頭圖來源 | 網路
作者 | 建武
編輯 | 蘇鵬
目前，端到端智駕非常火熱。聊到高階智駕，如果不說自己用上端到端，可能還會被說「不專業」。
雖然大家都叫「端到端」，但實際上，各家車企實現路徑也不盡相同。
一段式方案是將感知、決策、規劃等模組整合到一個模型中，直接從感測器輸入外部環境資訊，直接輸出自車的行駛軌跡。
兩段式方案通常由兩個主要部分組成，即感知模型和規控模型。資訊在經過感知模型過濾後，再到規控模型。
一段式端到端的優勢在於，只要智駕大模型之前見過、學習過如何應對這樣的場景，即便感知側沒有對未知物體定義，依然能直接做出正確的應對策略。
關於一段式端到端的好處，Momenta CEO 曹旭東舉了一個很有意思的例子：清明節碰到燒紙錢火堆，怎麼去應對這樣的場景。
「碰到燒紙錢火堆，我也很緊張，不知道能不能避讓，結果我開過去確實避讓成功了，我專門開回去測試了五遍，都能成功繞過火堆」曹旭東激動的說道。
一段式端到端有極強的學習能力，所以對資料量的要求非常高。
對於一段式端到端來說，它能力提升，很大程度上來自於對資料的攝入量，資料越多，學習場景越多，能力提升也就越快。
理想汽車智慧駕駛研發副總裁郎鹹朋表示：“隨著模型訓練資料的增長，我們發現智慧駕駛模型的效能提升規律也體現出了Scaling Law。資料的規模與質量已經成為模型效能的決定因素。
來看這張圖，其中藍色是100萬Clips、綠色代表200萬Clips、黃色代表300萬Clips（現在已經增加到400萬）。
可以看到，不同資料量規模訓練，效果不一樣。目前，城市工況平均行駛里程接管次數從最開始10公里接管一次，9月底版本差不多30公里接管一次。
郎鹹朋透露，最新模型可以做到差不多40公里接管一次。「假設使用1000萬Clips資料量，根據剛才趨勢，城市工況接管里程將來到100公里。」
目前理想汽車智慧駕駛的訓練里程已達25億公里，預計今年年底將突破30億公里。
當然，資料量是一方面，另一方面資料質量也非常關鍵。
從大的方向來看，自動駕駛90%的技術難題已經被攻克，自動駕駛核心難點已經不在車道居中、車道巡航，而在剩下的10% corner case（長尾場景，比如剛說的清明節火堆）的處理（現在也可能是7%或8%），這些場景的資料價值才更高，對智駕模型提升也更大。
而在車企們收集到的資料中，絕大部份都是常見和重複場景，說句不好聽的，80%、90%資料都是垃圾。
這也是為什麼像特斯拉、蔚來這些公司都在車上搞了「上報」功能，可以把智駕過程中遇到的問題甚至影片片段直接回傳給特斯拉，供特斯拉後續進行資料訓練。
理想則是將百萬車主海量行駛資料，經過司機評價、場景挖掘來篩選出高質量樣本，以作為模型的訓練資料，不斷改進現有基準。
要明確的一點是，並不是所有人智駕資料都適合拿來餵給模型，有些人駕駛風格激進，有些人過於保守，最終落在智駕上的體現就是不太好。
所以，像華為，就是在拿開國賓車退休的人，收集他們的開車資料然後讓智駕更平順，更擬人。
One Model 端到端就像水，你餵它什麼（相當於給他容器），它就會越像什麼。
所以，一旦有源源不斷超品質量的資料輸入，它的上限會非常高，最終會非常擬人，非常像一個老司機。
這也是為什麼車廠要擴大車隊規模，擴大資料採集量的原因。
今年8月餘承東曾講過這樣一個案例，之前在美國試特斯拉FSD，碰到靜止不動的白色貨車/綠色貨車，FSD不減速直接就撞過去了。
所以，餘評價特斯拉智駕「上限高，下限低」，其實不無道理。
一段式端到端本質是一個黑盒系統，而且缺乏透明度，工程師很難去debug下限很低的問題，因為不知道問題出在哪裡。
所以為了處理這些問題，採用一段式智駕方案的公司們想出了不同方式來補齊短板，提升體驗：
理想在端到端之外，加入了VLM大語言模型，並引入了快系統和慢系統和概念。系統1 主要負責應對駕駛車輛時95%的常規場景，系統2由VLM視覺語言模型實現，具備邏輯推理、複雜分析和計算能力，在駕駛車輛時用於解決複雜甚至未知的交通場景，佔日常駕駛的約5%，其接收感測器輸入後，經過邏輯思考，輸出決策資訊給到系統1。系統1和系統2相互配合，分別確保大部分場景下的高效率和少數場景下的高上限。
Momenta則是引入一個「短期記憶、長期記憶」的概念，「短期記憶天級迭代 ，好的資料和方法得到驗證後，再進入到長期記憶模型學習，達到更好的效果」，現在在智己車上你就能體驗到Momenta的端到端。
