2024，高階智駕到底比拼什麼？
4月28日，“閃電”訪華不到24小時的馬斯克收到了他念茲在茲的“大禮包”。
當天，中國汽車工業協會發布《關於汽車數據處理4項安全要求檢測情況的通報（第一批）》，特斯拉Model 3和Model Y兩款國產車赫然在列，也是目前唯一一家符合該要求的純外資品牌。
這爲特斯拉FSD落地中國（Full Self Driving，完全自動駕駛）逐步掃清障礙。隨着各地限停限行陸續解除，帶有“錘子”標識的車進入機關大院不再被禁。
而對國內高階智駕領域的玩家來說，就像多年前“鮎魚”攪動春水一般，商業生態可能被重構，市場格局可能被改寫，新一輪洗牌局的大幕轟然拉開。
2024，車圈狂卷“端到端”
錨定特斯拉FSD V12版本，“端到端”三個大字牢牢焊死在2024車圈“風口“，並推動高階智駕“卷”上新臺階。
身處摧枯拉朽的浪潮中，所有頭部參與者都不約而同地轉向端到端智駕路線，並視其爲狙擊對手、裁奪週期的“大殺器”，即只用一個模型，就能把攝像頭等傳感器收集到的感知信息變成車輛方向盤怎麼轉、油門踩多少等操作信號，讓汽車自動行駛。
5月20日，小鵬汽車在北京舉辦“AI DAY”，宣佈即日起開始向用戶推送基於端到端大模型的智能駕駛和智能座艙系統，成爲中國市場首家正式向用戶推送端到端大模型應用的企業。
除了小鵬汽車，小米汽車已推送端到端的智能泊車；蔚來表示將在上半年上線“基於端到端”的主動安全功能；理想在4月的英偉達GTC2024上闡述了端到端架構設想；華爲預計在6月上市的享界S9上首發端到端的ADS 3.0智駕系統。
4月15日，在長城汽車董事長魏建軍的直播首秀中，來自毫末智行、元戎啓行的端到端智駕方案引發外界關注。
爲什麼新舊勢力都在押注“端到端”？說到底，還得歸結於效果。高階智駕從“高速NOA（Navigate on Autopilot自動輔助導航駕駛）”進化到“城區NOA”，因爲後者的種種不足，較大程度地掣肘消費者的體驗，動搖其買單決心。
《2024麥肯錫中國汽車消費者洞察》報告顯示，消費者對各類自動駕駛功能的興趣正在提升，但願意爲之額外付費的意願卻在下降；其中一線城市的付費意願下降尤爲明顯。
地平線創始人、首席執行官餘凱指出：“高速NOA可以說已經做到了好用，或者說剛到好用的階段，但是否做到了讓客戶愛用，還要打個問號。而至於城區NOA，現在恐怕還達不到可用的門檻。”
背後的原因不難理解。
高速NOA、城區NOA，雖然只是兩個字的差距，但是表達的意義、涉及的範圍卻有很大不同，用戶感受亦如雲泥之別。
節點財經總結，大概有以下幾點：
相對高速公路，城市的路況更加複雜且干擾多，需要處理信號燈、行人、自行車，以及施工區域、惡劣天氣、臨時管制等諸多突發事件，這給自動駕駛的識別造成極大的挑戰。
特別在我國的城市路況中，車輛的極限加塞、變道、超車等不規範行爲，公交、客車、卡車等大型車輛切入等情況比較頻繁，又增加了道路交通的不確定性，這些長尾場景的存在讓自動駕駛很難保證百分百的絕對安全。
成本過高、全場景NOA受高精地圖覆蓋限制。
不少車主都反映，現階段的城區NOA噱頭大於實際，基本二、三十公里就得人工接管一次，離“輕鬆便捷”相去甚遠，以常見的路口轉彎爲例，啓動城區NOA功能後，動輒就會遇到系統fullstop或者行駛軌跡異常生硬等各種問題，導致自動駕駛的流暢性和可靠性不佳。
