行业洗牌加速来临
可以预见，端到端技术正在开启智能驾驶新的进化大门，届时整个智能驾驶行业也将进入洗牌期。预计一两年，车企及智驾企业将会拉开巨大的差距。
一方面，端到端大模型极其复杂，从算力、OS、模型到数据、地图、仿真等都并非一件简单的事，构建了玩家的高门槛，不仅需要玩家不断提升算力规模，还需要投入大量的资金与人力。
对此，小鹏智驾负责人李力耘曾公开表示，端到端是一大堆综合工程的组合，犹如一个巨大的大冰山。大部分人看到的是水面上的部分，但更重要的是水面以下95%的部分。“以前智能驾驶的诸多高效、高质量数据，端到端用不上，但这些全栈自研的原始数据，以及由此构建的闭环能力、体系能力，却是真正决定一家车企能否在面向AI的淘汰赛中成为活下来的关键。”
另一方面，端到端技术正在推动传感器技术、芯片等进行巨大的变革。比如端到端大模型既对云端训练算力的规模要求巨大，也对落地端侧芯片要求极高，需要具备高带宽、高内存、异构多核大算力等特性。
据了解，特斯拉对计划在2024年年底前对DOJO智算中心投资超10亿美元，目标是总算力提升至10万PFLOPS；而小鹏汽车预计今年在算力上投入1亿美元，而理想的算力储备则为2400PFLOPS。
李翰指出，要实现端到端自动驾驶，离不开关键的计算芯片的支持，要求芯片厂商做到架构的创新、核心IP的突破以及性能的飞跃，还要满足低功耗散热等特性，这对于AI芯片公司来说也将是不小的挑战。
据了解，爱芯元智一直在持续布局AI技术，已经具备了极致端侧推理优化等能力。比如爱芯元智第五代NPU，可提供类似FSD V12版本的端到端算法方案，能够支持端到端模型在爱芯的大算力芯片上进行规模化推理。以及实现数据高速传输，Transformer极致专项优化和高效部署。
而地平线算法平台总架构师穆黎森也指出，端到端大模型的到来，不仅对于计算平台的算力要求巨大，还要求计算平台要支持Transformer、大语言模型等算法。“以前大家用的比较多的神经网络是CNN，现在大家主要以Transformer为主，大幅提高了计算平台对于缓存计算比例的要求，同时还需要我们在硬件设计上去支持Transformer这些特殊的算子。”
毫无疑问，伴随着越来越多车企“押注”端到端，以及端到端智能驾驶的逐步落地，智能驾驶产业即将迎来大洗牌。对此，小鹏汽车何小鹏曾公开表示，伴随着AI大模型时代的到来，未来10年中国汽车主流品牌或只剩下7家。
本文作者可以追加内容哦 !
