最近，“端到端”在车圈火了！特斯拉基于“端到端”的FSDV12(都备自动驾驶)有磋磨变成的标杆示范效应，类似入华外传，带动“蔚小理”等车企和华为、地平线等劳动商纷纷转向，加码端到端自动驾驶时代。

所谓“端到端”，其实是来自深度学习中的意见，英文为“End—to—End(E2E)”，指通过一个AI模子，惟有输入原始数据就可以输出最终效果。愚弄到自动驾驶领域，意味着只需要一个模子，就能把录像头、毫米波雷达、激光雷达等传感器汇集到的感知信息，退换成车辆宗旨盘的动弹角度、加快踏板的踩踏深度以及制动的力度等具体操作教导，让汽车完了自动驾驶。用小鹏汽车独创东说念主何小鹏的说法，发达得“很丝滑”，更像“东说念主类司机驾驶”。

此前，市面上绝大部分自动驾驶系统为传统模块化步地，即一个东说念主工和智能两分全国的混搭系统：感知依靠神经采集，贪图甩手则使用东说念主类手动设想的算法。这一系统的克己在于单干明确，发现劣势便于分模块稽察、处置。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发达可以，而在复杂的驾驶任务眼前，其天花板不言而喻。就算是堪称遥遥率先的城市高阶智驾功能，仍是会有机械感，也会在汇入快速路、通过大型路口时宕机。

色吧图片

酌量到自动驾驶的中枢挑战是处置取之不尽的边际场景，以有限东说念主力处置无穷长尾问题的资本和时刻难以揣摸，数据化、模子化成为势必趋势。不外，在线AV端到端，雷同是一个需要敦厚傅全心打磨的高难度时代活。

一方面，端到端需要海量高质地数据“投喂”稽察。与诳言语模子可以在互联网上爬取海量笔墨数据用于稽察不同，端到端智驾需要的视频数据获得资本和难度极高。以特斯拉为例，目下其FSD累计学习的东说念主类驾驶视频片断特等2000万个，而这一范围的数据仅采集资本就需要50亿元至80亿元。

另一方面，端到端需要广泛算力的支柱。自动驾驶触及激光雷达、图像感知以及V2X车路协同等时代与处置有磋磨。广泛的算力不仅有益于及时处理海量数据，裁汰数据传输延长，还可更好地支柱面向智谋城市、智谋交通、高等别自动驾驶等全场景。相关词，华为车BU、百度极越、蔚来、瞎想、吉祥、长城、小鹏等国内企业算力增长目下均濒临较大瓶颈。

问题还在于，算力与数据的制约又会显耀影响算法的发展。天然国内学术界建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宗旨，然而在开环考据体系、小体量样本数据下竖立的UniAD，上车还需要一定时刻的工程化编削和大范围数据稽察。

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采集黑箱，在获得更高上限的历程中让渡了一部分传统模块有磋磨具备的可清楚性。如安在自动驾驶系统中保留可清楚性，将那些不应被特等的司法，比如别闯红灯，表征到神经采鸠集去，保证端到端能安全地落地愚弄、进化，也将是规控工程师们的迫切课题。

攀高珠峰有两条阶梯：一条是中国西藏的北坡男同 打屁股，另一条是尼泊尔的南坡。岂论聘请从南坡如故从北坡攀高，最终都将到达合并个顶峰。这与刻下自动驾驶的发展旅途有相似之处。天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，但这并不妨碍企业立异探索。毕竟端到端能够比传统模块化步地更好地处理顶点案例，况且代表了一种减少东说念主工编码依赖的更高效的念念路。基于这个旅途，或者自动驾驶能够通往更高阶段。(本文开端：经济日报 作家：杨忠阳)