如何讓高階智駕走向可用、好用？在首席激勵師馬斯克的推介下，更具人化思維的“端到端”模型亮相舞臺中央，掀起風起雲涌之勢。
“端到端”路線，讓AI化身司機的“良藥”？
事實上，端到端並不是一個全新的概念。在人工智能賽道，它是一種普遍使用的方法。核心思想是將整個任務的流程簡化爲一段輸入到輸出的映射過程，通過單一的計算模型來實現。
比如在各種AI翻譯、語音轉文字應用中，端到端都扮演了關鍵角色：原始數據被送進一張深度神經網絡中，經過一系列運算後，直接給出最終結果。
不置可否的是，“端到端”模型的加碼，爲AI像人類司機一樣開車，提供了新的解法，打開了新的窗口。
元戎啓行CEO周光表示：“端到端模型的應用將會顛覆汽車的工具屬性，讓汽車變成一個善於思考、推理的出行機器人。對汽車產業鏈而言，端到端模型將會改變汽車的盈利模式，提高消費者爲智駕系統付費的意願。”
迴歸到理論“原點”，傳統模塊化智能駕駛系統的設計，將整個自動駕駛流程拆分爲感知、預測和規劃等多個獨立的功能模塊，每個模塊負責處理特定的工作。
雖然這種方法在早期的自動駕駛技術發展中起到了積極作用，但也暴露出了一些明顯的弊端，包括信息傳遞的減損，系統維護的繁瑣，應對城市交通的多變性和不可預測性時，缺乏整體的協調和靈活性等。
相比之下，端到端路徑則憑藉海量數據訓練系統，賦予機器自主學習、深入思考和全面分析的能力，加速高階智駕技術向高度擬人、“類人”升騰，即懂人、識物、辨路，能夠對所見到的情境作出本能、絲滑的反應。
就像成排的錐桶、靜止水馬、倒地的大樹、側翻的車輛、山路滑坡的大石碎石、路邊運輸掉落的紙箱等障礙物，自動駕駛會判斷、處理，“凡是擋道的，一概在我的視線掃射範圍內，要及時避讓或繞行。”
在這一塊發力的除了蔚小理、長城等衆多整車製造車企，還有毫末智行、元戎啓行、地平線等產業鏈企業。
元戎啓行從2023年就推出了不依賴高精地圖的智駕路線，讓模型感知道路拓撲結構，讓預測和規劃由規則驅動變成了數據驅動。
運用元戎啓行端到端模型的道路測試中，在停車的狀態下，車輛“看到”後車打轉向燈，會主動禮讓對方右轉；如果遇到前方有多輛車違停，該車不會呆板地趴在後面傻等，而是能夠“腦補”前車的行駛意圖，觸發“此路不通，另擇他路”的動作。
地平線的起步更早。其在2016年便率先提出了自動駕駛端到端的演進理念，並在2017年就開始採用訓練端到端系統，同時發佈軟件框架Hugo。
2022年，地平線又提出行業領先的自動駕駛感知端到端算法Sparse4D，2023年，由地平線學者一作的業界首個公開發表的端到端自動駕駛大模型UniAD，榮獲CVPR 2023最佳論文。
論文中， UniAD 框架被首次提出，成爲業界首個感知決策一體化的自動駕駛通用模型。
毫末智行則採取分解端到端大模型的方式逐一突破：先解決感知問題，即讓模型看懂世界，再解決認知問題，即做出駕駛決策。
這樣做的好處一是順序分明，獨立訓練、優化，然後通盤調和、集成，降低訓練難度，更精細地調試性能；二是在不同節點有針對性地選用不同類型的數據，降低訓練成本。
