jù)馬斯克的說法，預計今年年底將會在中國和歐洲落地FSD。

其實在這之前，有關FSD將會成為智駕領域“鯰魚”的說法就已經(jīng)層出不窮。

但從中國主流車企對“端到端”的追隨來看，F(xiàn)SD已經(jīng)開始對中國智駕的技術路線產(chǎn)生深遠影響。

這也再次驗證了特斯拉的視覺方案更加接近“第一性原理”——正如李想所說，人類駕車就不涉及學習Corner case的問題。

因為人眼就類似于傳感器，大腦作為神經(jīng)網(wǎng)絡對接收到的信號進行推理判斷后，做出反應并執(zhí)行。

車路云一體化，以及高精地圖方案，也因此都有各自的短板。

到目前為止，特斯拉還未使用激光雷達。

對此余承東表示，特斯拉的優(yōu)點在于車輛多、數(shù)據(jù)多，F(xiàn)SD做的不錯。

但經(jīng)過在美國和加拿大的測試對比后，他認為華為的體驗略優(yōu)一些。

“特斯拉沒用激光雷達，我們用了，彌補了感知能力”。

目前華為備受關注的ADS3.0也是端到端“類人”智駕，采用的是GOD感知神經(jīng)網(wǎng)絡，以及 PDP(Prediction-Decision- Planning, 預測決策規(guī)控)決策規(guī)劃網(wǎng)絡，這被稱為兩段式端到端。

跟特斯拉FSD輸入傳感器數(shù)據(jù)，直接輸出路徑規(guī)劃的一個模型相比，華為的“兩段式”端到端區(qū)分了感知和規(guī)控，更容易定位，從而增加了可解釋性。

但真正具有顛覆性的自動駕駛技術架構終局，就是生成式端到端大模型。

這對于包括算力在內的基礎設施來說，是一個極大的考驗。

對于特斯拉來說，逡巡多年才實現(xiàn)端到端多模塊融合的背后，是其DOJO超算中心高達35000塊英偉達H100GPU的算力資源。

根據(jù)馬斯克的說法，到今年年底特斯拉將擁有8.5萬塊英偉達H100GPU用于訓練人工智能。

換句話說，特斯拉FSD端到端的背后，是一個巨型體系在支撐。

何小鵬表示，他已經(jīng)在AI訓練上投入了35億費用。

但作為對比，馬斯克聲稱今年將花費100億美元用于AI的訓練和推理，光是向英偉達購買AI芯片就要花費30--40億美元。

他甚至表示，任何支出達不到每年100億美元水平或者無法高效部署的公司，都無法在市場上競爭。

按他的標準，沒有任何一家中國車企能夠跟特斯拉競爭。

這很大程度上屬于事實——中國車企甚至連H100GPU都無法買到。

華為顯然能夠提供一些替代品，這也為未來的自動駕駛時代競爭提供了足夠的懸念。

本文為創(chuàng)業(yè)邦原創(chuàng)，未經(jīng)授權不得轉載，否則創(chuàng)業(yè)邦將保留向其追究法律責任的權利。如需轉載或有任何疑問，請聯(lián)系editor@cyzone.cn。