新一轮洗牌开启！车企集体「押注」端到端，谁在抢夺新机会？智能驾驶正在进入“端到端

智能驾驶正在进入“端到端”时代。

7月30日，小鹏汽车在广州举办AI智驾技术发布会，预计在今年四季度实现“门到门”的智能驾驶，即居住小区停车场到单位园区停车场的高级辅助驾驶。

无独有偶，理想也公布了端到端自动驾驶技术架构，由端到端模型、VLM视觉语言模型、世界模型三个部分共同组成。其中，端到端模型接受传感器输入，并直接输出行驶轨迹用于控制车辆，而视觉语言模型的作用是为端到端模型提供决策依据，世界模型则用于验证和强化学习。

总体来看，自特斯拉向在美推送了版本号为V12.1.2 Beta的端到端FSD后，几乎所有车企及头部智驾公司都在投入团队与资源推进端到端技术方案。

众所周知，当前主流的智驾系统几乎采用的都是模块化模型，感知、决策、规划分属三个独立的模型，且需要靠人工去书写各种规则、调试各种Corner case，很难使智能驾驶系统达到人类老司机水平。

然而，端到端大模型实现了“感知决策一体化”，可以减少信息传递的错误，解决城市NOA等高阶智能驾驶效率低且泛化性差等痛点，被认为是高阶智能驾驶的必经之路。

很显然，伴随着端到端+AI大模型的演进，一场巨大的供应链变革即将到来。

01端到端+AI大模型，高阶智驾的终局路径？

据了解，从传统自动驾驶模型向“端到端”演进，将经历四个阶段：感知“端到端”、决策规划模型化、模块化端到端、 以及One Model端到端。目前来看，由于需要巨大的投入和成本，国内大部分玩家距离“One Model端到端”还有很长的距离，大部分还停留在还停留在已构建感知模块模型，探索规划、控制模型的阶段。

对此，爱芯元智车载解决方案产品经理李翰指出，端到端+AI大模型是高阶智驾技术演进的必然阶段，但目前端到端大模型落地还面临着诸多的挑战。“One Model端到端属于完全黑箱系统，其不可解释性具备一定的安全隐患。如何保证基于数据驱动的规控系统的性能下限，不仅需要海量驾驶行为数据的收集，也需要算法训练的持续改进。同时，端到端如何部署到端侧，还是一个问题。”

李翰认为，就目前阶段来看，模块化的两段式端到端方案，即规控部分使用基于规则化和基于神经网络的规控算法并行，既可以使智驾更加拟人化，提高系统性能上限，又可以有相对的安全兜底，守住系统下限，是当前阶段智驾系统最优的解决方案之一。

而地平线认为，智驾系统要做到“好用”，必须要解决Scale Out（横向泛化性提升）和Scale Up（纵向性能上限提升）难题。地平线的方法是通过融合基于规则的系统与数据驱动的端到端系统，采用端到端与交互博弈，在确保系统下限可控的同时，大幅提升系统上限，打造出“Scale Out”和“Scale Up”的最优解。

比如地平线已经推出了采用的是动态、静态、OCC（Occupancy占用网络）三网合一的端到端感知架构，能够同时处理动态、静态目标，精准还原物理世界的真实环境，使得SuperDrive在任何道路环境下都能兼顾场景通过率、通行效率和行为拟人，实现高准确度的感知。

无论是在拥堵汇流、路互、礼让骑行人，还是在拥堵换道、城市环岛通行等复杂城区场景下，SuperDrive都能通过其端到端感知架构为驾驶者提供优雅从容的智能驾驶体验。

总体来看，“One Model端到端”自动驾驶高度依赖训练数据，而当前可利用的数据还存在仿真场景真实度低、标注数据类型单一、训练场景泛化性差等问题，短期内将以“分段式端到端”为主。

未来，随着数据、算力等方面的逐步突破，端到端有望逐步收敛至一体化结构，并结合多模态大模型、世界模型等不断加强感知、认知和决策能力，让机器拥有自主学习、思考和分析能力，无疑可以更好地处理复杂的驾驶任务，让智驾系统可以向人类司机一样灵活且人性化。

李翰表示，生成式AI大模型可以对信息高度提取和压缩，从而制造出海量多样化的数据，极大提高了智驾系统对环境的“理解”和行为“预测”能力，可以很好地解决智驾系统的“长尾问题”。因此，通过AI大模型赋能端到端，已经成为了未来提升智能驾驶系统能力的重要方向。