出品丨虎嗅汽车组作家丨肖漫

头图丨电影《天才枪手》

一次全行业的端到端切换，让车企们的智驾竞赛又回到同悉数跑线上。

跟着特斯拉基于端到端路子的 FSD v12.5 版块在北好意思地区依然得到了令东谈主惊艳的后果，本年以来，国内的玩家从中清楚了智驾升级的“武功诡秘”。

在模块化堆法例时期，代码bug诞生才调越强，智驾才调发达越好，同期场内玩家通过开城和落地速率也随之分野。但问题在于，仅凭传统的智驾法例无法从根蒂上经管推行寰宇的领路和推理问题，没办法经管很多复杂场景和 Corner case。

因此，“上限不高”的法例期间很快被大模子和端到端的到来取代，尤其是后者近乎“一日沉”的迭代速率，更是让一众车企纷繁其法例转投端到端本领旅途，这其中便包括蔚小理华等玩家。

端到端依然成为智驾行业下一代共鸣决策，诚然莫得东谈主能明确端到端是否是自动驾驶的结尾决策，但当今莫得比端到端更好的智驾本领决策。

基于此，本期暗信号旨在梳理应今场内头部玩家是奈何进行“端到端本领路子”布局，通过不同玩家的不同作念法和落地进程，窥见车企智驾才调的演进以及接下来智驾行业的竞争锚点。

梦想：双系统协同，“寰宇模子”外挂

梦想其实是端到端路子的激进派。

凭证梦想汽车公开的本领架构，其端到端自动驾驶本领决策分为端到端模子、VLM 视觉话语模子、寰宇模子三部分。

基于快慢系统表面，梦想汽车酿成了自动驾驶算法架构的原型——

系统 1 由 One Model 端到端模子已毕，通过吸收传感器输入，并告成输出行驶轨迹用于铁心车辆；

系统 2 由 VLM 视觉话语模子已毕，其吸收传感器输入后，经过逻辑念念考，输出决策信息给到系统 1。

双系统组成的自动驾驶才调将在云霄应用寰宇模子进行磨真金不怕火和考据。

端到端模子的输入主要由录像头和激光雷达组成，多传感器特征经过 CNN 骨干集会的索求、交融，投影至 BEV 空间，重复车辆现象信息和导航信息，经过 Transformer 模子的编码，与 BEV 特征共同解码搬动态结巴物、谈路结构和通用结巴物，并筹划出行车轨迹。

当今，系统 1 的磨真金不怕火数据库已有 3 亿多参数，其这一模子在内容驾驶中简略具备更高的通用结巴物领路才调、超视距导航才调、谈路结构领路才调等。

系统 2 的VLM视觉话语模子主要面向的是 5% 的异常交通场景，如遭受分时段限行、潮汐车谈等稳健的交通法例领路，非常于副驾坐了个驾校的培植时刻监督驾驶行动，当今已有 22 亿参数。

VLM视觉话语模子的责任旨趣是，将Prompt（提醒词）文本进行Tokenizer（分词器）编码，并将前视相机的图像和导航舆图信息进行视觉信息编码，再通过图文对王人模块进行模态对王人，最终和谐进行自追念推理，输出对环境的领路、驾驶决策和驾驶轨迹，传递给系统1扶持铁心车辆。

在内容应用场景中，要是系统二发现行驶经由中大地路面非常坑洼不日常期，其会给系统 1 发一个放慢的提醒，并会像ChatGPT一样见知驾驶员路面信息，最终输出驾驶冷落，肖似“车辆将慢速行驶，以减少触动”。

在两大系统之外，梦想应用重建+生成式的寰宇模子，为自动驾驶系统才调的学习和测试创造了臆造环境，非常于通过生成真题题库，让系统 1、2 在臆造寰宇进行磨真金不怕火，以考据和提高系统才调。

小鹏汽车：“三网交融”

小鹏宣称是国内首个量产上车的端到端大模子，但其并非弃取“一体化”的“端到端智驾大模子”，而是包括三个部分——神经集会Xnet+规控大模子XPlanner+谎言语模子XBrain。

其中，神经集会XNet已毕的是“感知”层面的功能日本父女乱伦，非常于眼睛。

神经集会XNet能将录像头集会到的信息，通过动态XNet+静态XNet+2K占用集会，用跳动200万个网格重构寰宇，对推行寰宇中的可通行空间进行3D收复，包括动态结巴物（行东谈主、车辆等）、静态结巴物（水马、路障等）、路面标记（箭头、车谈线等）等信息，进行纯视觉感学问别。

