8月20日，理想汽车6.1.0版块更新，并内测了E2E（端到端）-VLM Beta 2.1版块。
据悉，本次更新加多了端到端-VLM系统与NOA系统切换的功能，可感受不同系统的驾驶立场，系统相互切换时刻约为20s。此外，本次更新还迭代了端到端模子，优化了奴隶慢速骑行东谈主不绕行、对邻车谈大车点刹等问题，镌汰系统延长，晋升了系统踏实性。
新动力汽车发展于今，智驾一经成为了“灵魂”，成为了车企们的“兵家必争之地”。
不能否定，比拟2020年前，如今的智驾时刻相配亮眼，但也需要承认，近一两年智驾时刻的发展速率有所削弱，以致谈得上“慢慢”二字。究其原因，中枢照旧在于时刻路子。
当今大多车企智驾时刻架构，照旧沿用更“靠谱”的模块化。然而这种不会“犯错”的时刻路子，也意味着编写多量的代码、不停高企的任务量、信息传递减损......极大的箝制了智驾的后劲和发展。
忽如通宵春风来。在经过数年慢慢前行之后，跟着AI大模子的快速发展，端到端时刻路子的落地，让智驾迎来了新的可能。步入2024年之后，端到端时刻成为头部厂商的新风潮。脚下，包括特斯拉、华为、蔚小理在内，不少玩家皆在加快迭代端到端智驾时刻。
固然各家在更进一步的时刻层面呈现出不同旅途，但这么的集体鼓吹，却让东谈主类智驾时刻靠近了质变“临界点”。
什么是“端到端”？
一直以来，对于杀青系数自动驾驶，业内有两种不同的声息，一种是模块化，一种则是端到端。
就当今而言，主流的智能驾驶系统广大利用了模块化，行将自动驾驶任务领会为感知、预计和经营三个独处的模块，随后通过系统集成来杀青自动驾驶功能。
模块化时刻架构，能够将复杂的自动驾驶任务简化为多个相对容易处理的子任务，灵验镌汰了系统开发的复杂性。由此构建的系统具备较高的可施展注解性，允许对每个模块的输入和输出进行详备的分析，一朝发生故障，不错快速定位到问题所在。
固然上风彰着，但这种方法也存在不少遗憾。
首当其冲的是，模块化时刻架构需要编写多量的代码，何况在系统筹划历程中过度依赖东谈主为的先验常识。而这无疑箝制了自动驾驶系统的后劲，导致其泛化才略不及，面对未知场景往往时难以灵验应答。尤其是在国内复杂的谈路环境下，局限性较大。
此前何小鹏在接受《逐日经济新闻》采访时暗意：“模块化智驾决议从时刻上说，汽车在感知、定位、经营、箝制方面皆是分开处理的，每一个技艺并没关连联。因此车辆在遭受一些场景的时候会因为东谈主类写入的章程相互博弈而产生徬徨。”
与模块化时刻架构有很大不同巨臀 porn，“端到端”指的是一个AI模子，只须输入原始数据就不错输出最终收尾。
将端到端利用到智能驾驶边界，意味着只需要一个AI模子，就能把录像头、毫米波雷达、激光雷达等传感器齐集到的感知信息，调度成车辆场所盘的动弹角度、加快踏板的踩踏深度以及制动的力度等具体操作领导，让汽车杀青自动行驶。
对比之下，模块化自动驾驶系统要一步步来，先识别路标，再预计其他车辆的动向，临了才决定如何开。而端到端时刻却能一气呵成，把感知到的一切皆平直回荡为活动。
何况，由于大模子会将当年的路跑教学领受保留，还会使用当年的数据反复想考某场景下如何行驶最佳，因此在多量的数据齐集下，端到端应答各样场景将会越来越纯真。
乱伦图片换言之，端到端无需设施员编写冗长的代码去制定例则，也不会出现信息传递减损，处分了模块化模子存在的中枢“痛点”。
颇具上风，但挑战也多
借助大模子时刻的深刻利用，端到端自动驾驶系统的上风日益彰着，为自动驾驶时刻的进一步发展提供了一条高效果路子。
然而，对于押注这一时刻路子的玩家们来说，仍然要濒临不少挑战。其中，摆在玩家们咫尺的第一谈难关，即是数据。