得益於先驅者的努力，城區NOA從“可用”走向“好用”，直至“愛用”，有了更適應的底層邏輯和現實礎石的支撐，高階智駕的比拼也將迎來新節點。
“端到端”背後，到底要比拼什麼？
當下，“端到端”路線無疑是高階智駕領域的確定性趨勢。但想要讓該功能被大衆廣泛接受，真正普及化，充足性能的硬件架構、算力和強勁的軟件算法纔是關鍵。
一方面，基於智能駕駛技術的不斷髮展，對車規芯片的功耗、速度等都提出更高要求，並且具有極強的科技前瞻性。
這也是爲什麼，芯片廠商一直強調，至少要看到 5 年後車企的需求。
今年3月，元戎啓行宣佈與英偉達達成合作，將於2025年採用DRIVE Thor芯片適配公司的端到端智能駕駛模型。
另一方面，行業從“軟件定義汽車”躍遷到“軟件定義芯片”，軟件愈發彰顯出中樞價值，發揮的作用越來越重要。
值得注意是，不滿足於只做芯片，巨頭英偉達正暗戳戳佈局智駕。
自去年底發佈在中國招聘自動駕駛人才的信息後，涉及自動駕駛軟件組、自動駕駛平臺組、系統集成&測試組、地圖&仿真組、產品組五大條線的25個崗位，英偉達相繼招攬來小鵬汽車智能駕駛的靈魂人物吳新宙，百度 L2+業務的車端整體軟件架構以及規控和車輛交互技術負責人羅琦等超級“大牛”。
2024年3月，英偉達推出新一代人工智能芯片和用於運行人工智能模型的軟件。
一個領域“頂層設計”的更新，往往是由“執牛耳者”將漣漪變爲浪潮。之所以這麼說，是因爲龍頭企業有其特殊性，代表的是將來時、“風向標”、“鏈主”。
換言之，英偉達的舉動，也將深刻影響行業的走向：明確競爭的“護城河”、樹立未來的增長指引、描摹成長的藍圖。
更直白地解釋，軟硬結合已確鑿爲高階智駕的“勝負手”，通向“明天”的階梯。
以此爲“風向標”，本土供應鏈上的各路人馬各有側重地展開了激烈的逐鹿：芯馳聚焦智能座艙和智能車控芯片，搶食高通和英飛凌的“蛋糕”；黑芝麻智能專注於視覺感知技術與自主IP芯片開發，主攻嵌入式圖像和計算機視覺；後摩智能畢其功於存算一體技術的大算力計算芯片；元戎啓行和毫末智行致力於自動駕駛的人工智能技術；地平線奮力開拓中……
這其中，地平線堪稱獨特個例，它並沒有非此即彼，而是很早就探索並踐行了以軟件爲牽引力，以硬件爲推進力，兩手抓、兩手硬的智駕策略。
於4月底的北京車展上，地平線推出加載端到端技術的量產級高階智能駕駛系統SuperDrive，有效提升智駕系統在複雜交通環境中的感知和交互式博弈能力。
在一段演示視頻中，SuperDrive體現出“更像人”的特徵：針對不同路口變道，可以根據對向或旁車道車流進行不同曲率的內切、外切；在碰到行人、兩輪車時會主動繞行或減速避。
據悉，SuperDrive將智駕系統的遮擋準召率提升70%，擁堵場景下的變道成功率提升50%，路口通行效率提升67%。
在計算方案層面，兼顧性能體驗和量產效率的征程6旗艦版同步祭出，包括征程6B、征程6L、征程6E、征程6M、征程6H、征程6P，算力在10+TOPS-560TOPS之間。
SuperDrive系統和征程6芯片軟硬協同，爲車企快速上線各城區NOA功能，高效拓城奠定基礎，也很自然地爲地平線邁向更紮實的遠方插上翅膀。
迄今爲止，這場以“端到端”爲中心的拼殺還在繼續，角力的烈度仍在加劇。
顯然，高階智駕賽道的贏家還沒有出現，業內也翹首以待。