据官网数据，其感知范围面积可达1.8个足球场大小，同期识别50+个方针物。

基于图像数据的感知输入，规控大模子XPlanner稳健“模块化”智驾路子中的“决策筹划”和“铁心践诺”功能，肖似于小脑。

比较“模块化”智驾路子中的“决策筹划”模块，规控大模子XPlanner的上风在于不需要东谈主类手写法例代码，全都依靠神经集会模子，通过海量数据（维权）的不终止磨真金不怕火，优化驾驶战略，让车辆有更类东谈主的驾驶习尚和驾驶念念维。

AI谎言语模子XBrain充任“大脑”的脚色，非常于给了智能驾驶扶持系统卓著感知的“剖析才调”。这其实与梦想的系统二的功能有相似之处。

XBrain简略意志待转区、潮汐车谈、异常车谈、路牌翰墨等路上交通讯息。举例，面临“前线谈路施工，请换谈”等环境信息，其简略看懂并领路从而让车辆践诺对应的操作。

小鹏方面默示，端到端大模子上车后，每2天进行一次迭代，18个月内小鹏智能驾驶才调将提高 30 倍。

华为：两网协同，用安全集会兜底

和小鹏一样，华为的端到端本领架构雷同是分段式——感知部分弃取 GOD集会（General Object Detection，通用结巴物识别），决策筹划弃取PDP集会（Prediction-Decision-Planning，预测决策规控）已毕。

先看感知层面。在华为 ADS 2.0 时期，其弃取的是BEV+GOD+RCR集会，BEV稳健看到（BEV， Bird's Eye View，视觉为中心的俯瞰图），GOD稳健“看懂物”（GOD， General Obstacle Detection Network，通用结巴物检测集会），RCR稳健看懂路（RCR，Road Cognition & Reasoning，谈路拓扑推理集会），由此已毕感知层面的识别。

不外，这个阶段依旧是法例堆叠的阶段，要是传感器识别的路况信息是曾经磨真金不怕火过的特征信息，则简略告成输出给规控一个正确决策，但要是遭受一些未尝磨真金不怕火好的场景，智驾系统就容易出错或是不责任。

由此到了 ADS 3.0 阶段，华为将 GOD 和 RCR 的算法纳入到一个无缺的 GOD 感知神经集会之中，已毕了检朴单的“识别结巴物”到深度的“领路驾驶场景”。

另外，华为弃取PDP（预测决策规控）集会已毕预决策和筹齐整张网，基于感知数据筹划行车路子。

有了GOD+PDP 神经集会模子之后，华为再应用云霄 AI 磨真金不怕火平台进行多半的数据磨真金不怕火，让模子得以迭代升级。

华为雷同觉得“让 AI 去开车”这件事十分激进，当今的东谈主工智能都会AI幻觉，有30%傍边的猖獗率，于是其在端到端模子中加入了“本能集会安全”进行兜底，提供误踩油门防碰撞功能，路面自适宜 AEB，在湿滑路面、雨雪路面可提前欢腾制动等功能。

蔚来：引入NWM寰宇模子的端到端架构

对于端到端，蔚来莫得公开过这一方面的本领架构。从已有的公开音问来看，其对端到端的应用当今在主动安全功能层面。

本年7月，蔚来推送了基于端到端算法已毕的AEB系统，通过让模子学习真的环境下的优秀避险数据，掩盖更多“不法例”的危境场景，当今已蓄积了跳动20亿公里的事故数据和进攻避险数据。相较于圭臬AEB，端到端架构的AEB在路口场景方面的进攻制动正确反应进步了5.2倍。

在蔚来智能驾驶研发副总裁任少卿看来，自动驾驶的大模子需要拆解成些许个层级，第一步是模子化，第二步是端到端，去掉不同模块间东谈主为界说的接口，第三步是大模子。

2023年，蔚来在高速NOA的规控里加入AI神经集会，诚然任少卿曾默示蔚来的端到端智驾决策是将感知模子与规控模子吞并，已毕信息无损传递，但在其看来，仅仅端到端给出筹划旅途还不及够，智能驾驶走向大模子化需要具备剖析和预测才调，即预判、推演其他交通参与者行动和交通环境的变化。

由此，蔚来在本年 NIO IN 上发布了蔚下寰宇模子 NWM——NIO World Model。从蔚来智能驾驶本领架构NADArch 2.0来看，蔚来已在算法层升级为引入NWM寰宇模子的端到端架构。

大陆自拍在线直

据了解，NWM是一个多元自追念生成式的具身驾驶模子，可全量领路数据，具备永劫序推演和决策才调，能在 100 毫秒内推献技 216 种可能发生的场景。另外，算作生成式模子，NWM 能基于 3 秒的驾驶视频，生成 120 秒的联想视频。

