智能制造網APP
智能制造網手機站
智能制造網小程序
智能制造網官微
智能制造網服務號
智能控制
機器人
儀器儀表
物聯網
3D打印
工業軟件
回放
品牌
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。
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(以下簡稱《報告》)，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。
端到端加速重構自動駕駛
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一體化，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。
不過在實際落地過程中，端到端有多種不同的技術路線，常見的有模塊化端到端和One Model端到端。其中模塊化端到端，即在自動駕駛算法架構中，感知和決策規劃仍然分為多個模塊，但每個模塊都可以模型化，并通過模塊之間的隱式表達特征，可以實現感知信息的無損傳遞，助力自動駕駛全局優化。
而One Model端到端，則不再有感知、決策規劃等功能的明確劃分，從原始信號輸入到最終規劃軌跡的輸出直接采用同一個深度學習模型，如此一來可以更好地實現感知信息無損傳遞，實現高效的自動駕駛應用和體驗。
比如特斯拉的許多用戶就表示，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。得益于此，自今年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。
5月底，小鵬汽車正式發布國內首個量產上車的端到端大模型：神經網絡XNet+規控大模型XPlanner+大語言模型XBrain。據了解，基于折算10億+里程的視頻訓練、超646萬累計公里數的實車測試、超2.16億累計公里數的仿真測試，小鵬汽車端到端大模型能夠做到“2天迭代一次”，在未來18個月內智駕能力提升30倍。
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。小鵬汽車董事長兼首席執行官何小鵬就透露，小鵬汽車正在全球范圍對XNGP端到端的能力進行測試，推進智駕技術開始走向全球。
機遇和挑戰并存
毋庸置疑，端到端在自動駕駛領域應用前景廣闊，但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。
而在算力需求方面，特斯拉曾在2024Q1 財報電話會上表示，公司已經有35000張 H100 GPU，并計劃在2024年內增加到85000張H100以上，但國內主機廠和自動駕駛公司的訓練算力，目前鮮有企業能達到特斯拉的規模。
作為對比，小鵬汽車目前僅手握7000+張GPU卡。此前，小鵬汽車已經明確在“以智駕為核心的AI技術”方面，2024年將投入35億元用于智能研發，并新招募4000名專業人才，今后每年還將投入超過7億元用于算力訓練。
國內智駕領域算力儲備相對靠前的是商湯，其在上海臨港建立的亞洲最大的智算中心(AIDC)，目前總運營算力已經達到12,000P，上線GPU數量達到45,000張，今年底計劃進一步達到16000P。
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。
浙公網安備 33010602000006號
智能制造網小程序
微信公眾號
