自动驾驶技术国家政策支持端到端大模型进入普及期，自动驾驶能否迎来终局？

　　百度旗下无人驾驶出租车“萝卜快跑”出圈之后，自动驾驶似乎真的来到了普通人身边。但在大部分从业者看来，当下的L4 Robotaxi或者智能电动车的智能驾驶辅助系统距离好用以及大规模商业化仍有较远的距离。 　　“目前我们看到当下的城区NOA大部分还处于可用阶段，还没有达到好用的阶段。主要的问题还是在于通行效率低、行为不拟人。车企快速增加城市覆盖数量导致系统可用性下降，通过率低。真正好用的智驾2.0的系统，要提供拟人化的智驾体验。”地平线总裁陈黎明在近期举行的2024年中国汽车论坛上表示，2025年，自动驾驶将迎来ChatGPT时刻。 　　2023年初开始，特斯拉号称采用了完全端到端的大模型的V12版本FSD，引发了业界广泛的讨论；随后小鹏、蔚来等车企以及地平线、元戎启行等供应商公司接连宣布将部署基于端到端的智能驾驶系统。 　　近日，辰韬资本联合三方发布了《端到端自动驾驶行业研究报告》（下称“《报告》”），《报告》显示，在其访谈的30余位自动驾驶行业一线专家中，90%表示自己所供职的公司已投入研发端到端技术，大部分技术公司都认为难以承受错过这一次技术革命的后果。 　　轻舟智航联合创始人、CEO于骞认为，最近端到端的技术，使得智能驾驶技术的演进方向有一个比较明确的趋势。 　　公开资料显示，端到端是深度学习中的概念，指的是一个AI模型，只要输入原始数据就可以输出最终结果，比较典型的是大火的ChatGPT。端到端技术在自动驾驶上的应用，把原本感知、预测、规划等多个模型组合的架构，变成了“感知决策一体化”的单模型架构。通俗来说，过去自动驾驶路线就好比多个人开一辆车，而端到端技术是单人开车，更加接近真实的人类驾驶。 　　“端到端大模型是基于一个概率模型训练，它有一个问题是对于比较简单、比较容易描述的场景，往往它的输出没有那么精确，底线比较低；特斯拉在这块已经做得相当不错了，但是还没有完全解决这个问题。我们认为在目前缺乏足够数据的条件下，还是需要逐步实现端到端，一个模块、一个模块去替代，完成端到端的同时做好安全兜底，以这种比较坚实的工程基建和快速迭代的方式，能够一步步提升系统的性能上限，同时也能够保证系统性能的下限。”陈黎明表示。 　　赛可智能CTO于乾坤告诉记者，可以将端到端模型的智驾应用分为两个阶段：第一个阶段是two-model的方案，这是目前业界用得比较主流的一个方向，但two-model的方案因为中间存在显式的输出，必然会存在一些信息的损失，很难充分地利用好传感器的信息；第二阶段是one-model的方案，也就是一步到位的方案，目前已经有很多人在做前期的研究，也是更加接近AGI的方向，但这个方向难度比较高，预估要到3-5年之后才会得到一些规模化的应用。需要指出的是，目前不少车企在宣布“端到端”上车后，并未完全放弃传统的“规则控制”。 　　某车企的自动驾驶算法工程师表示，因为神经网络输出的结果具有一定的概率性，并不能保证输出的结果绝对安全。所以端到端大模型上车之后，规则方法仍然会有它存在的必要性。目前大部分基于端到端的智能驾驶系统，仍会通过一些规则方法对神经网络的输出做二次校验。 　　目前行业普遍认为，国内车企与特斯拉的研发进度差大概在1.5—2年。奇瑞汽车股份有限公司副总经理谷俊丽认为，要在商业模式上追赶特斯拉，必须形成产品的规模化。“当数据达到特斯拉级别的百万量级以上，通过对模型的强化训练，智驾可学习视频流，就能直接告诉司机驾驶的方向，像当下流行的ChatGPT一样。”谷俊丽表示。 　　和海外近乎一家独大的特斯拉相比，国内智能驾驶系统正处于百花齐放的阶段，不同车型、不同技术方案之间数据难以打通，给以数据驱动的端到端大模型带来一定的困难。 　　陈黎明表示：“我们目前遇到的困难是很多车型和传感器的架构、传感器的布置和采用等都在不断变化，我们虽然收集了很多数据，但这些数据不是高质量地积累起来，并且能够持续使用的，这是我们接下来不光是某个企业，而是整个行业要去探讨的问题。也就是说，主机厂和科技企业怎么能够协同起来解决这个问题，这是大家要共同探讨的。” 　　于乾坤也认为，目前端到端工程应用上面临着数据采集的完备性差、数据采集的复用性差、训练算力较低等问题。