端到端“上车”,2025将是关键之年
得益于特斯拉的标杆引领作用,自动驾驶领域正掀起一股端到端布局热潮。
纵观市场,当前以蔚来、小鹏、理想等为代表的整车厂,以及元戎启行、商汤绝影、小马智行、鉴智机器人等在内的自动驾驶产业链公司,都在争相研发端到端自动驾驶,以实现更出色的智驾体验,以及功能进阶。
据辰韬资本联合南京大学上海校友会自动驾驶分会、九章智驾共同发布的《端到端自动驾驶行业研究报告》显示,基于自动驾驶行业头部玩家纷纷提出端到端量产规划,预计模块化端到端系统将于2025年开始上车。
而真正的One Model端到端系统,作为广泛认定的端到端终局方案,由于需要更多模型、数据、训练算力和芯片层面的升级,中性预期其落地时间会晚于模块化端到端1~2年时间,从2026年至2027年开始上车量产。
作为一种新的技术路径,端到端因为可以实现感知、预测、规划三个模型的高度融合,并通过海量数据持续训练算法,让机器拥有自主学习、思考和分析的能力,目前普遍认为可以更好地处理复杂的驾驶任务,从而带来自动驾驶体验提升。
以特斯拉为例,其城市NOA软件FSD 以前版本只有 2% 左右的订阅率,但是自 2024年3月特斯拉开启引入了“端到端神经网络”技术的FSD V12大规模推送和免费试用后,据马斯克透露,其订阅率有大幅度提升。许多用户表示,特斯拉 FSD V12 在施工路段、无保护左转、拥挤的环岛以及为后方车辆挪动空间时表现优异。
不仅如此,由于该算法架构的强泛化性,端到端还被认为有可能驱动自动驾驶跨车型、跨地理区域、跨国家、跨场景的应用,在智驾出海中将大有可为,甚至催生新的产业分工和商业模式。
当前,智能驾驶公司在出海时遇到的一个普遍的问题是,由于目前不同国家地区的驾驶场景、交通规则都有较大差异,因而,场景适配所需的工作量极大。而端到端的强泛化能力,有望大大减少这一差异带来的资源投入,进而加速智驾公司在不同场景、不同国家或地区的应用。
不过,尽管端到端在自动驾驶领域应用前景广阔,这一全新架构面临的落地挑战亦不容忽略。
《报告》指出,目前端到端自动驾驶在落地方面主要面临技术路线分歧、对训练数据需求量空前提升、对训练算力需求越来越高、测试验证方法尚不成熟、组织资源重塑等多重挑战。
在技术路线方面,现阶段无论是“ 模块化端到端”还是面向终局的“One Model 端到端” ,都有相应的追随者,并且由于行业内尚未出现可供参考的最佳实践案例,预计这种路线分歧还将持续一段时间。未来 1~2 年内,随着更多公司和研究机构在端到端领域加大投入并推出产品,技术路线才会逐渐收敛。
数据方面,端到端自动驾驶更是在数据量、数据标注、数据质量和数据分布等多个维度提出了更高的要求。小马智行 CTO 楼天城就表示,现阶 段,训练出一个一般性能的端到端模型,自动驾驶的数据量已经不是一个问题; 但是要训练出一个高性能的端到端模型,对数据的质量要求可能是几个量级的提 升,这是自动驾驶行业都会面临的挑战。
另外,测试验证方面,现有测试验证方法不适用于端到端自动驾驶,行业亟需新的测试验证方法论和工具链;组织资源投入方面,端到端需要组织架构重塑,也需要将资源投入倾斜到数据侧,对现有模式提出挑战。
也正因如此,尽管业界已经对端到端重构自动驾驶形成普遍共识,目前的量产方案大多仍停留在“决策规划模型化” 阶段,距离模块化端到端或 One Model 端到端自动驾驶真正规模化落地还有一段距离。