元戎走的也是一段式路線，不過在一段式模型外，元戎還是加了一個「安全兜底策略」來作為兜底。明年元戎會基於NVIDIA Thor晶片研發VLAM（Vision-Language-Action Model，視覺-語言-動作模型），「透過VLAM，元戎啟行的智慧駕駛系統可以連線視覺、語言、動作，能識別和描述道路環境、交通標誌、道路參與者等，理解交通場景中複雜的互動事件、隱藏的語義資訊和邏輯推理。即便碰到罕見路標跟邊緣場景，系統也能有高效的場景泛化能力和穩定的駕駛表現。」說人話就是，智駕上限更高，更擬人。
至於小鵬，從架構來看，採用的是「感知神經網路XNet+規控大模型XPlanner+AI大語言模型XBrain」三網策略，說實話很像是兩段式端到端，不過官方表示「三張網路互相交疊、重合，且彼此之間採用神經元連線，而不是透過規則定義結構介面」。
兩段式的好處在從感知到規控不是完全黑盒，可以進行debug系統在決策時的邏輯，而且有更好的可解釋性、安全性。
但是，就像商湯科技聯合創始人、首席科學家，商湯絕影CEO王曉剛：「兩段式『兩段式』方案資訊經過感知模型過濾後，再到規控模型，損失較多，同時還會面臨無法全面理解整個複雜場景、泛化能力和解決corner case的能力比較弱等問題。」
但是依然有不少玩家選擇了這條路徑。像現在公認的智駕頭部華為以及百度Apollo都是兩段式玩家。
先說華為。華為的端到端用的是「GOD網路（感知）+PDP網路（規控）」的端到端組合，考慮到端到端還有20-30%的「幻覺」問題，即系統可能會產生與現實世界不符的感知或預測結果，有點類似於人類在某些情況下出現的幻覺，所以為了保證安全下限，華為在架構里加了一個保底的「本能安全網路」，提供類人的智駕。
百度Apollo也是目前兩段式端到端方案的擁躉。在百度看來，端到端改造上也是逐步演進也不是一蹴而就，即使是兩段式，一蹴而就會有很大的風險，所以是逐步逐步迭代演進的。「安全是規模化部署增加時的第一要素，這也是我們做技術選型考慮非常重的一點。」
此外，全球供應商巨頭博世也給出自己的判斷：兩三年之內，兩段式端到端方案是短期內較為理性的量產主流方案。
2024年，基於 BEV+Transformer的感知系統+基於規則的預測、決策和規劃系統
2025年，兩段式端到端，感知端到端系統+決策和規劃到端系統
2026年，一段式端到端模型+Principle-based safety check
總之，一段式和兩段式各有優缺點，沒有高下之分，最終還是要看最終實際體驗。
而從目前城區智駕功能推進速度以及整體體驗來看，華為依然是最快的那一個，之一。
在元戎看來，端到端只是進入智慧智駕的一個入場（開端）。
「至少就目前而言，大語言模型、生成式人工智慧、端到端還沒有實現完全打通，可能在下一步，可以做到三位一體。」
說一個容易被大家忽略的細節：在其他玩家剛轉入城區智駕競爭，華為小鵬理想已經開始瞄著L3去了。
在2024中國重慶汽車論壇上，理想董事長李想表示：「我們認為最早在今年年底，最晚在明年的上半年，真正的L3（有監督的自動駕駛），就可以批次向用戶交付。」
10月23日，理想「端到端+VLM」已經開啟了全量推送，隨著這一波推送，理想能拿到的智駕訓練資料將從之前的萬人來到幾十萬人，後續智駕進步速度值得關注。
至於華為，在前不久世界智慧網聯汽車大會上，華為ADS已經規劃到ADS4.0。而且目標是高速L3商用，城區L3試點。
小鵬也曾表示，2025年小鵬汽車將在國內實現類L4級智駕體驗。
總之，接下來這幾年，自動駕駛行業玩家與玩家之間的差距正在逐漸拉大，即便是頭部玩家，也會看到更加明顯的技術差距。
技術進步確實值得期待，但在卷技術之外，其實還有一點不能忽視，那就是安全。
技術進步確實重要，但是背後的安全才是智駕的第一要義。
最近一段時間，因為智駕失誤不管是在行車還是泊車方面，都出了不少事情，我想大家也關注到了。
我覺得應該引起企業反思，企業不能為了搶佔輿論高地、為了快而快，否則會適得其反。
如果要在端到端智駕「更激進的技術落地」和「保守的安全」中選一個，那我寧願選後者。
親愛的讀者們，不設定星標，很容易錯過我們的推送，也無法看到封面圖片。請星標“未來汽車Daily”，及時接收每篇推文，期待為您帶來更多更專業的行業報道。