大模子需要大数据，实质上来讲，端到端自动驾驶是海量驾驶视频片断的学习皆需要极大限度的高质地数据，而数据的采集、清洗、筛选皆是难点。
特斯拉CEO马斯克在旧年的财报会上曾提到数据在自动驾驶方面的要紧性：“用100万个视频case历练，强迫够用；200万个，稍好一些；300万个，就会感到Wow（艳羡）；到了1000万个，就变得难以置信了。”
放手旧年，特斯拉一经分析了从特斯拉客户的汽车中齐集的1000万个视频片断（clips），他们判断完成一个端到端自动驾驶的历练至少需要100万个、分散各样、高质地的clips本领宽泛责任。
要知谈，特斯拉在新动力边界的商场占有率至极高，单以国内商场来说，2023年纯电动车名次中，特斯拉以市占率19.9%夺冠，而比亚迪位居第二。脚下特斯拉采集的数据量皆不够用，试想其他车企又有些许数据可用？
况且，并不是通盘的行车数据皆不错用来历练端到端模子。有自动驾驶工程师就发现，底本齐集的路测数据唯有2%可用。如何从海量数据中找出不错用于历练的灵验数据，这又是一谈难关。
除了采集、筛选这两谈高门槛以外，数据的沟通也对玩家们的算力限度提议了条款，厂商们需要不停晋升GPU的采购限度，而这也意味着端到端模子的历练资本至极崇高。
不啻于此，端到端时刻不得不面对更难办的问题——黑盒子不能施展注解。
前文说到，模块化时刻架构下，决策历程是透明的，决策造作是不错准细目位的。但端到端时刻，从输入到输出，这中间的历程却无法透明化。
试想，要是自动驾驶车辆在蹙迫情况下作念出了症结的决策，东谈主们却无法交融其背后的逻辑，也无法马上准细目位原因，这意味着要付出极大的安全代价。
路子各有不同
固然挑战不少，但在AI智驾趋势下，端到端大模子照旧“上车”，成为了玩家们追赶的新玩法。而站在时刻线上，端倒端这一想路最早是由特斯拉提议。
2023年12月，特斯拉的智驾工程师Dhaval Shroff向马斯克提议建议，抛掉手写章程，搭建一张神经齐集，让它多量不雅看东谈主类司机的驾驶视频，并自行输出正确的行驶轨迹。
直到本年1月，秉承端到端架构的FSD V12崇拜向北好意思用户推送。据先容，这一版块使用的恰是单个端到端的神经齐集，即用一通盘这个词囊括输入到输出端的大模子，平直进行历练。
在特斯拉布告FSD V12将秉承端到端大模子之后，国内亦掀翻了端到端大模子利用的飞腾，而紧随特斯拉积极拥抱端到端时刻的是华为和小鹏。
但与特斯拉的单个神经齐集欠亨，华为的ADS 3.0智驾系统，是将大模子拆分为感知与贯通（预计决策经营）两个阶段，串联二者作念历练，分离杀青感知和规控的“端到端”。
至于小鹏，则是国内首个发布量产上车的端到端模子的整车企业。
本年5月20日，小鹏汽车端到端大模子量产上车；7月30日，端到端加握下的XNGP从“宇宙皆能开”崇拜升级“宇宙皆好用”，何小鹏在“小鹏汽车AI智驾时刻发布会”上布告：将向群众用户全量推送AI天玑系统XOS 5.2.0版块。
不外，在具体的时刻路子上，小鹏与华为和特斯拉也有所不同。小鹏的XNGP则分为感知XNet、经营XPlaner、箝制XBrain三个部分。这一作念法等同于将感知、经营和箝制三个模块串联在沿途，用高端的模式搭伙历练。
除了以上三家，还有不少玩家也启动选拔端到端。比如本年蔚来单独开荒了一个大模子部，成心负责端到端的模子研发。
包括理想，在本年5月裁人中也保留了算法研发团队：由贾鹏经管，主要负责无图城市NOA的研发、落地，以及端到端智驾的预研。
不管选拔什么样具体路子巨臀 porn，也不管究竟谁在参与，提高驾驶安全性和方便度恒久皆是智驾的中枢。固然脚下端到端模子的比拼愈演愈烈。但对于铺张者来说，历程约略不那么要紧，收尾才是。