2024年1月，特斯拉開始大規(guī)模推送FSD V12，從此“端到端”智能駕駛在汽車行業(yè)興起。小鵬、理想、智已、商湯等公司也紛紛推出自家的端到端智駕方案。

特斯拉的FSD是一套包含感知、規(guī)控、執(zhí)行在內(nèi)的全鏈路自動駕駛軟硬件架構。而FSDV12采用的“端到端”的自動駕駛系統(tǒng)，能夠高度模擬人類駕駛行為，實現(xiàn)感知決策一體化。近日，特斯拉正式亮相的Robotaxi車型Cybercab，取消了方向盤、踏板和后視鏡，高度依賴于特斯拉的FSD完全自動駕駛能力。

“端到端”最鮮明的特點便是基于AI模型對從傳感器到處理器、執(zhí)行指令等進行判斷，不需要人為干預中間步驟。當前各家端到端的技術路線有所不同，都在積極探索。行業(yè)人士指出，預計2025年國內(nèi)自動駕駛端到端方案大規(guī)模量產(chǎn)上車。

理想

11月，在2024廣州車展上，理想汽車公布了全新一代智能駕駛技術架構——端到端+VLM雙系統(tǒng)的最新進展。

目前，理想汽車研發(fā)團隊正在加速實現(xiàn)端到端+VLM系統(tǒng)的“車位到車位”能力升級，正陸續(xù)推送給萬人內(nèi)測用戶，并將逐步覆蓋理想全國478家門店的試駕車。按照規(guī)劃，到11月底“車位到車位”能力將隨OTA6.5版本車機系統(tǒng)推送給全量AD Max用戶，升級后的車輛將支持全國高速收費站ETC自主通行，自動將導航終點匹配至AVP代客泊車路線。

理想汽車提出的端到端+VLM雙系統(tǒng)架構，采用One Model一體化端到端，是首次將VLM模型部署至車端量產(chǎn)芯片。VLM視覺語言模型是世界上第一個成功部署在車端芯片的大模型，具備應對復雜場景的邏輯思考及決策能力。VLM視覺大模型可以幫助智駕能夠更精準的識別應對坑洼、減速帶、施工、丁字路口、夜晚無燈、主輔路進出等場景，做到提前減速，安全通行。

相較于無圖NOA智駕，它具有感知和規(guī)劃兩個模型，中間還需要其他規(guī)劃介入。而一體化端到端模型之下，信息傳遞不再需要人來設定規(guī)則，中間無需規(guī)劃，直接傳感器輸入再通過端到端模塊輸出。那么，這樣的智能駕駛效率更高、更擬人更聰明。

商湯

11月27日，在2024“絕影實力AI DAY”上，面向智能駕駛，商湯絕影構建了“車云一體”的產(chǎn)品矩陣，發(fā)布涵蓋高速、城區(qū)以及泊車等全場景的高階智駕、端到端智駕等絕影量產(chǎn)智駕產(chǎn)品體系，同時全新升級行業(yè)標桿級別的“開悟”世界模型，以此打造堅實的數(shù)據(jù)基礎設施。

本屆“絕影實力AI DAY”上，商湯絕影全面展示了基于J6E、J6M、Orin等不同算力平臺打造的全場景高階智駕、端到端智駕等絕影量產(chǎn)智駕產(chǎn)品體系。商湯絕影表示，其智駕量產(chǎn)交付也在穩(wěn)步推進，基于J6平臺的智駕方案預計2025年第二季度將量產(chǎn)交付，而量產(chǎn)端到端智駕方案則預計會在明年年底量產(chǎn)落地。

商湯絕影全棧量產(chǎn)智駕解決方案覆蓋高速領航、城區(qū)領航、泊車輔助等各類場景，滿足全場景智駕需求。2022年底，商湯科技及其聯(lián)合實驗室提出行業(yè)首個感知決策一體自動駕駛通用模型（UniAD），2024年，商湯絕影實車部署面向量產(chǎn)的真·端到端自動駕駛解決方案UniAD。

為了增強端到端自動駕駛方案可解釋性和交互能力，依托多模態(tài)大模型強大的常識理解能力，商湯絕影已研發(fā)出新一代自動駕駛大模型DriveAGI，是目前最貼近人類思維模式、最能理解人類意圖并有最強的解決駕駛困難場景能力的下一代自動駕駛技術。

商湯端到端自動駕駛解決方案更高的能力上限，綜合理解復雜交通環(huán)境，泛化能力強，靈活度高，駕駛行為更貼近人類習慣。更快的迭代效率，基于數(shù)據(jù)驅(qū)動，高效解決行泊場景中感知和決策長尾問題。更低的系統(tǒng)成本，例如純無圖，無需全量或輕量化高精地圖，僅需導航信息。純視覺，無需雷達/激光雷達的信息輸入，僅需攝像頭視覺信息輸入。

