得益于特斯拉的標桿引領作用，自動駕駛領域正掀起一股端到端布局熱潮。
縱觀市場，當前以蔚來、小鵬、理想等為代表的整車廠，以及元戎啟行、商湯絕影、小馬智行、鑒智機器人等在內的自動駕駛產業鏈公司，都在爭相研發端到端自動駕駛，以實現更出色的智駕體驗，以及功能進階。
據辰韜資本聯合南京大學上海校友會自動駕駛分會、九章智駕共同發布的《端到端自動駕駛行業研究報告》顯示，基于自動駕駛行業頭部玩家紛紛提出端到端量產規劃，預計模塊化端到端系統將于2025年開始上車。
而真正的One Model端到端系統，作為廣泛認定的端到端終局方案，由于需要更多模型、數據、訓練算力和芯片層面的升級，中性預期其落地時間會晚于模塊化端到端1~2年時間，從2026年至2027年開始上車量產。
作為一種新的技術路徑，端到端因為可以實現感知、預測、規劃三個模型的高度融合，并通過海量數據持續訓練算法，讓機器擁有自主學習、思考和分析的能力，目前普遍認為可以更好地處理復雜的駕駛任務，從而帶來自動駕駛體驗提升。
以特斯拉為例，其城市NOA軟件FSD 以前版本只有 2% 左右的訂閱率，但是自 2024年3月特斯拉開啟引入了“端到端神經網絡”技術的FSD V12大規模推送和免費試用后，據馬斯克透露，其訂閱率有大幅度提升。許多用戶表示，特斯拉 FSD V12 在施工路段、無保護左轉、擁擠的環島以及為后方車輛挪動空間時表現優異。
不僅如此，由于該算法架構的強泛化性，端到端還被認為有可能驅動自動駕駛跨車型、跨地理區域、跨國家、跨場景的應用，在智駕出海中將大有可為，甚至催生新的產業分工和商業模式。
當前，智能駕駛公司在出海時遇到的一個普遍的問題是，由于目前不同國家地區的駕駛場景、交通規則都有較大差異，因而，場景適配所需的工作量極大。而端到端的強泛化能力，有望大大減少這一差異帶來的資源投入，進而加速智駕公司在不同場景、不同國家或地區的應用。
不過，盡管端到端在自動駕駛領域應用前景廣闊，這一全新架構面臨的落地挑戰亦不容忽略。
《報告》指出，目前端到端自動駕駛在落地方面主要面臨技術路線分歧、對訓練數據需求量空前提升、對訓練算力需求越來越高、測試驗證方法尚不成熟、組織資源重塑等多重挑戰。
在技術路線方面，現階段無論是“ 模塊化端到端”還是面向終局的“One Model 端到端” ，都有相應的追隨者，并且由于行業內尚未出現可供參考的最佳實踐案例，預計這種路線分歧還將持續一段時間。未來 1~2 年內，隨著更多公司和研究機構在端到端領域加大投入并推出產品，技術路線才會逐漸收斂。
數據方面，端到端自動駕駛更是在數據量、數據標注、數據質量和數據分布等多個維度提出了更高的要求。小馬智行 CTO 樓天城就表示，現階 段，訓練出一個一般性能的端到端模型，自動駕駛的數據量已經不是一個問題； 但是要訓練出一個高性能的端到端模型，對數據的質量要求可能是幾個量級的提 升，這是自動駕駛行業都會面臨的挑戰。
另外，測試驗證方面，現有測試驗證方法不適用于端到端自動駕駛，行業亟需新的測試驗證方法論和工具鏈；組織資源投入方面，端到端需要組織架構重塑，也需要將資源投入傾斜到數據側，對現有模式提出挑戰。
也正因如此，盡管業界已經對端到端重構自動駕駛形成普遍共識，目前的量產方案大多仍停留在“決策規劃模型化” 階段，距離模塊化端到端或 One Model 端到端自動駕駛真正規模化落地還有一段距離。
鄭重聲明：此文內容為本網站轉載企業宣傳資訊，目的在于傳播更多信息，與本站立場無關。僅供讀者參考，并請自行核實相關內容。
|
