3月16日開始，特斯拉向全美訂購和訂閱用戶推送FSD Beta V12.3版高階輔助駕駛功能，意味著，特斯拉端到端自動駕駛開始體驗了。
2023年被稱為“智駕元年”，因為L2+級輔助駕駛有了更深層面的突破，“重感知，輕地圖”已成為新的發(fā)展方向。到了2024年，隨著華為ADS 2.0實現(xiàn)無圖NCA，以及特斯拉美國推送的端到端體驗，“純感知”是不是會成為今年智駕領(lǐng)域著重的發(fā)展方向。
馬斯克曾在社交媒體上表示，更新的V12是為FSD端到端AI保留的，從圖像輸入到轉(zhuǎn)向、剎車和加速輸出。而端到端為什么有改變智駕的能力，就因其更簡便，真實的大數(shù)據(jù)，和學(xué)習(xí)能力更強的AI大模型。
去高精地圖后，智駕走向了端到端？
對于用戶來說，很多人不了解智駕的端到端是什么。通俗來說就是“感知決策一體化”，也就是將“感知”和“決策”融合到一個模型中，比如ChatGPT就是一種端到端模型。
當(dāng)下主流的智駕系統(tǒng)，幾乎均采用模塊化模型，也就是把感知、預(yù)測、規(guī)劃分為三個獨立的模型，每個模型相對獨立，并且處于下游的規(guī)劃模型需要依賴工程師編寫大量代碼去制定行駛規(guī)則，這也是為什么目前的智駕不“擬人”的感覺。
另外，這種獨立模塊的系統(tǒng)，進行一整套流程時，信息傳遞會出現(xiàn)缺失，再加上系統(tǒng)程序過于復(fù)雜，導(dǎo)致維護難度較大，同時也無法在復(fù)雜路況下應(yīng)用。
總結(jié)來說，模塊化模型，每個模型都要進行專門的訓(xùn)練、優(yōu)化、迭代，隨著后期維護越來越困難，需要投入的精力和成本就越來越大。另外，各獨立模塊如果有一方出現(xiàn)偏差，就能導(dǎo)致下面的方案全部出現(xiàn)偏差，導(dǎo)致執(zhí)行錯誤。
而端到端，用一個模塊來實現(xiàn)所有功能，也就是“沒有中間商”，減少了信息傳遞錯誤，信息的輸入和輸出直接。好處正好與模塊化模型相反，只需要對一個模型進行訓(xùn)練和優(yōu)化，輸入信號可直接輸出控車信號。
當(dāng)然，端到端也并非沒有缺點。端到端非常吃數(shù)據(jù)，怎么理解，兩方面。
一是端到端智駕如果出了差錯，研發(fā)人員是無法從中得到確切原因的，也就是說一個模塊集中的功能過于豐富，看似執(zhí)行變得簡單，但中間省略的步驟，也能導(dǎo)致問題數(shù)據(jù)無法得到分析。解決辦法就是通過不斷地訓(xùn)練、增加參數(shù)量來提高模型的準(zhǔn)確率，可以理解為，這與是否存在完美的軟件，是一個道理。
二是端到端的訓(xùn)練較難。如果說傳統(tǒng)的感知模型訓(xùn)練，是標(biāo)注有用的信息，相當(dāng)于小學(xué)或初中水平，而端到端就是要深度學(xué)習(xí)駕駛行為，能掌握擬人的駕駛邏輯，需要更大的思維發(fā)散，而不是固定思維。就好比，感知模型在進行固定程式的科目三考試，而端到端則是拿到駕照后上路練車的過程。
上述兩個點的核心就是，端到端深度學(xué)習(xí)和規(guī)避問題的辦法，需要大量數(shù)據(jù)支撐，這些數(shù)據(jù)還必須是高質(zhì)量有效數(shù)據(jù)。
雖然端到端對數(shù)據(jù)的需求更苛刻，但相比感知模型，其性能上限更高。也就是說，未來想要實現(xiàn)更高級別的自動駕駛，端到端是更好的解決方案。
端到端是更便宜的“代駕”？
特斯拉FSD全套需要6.4萬元，是目前最貴的智駕解決套裝之一，是不是意味著，未來端到端正式商用，這套技術(shù)會更貴？實際上，不管是對企業(yè)還是用戶，端到端上車，開發(fā)成本和購買成本，應(yīng)該更低。
從企業(yè)角度看，端到端在研發(fā)、維護和訓(xùn)練上相比感知模型要更節(jié)省成本，畢竟不需要多線支出，僅對這一個模型開發(fā)就好。但另一個方面對于大數(shù)據(jù)，超大容量的數(shù)據(jù)存儲，需要較高的成本支出，但感知模型也需要這部分成本，只不過相對較低。
從產(chǎn)品角度看，端到端智駕特性就是不需要激光雷達參與，但對攝像頭和芯片算力的要求更高，這也是特斯拉今年升級了HW4.0，并將前風(fēng)擋攝像頭像素由120萬提升至500萬，并提升了FSD芯片架構(gòu)。
特斯拉雖然將在4月1日漲價，但僅針對Model Y一款車型，也就是說智駕軟硬件升級并沒影響到特斯拉售價。
而感知模型解決方案，目前能實現(xiàn)高階智駕的，幾乎都配備激光雷達。雖然激光雷達今年的成本價下探至2000元到3000元，但這個成本也會隨車價轉(zhuǎn)嫁到用戶身上。也就是說，雖然用戶購買FSD全套價格，要比其他智駕系統(tǒng)要貴，但整車硬件上，特斯拉可以做得更便宜。
目前在國內(nèi)，包括華為、小鵬、理想、蔚來、百度等企業(yè)都想在端到端上發(fā)力，但什么時候落地成了問題。特斯拉在全美發(fā)出的推送，也僅是一小部分的功能體驗，有消息稱，想完全商用最早要2025年能落地。國內(nèi)車企基本采用跟隨態(tài)度，由此來看，今年端到端落地商用的概率幾乎沒有。
如果端到端明年能實現(xiàn)商用，且法規(guī)允許，相比現(xiàn)在的模塊化模型，端到端硬件上車成本會更低，同樣的產(chǎn)品對比，端到端上車的會賣得更便宜。
即使目前還有包括大數(shù)據(jù)模型如何穩(wěn)定上車，以及還需要大量的路測等這些問題，但端到端智駕已經(jīng)成為智駕行業(yè)的下一個熱點。畢竟從企業(yè)出發(fā)，端到端開發(fā)維護成本更低，從用戶角度出發(fā)，端到端能進一步改善智駕成本，買車也就會更便宜。另外，更“擬人”的智駕，從體驗角度上要比機械化的智駕體驗更好，并且端到端學(xué)習(xí)能力更強，能適應(yīng)更復(fù)雜多樣的路況。
結(jié)語：
端到端看起來不像是新的智駕解決方案，更像是模塊化智駕終結(jié)方案。模塊化智駕無論是高精地圖成本、開城瓶頸、體驗瓶頸，需要一一解決，而端到端，并不需要涉及這些。總而言之，端到端去掉了模塊化智駕所有的麻煩，一旦解決大數(shù)據(jù)和穩(wěn)定性問題，未來的智駕主流，就是它了。