為了強化端到端的高端智駕競爭，商湯絕影全新升級并發(fā)布了“開悟”世界模型。世界模型最基礎也是最核心的能力是生成高質(zhì)量視頻數(shù)據(jù)，高質(zhì)量數(shù)據(jù)的關鍵在于“真實”。基于多模態(tài)大模型打造的絕影世界模型，能夠理解真實世界的物理規(guī)則、交通規(guī)則，生成的視頻數(shù)據(jù)也更加逼真。現(xiàn)場展示的“開悟”生成視頻案例中，晴朗天氣下，汽車、路燈都是有影子的，右轉(zhuǎn)車輛會主動讓行優(yōu)先級更高的直行車輛。在真實的基礎上，“開悟”生成的場景視頻，時間最長為150秒、分辨率可達1080P、視角可以實現(xiàn)11V，是行業(yè)首個同時完成上述指標的智駕世界模型。

通過多模態(tài)大模型，“開悟”世界模型可以支持多樣化的自動駕駛場景及Corner case的可控生成。目前商湯絕影基于1024類場景，能夠泛化出更多的平行世界，打造了千萬級的生成場景庫，預計2025年對行業(yè)開放。

智已

10月28日，智己汽車正式宣布IM AD 3.0率先完成從“最像人”到“有直覺”的斷代式進化，為智駕系統(tǒng)率先注入人工智能生成的“直覺”，正式邁入“直覺”智駕新時代。依托智己汽車與Momenta聯(lián)合打造的“一段式端到端直覺式智駕大模型”，智己汽車已經(jīng)成為行業(yè)內(nèi)同時具備L2、L3、L4級智能駕駛量產(chǎn)能力的品牌。今后，隨著相關法律法規(guī)逐步出臺，智己用戶將享受行業(yè)領先的自動駕駛體驗。

IM AD3.0以更接近人腦結構的思考方式，生成本能反應主導的直覺決策能力。智己智駕大模型，無需人為定義感知到規(guī)劃接口，可學習全局信息、隱含信息。尤其在應對突發(fā)狀況時，能夠“腦補”出看不見、看不全的路況信息，像人類高級思維一樣可以做出瞬間預判，既人們通常所說的“直覺”或“下意識反應”；即使在最復雜的交通環(huán)境中，都做到真正老司機般“看路開車”的駕駛方式。

“一段式端到端大模型”取消了分模塊智駕結構，將感知與規(guī)劃整合進一個大模型，通過數(shù)據(jù)飛輪提供的海量優(yōu)質(zhì)數(shù)據(jù)，訓練一個完整的神經(jīng)網(wǎng)絡，分析全局信息、隱含信息，學習優(yōu)秀的人類駕駛行為，從原始數(shù)據(jù)輸入到規(guī)劃路徑輸出，形成人腦高級思維的直覺反應。同時，IM AD智駕大模型還有“安全邏輯網(wǎng)絡”來保證直覺決策的安全性，讓直覺駕駛的行為既高效、又恰當、更安全。

據(jù)悉，智己汽車L2+級高階輔助駕駛，已于10月在全國范圍內(nèi)開通全系車型“無圖城市NOA”，做到“全國都好開、全場景都敢開”。今年6月份，智己入選全國首批“L3準入及路試聯(lián)合體名單”，預計將于2026年正式具備L3級自動駕駛方案的量產(chǎn)條件。L3級自動駕駛也已進入量產(chǎn)倒計時。智己汽車預計將在年內(nèi)獲得首批“L4級無駕駛?cè)说缆窚y試牌照”，實現(xiàn)無人駕駛車率先上路。

小結：

端到端智駕的本質(zhì)是充分利用AI大模型，并結合軟硬件對智駕功能體驗進行的智能化升級。今年5月，小鵬汽車已實現(xiàn)端到端大模型量產(chǎn)上車，成為全球唯二實現(xiàn)端到端大模型落地的車企。小鵬汽車董事長、CEO何小鵬曾表示，端到端大模型不單單意味著要自研軟件和一些簡單的硬件，而是自動駕駛從云端到車端、從芯片端到電氣端，包括EA架構都需要實現(xiàn)全域自研。也就是說，這對于車企和相關供應鏈配套廠商的軟硬件能力帶來極大的挑戰(zhàn)。同時，端到端的AI大模型既聰明又有“直覺”，未來進一步進化，還需要不斷升級安全能力。