当今业内对于寰宇模子有着不同的应用念念考，国内厂商多是把寰宇模子算作考据的一环，举例上述提到梦想的本领架构中，就引入了寰宇模子以重建+坐褥的步地生成模拟数据，算作安谧的架构存在。

两边对于寰宇模子在智驾上应用出现不对的中枢身分在于，蔚来看到了寰宇模子对于智驾推演、预测的可能性和可行性，但梦想觉得，寰宇模子才调还不够老练，举例在生成上会出现幻觉等。

不错笃定的是，将寰宇模子引入智驾界限是车企们下一步探索的办法。

端到端莫得圭臬谜底

透偏握部自研厂商的本领旅途不错看到，围绕端到端这一见地，不同厂商缠绵出不同的本领路子和模子架构，不管是 One Model 的端到端照旧分段式的“部分端到端”都有玩家押注。

由于本领仍处在探索阶段，当今业内也莫得一个可供参考的实践案例（特斯拉诚然在北好意思推送了 V12.5版块，但其端到端集会架构于今还未对外裸露），在现时的发展阶段，行业内对端到端的旅途还莫得酿成共鸣。

诚然莫得圭臬谜底，但这并不妨碍车企给出各自的解题念念路。

天然，泛论本领路子并无过多意旨，本领的价值在于落地，对于破钞者来说，端到端本领的落地，带来最直不雅的感受即是智驾才调的进步。

从部分早鸟用户的使用感受以及媒体评测视频来看，搭载端到端的车型简略适宜更多的城市路况，举例简略在路边开启智驾功能、已毕环岛通行、在遭受结巴物时简略借谈绕行等。

与此同期，端到端带来的“门到门”体验亦然升级的一部分。诸如小鹏、华为等玩家都已走漏将推送简略运动ETC、小区进口档杆、工场里面谈路等场景的智驾版块，已毕从家门口到办公室门口的“门到门”。

另外，东谈主工接受次数也有了显着的下落。在法例最先时期，车辆开启智能驾驶后，遭受法例除外的突发路况、或是略微复杂的城市路况时都需要东谈主工接受，但端到端大模子具备更高上限的领路才和谐处理才调，简略灵验镌汰接受次数，更为丝滑地处理不同路况。

天然，端到端当今还仅仅起步阶段，车企也在通过测试、迭代以优化其模子后果。不错意象的是，当下的汽车产业正迎来全新的智驾本领竞赛。

相较于法例阶段，端到端架构需要进入更多资源和资金。优质数据的筛选、清洗、标注、储存，模子磨真金不怕火所需的算力基础步履，部署大模子才调等，无不需要进入。

特斯拉CEO马斯克就曾强调过数据对端到端的要紧性：“用100万个视频case磨真金不怕火，拼凑够用；200万个，稍好一些；300万个，就会感到Wow（咋舌）；到了1000万个，就变得难以置信了。”

何小鹏曾经提到，“自动驾驶有非常大的数据门槛，何况越往后越难到手，头部效应会越来越显着。”

数据量是一方面，对国内车企而言，算力磨真金不怕火亦然一大竞争维度。不同于特斯拉简略狂放采购英伟达的显卡储备算力，在国内，用于云霄磨真金不怕火的芯片一卡难求，不少车企都在高价收购。

郎咸一又就曾在相通中走漏，旧年年底花了多半资金买卡。据梦想汽车初步估算，要从 L2+ 走向L3，致使是L4阶段，起码需要30 EFLOPS的算力储备。

从算力层面来看，凭证公开信息，部分厂商的磨真金不怕火资源如下：

特斯拉 100 EFLOPS（瞻望 2024 年年末可达到）

华为 5 EFLOPS（2024 年 8 月）

蔚来 1.4 EFLOPS（2023 年 9 月）

梦想 4.5 EFLOPS（2024 年 7 月）

小鹏 2.51 EFLOPS（2024 年 7 月）资源进入背后其实亦然关乎资金的交游。小鹏汽车对外在示在AI磨真金不怕火上已进入了35亿用度，今后每年还将进入跳动7亿元用于算力磨真金不怕火。郎咸一又更是直言莫得10亿好意思元利润，将来玩不起自动驾驶。

谁家的数据更多，谁家的数据更有价值，谁家的算力更高，迭代后果更好等，都会影响端到端旅途的内容应用发达。这是一场关乎数据量、算力和进入的交游，车企的智驾才调最终也将走向落地之时已毕分野。

对用户而言日本父女乱伦，在不久的将来，端到端本领带来的产业变化和智驾功能升级也将有更为具象化的感知。