最近，“端到端”在车圈火了！特斯拉基于“端到端”的FSDV12(通盘自动驾驶)决策变成的标杆示范效应，类似入华听说，带动“蔚小理”等车企和华为、地平线等功绩商纷纷转向，加码端到端自动驾驶时间。

所谓“端到端”，其实是来自深度学习中的见识，英文为“End—to—End(E2E)”，指通过一个AI模子，唯有输入原始数据就可以输出最终效果。欺诈到自动驾驶领域，意味着只需要一个模子，就能把录像头、毫米波雷达、激光雷达等传感器网罗到的感知信息，诊治成车辆标的盘的动掸角度、加快踏板的踩踏深度以及制动的力度等具体操作教导，让汽车竣事自动驾驶。用小鹏汽车首创东谈主何小鹏的说法，说明得“很丝滑”，更像“东谈主类司机驾驶”。

此前，市面上绝大部分自动驾驶系统为传统模块化面貌，即一个东谈主工和智能两分宇宙的混搭系统：感知依靠神经相聚，有盘算推算为止则使用东谈主类手动遐想的算法。这一系统的平正在于单干明确，发现症结便于分模块搜检、料理。但问题是，这种模块化的自动驾驶系统在相对简便的驾驶任务上说明可以，而在复杂的驾驶任务眼前，其天花板不言而谕。就算是堪称遥遥最初的城市高阶智驾功能，也曾会有机械感，也会在汇入快速路、通过大型路口时宕机。

接头到自动驾驶的中枢挑战是料理用之贬抑的角落场景，以有限东谈主力料理无穷长尾问题的本钱和时辰难以揣度，数据化、模子化成为势必趋势。不外，端到端，不异是一个需要敦厚傅全心打磨的高难度时间活。

一方面，端到端需要海量高质地数据“投喂”考试。与大谈话模子可以在互联网上爬取海量笔墨数据用于考试不同，端到端智驾需要的视频数据获得本钱和难度极高。以特斯拉为例，咫尺其FSD累计学习的东谈主类驾驶视频片断杰出2000万个，而这一领域的数据仅采集本钱就需要50亿元至80亿元。

另一方面，端到端需要巨大算力的因循。自动驾驶波及激光雷达、图像感知以及V2X车路协同等时间与料理决策。巨大的算力不仅成心于及时处理海量数据，裁减数据传输延长，还可更好地因循面向聪惠城市、聪惠交通、高等别自动驾驶等全场景。关系词，华为车BU、百度极越、蔚来、想象、祯祥、长城、小鹏等国内企业算力增长咫尺均靠近较大瓶颈。

问题还在于，算力与数据的制约又会显贵影响算法的发展。固然国内学术界提议的端到端自动驾驶模子UniAD斩获2023年CPVR最好论文奖，为国内企业提供了可以参考的标的，可是在开环考证体系、小体量样本数据下树立的UniAD，上车还需要一定时辰的工程化校正和大领域数据考试。

此外，端到端会同期放大自动驾驶系统的上限与下限。因为端到端构建的是一个神经相聚黑箱，在获得更高上限的流程中让渡了一部分传统模块决策具备的可阐扬性。如安在自动驾驶系统中保留可阐扬性，将那些不应被跨越的端正，比如别闯红灯，表征到神经相聚中去，保证端到端能安全地落地欺诈、进化，也将是规控工程师们的进军课题。

攀高珠峰有两条阶梯：一条是中国西藏的北坡性爱宝典，另一条是尼泊尔的南坡。岂论遴荐从南坡照旧从北坡攀高，最终齐将到达并吞个顶峰。这与现时自动驾驶的发展旅途有相似之处。固然当今还很难判定端到端即是自动驾驶的最优解或最终解，但这并不妨碍企业篡改探索。毕竟端到端能够比传统模块化面貌更好地处理顶点案例，何况代表了一种减少东谈主工编码依赖的更高效的想路。基于这个旅途，大要自动驾驶能够通往更高阶段。(本文起首：经济日报 作家：杨忠阳)