在2024年北京車(chē)展上，端到端模型迅速成為智能駕駛領(lǐng)域的熱門(mén)話(huà)題，占據了行業(yè)的焦點(diǎn)。

自特斯拉推出其端到端技術(shù)以來(lái)，該技術(shù)方案便在業(yè)界引起了廣泛的討論和爭議。經(jīng)過(guò)一年的發(fā)展和市場(chǎng)驗證，特斯拉的FSD V12版本已經(jīng)贏(yíng)得了行業(yè)專(zhuān)家的普遍認可，其在模擬人類(lèi)駕駛行為方面的精準度有了顯著(zhù)提升。

這一進(jìn)展促使越來(lái)越多的廠(chǎng)商開(kāi)始信任并積極投入到端到端智能駕駛解決方案的研發(fā)中。在本屆車(chē)展上，眾多企業(yè)展示了他們在端到端技術(shù)上取得的突破性進(jìn)展和創(chuàng )新成果。

端到端技術(shù)的浪潮已經(jīng)到來(lái)，標志著(zhù)智能駕駛新時(shí)代的序幕，為汽車(chē)行業(yè)的未來(lái)描繪了一幅充滿(mǎn)機遇的廣闊藍圖。隨著(zhù)端到端技術(shù)的興起，量產(chǎn)能力正面臨前所未有的挑戰。在這一技術(shù)對數據需求不斷增長(cháng)的背景下，量產(chǎn)的速度和效率正成為行業(yè)競爭的新焦點(diǎn)。

然而，提出端到端模型并計劃最先量產(chǎn)的是一家成立僅有5年的創(chuàng )業(yè)公司元戎啟行。該公司CEO周光宣布已經(jīng)和多家主機廠(chǎng)合作，計劃今年將端到端模型推入消費市場(chǎng)。

為什么是端到端？

端到端智能駕駛技術(shù)致力于使智能駕駛系統具備與人類(lèi)司機相似的智能和問(wèn)題解決能力，這與傳統的模塊化架構有本質(zhì)的區別。

模塊化架構將感知、決策和規則作為獨立的模塊，依賴(lài)工程師編寫(xiě)的固定規則，并且模塊間的交互協(xié)議是基于工程師經(jīng)驗抽象出來(lái)的。這種設計不僅會(huì )在信息傳遞時(shí)造成損失，還會(huì )使得整個(gè)系統程序復雜化，難以維護，并且過(guò)度依賴(lài)人工標記的高精地圖，這嚴重限制了智能駕駛技術(shù)在多樣化場(chǎng)景中的應用和落地速度。

與此相對，端到端技術(shù)通過(guò)整合智能駕駛系統中的感知、預測、規劃等模塊，并利用海量數據進(jìn)行訓練，實(shí)現了自我學(xué)習和優(yōu)化，從而在數據輸入到?jīng)Q策指令輸出的過(guò)程中保持了高效率和準確性。這種技術(shù)能夠更好地模擬人類(lèi)司機的決策過(guò)程，顯著(zhù)提升了智能駕駛系統的適應性和反應速度。

元戎啟行CEO周光透露，公司早在2020年就開(kāi)始減少對高精地圖的依賴(lài)，并于2023年深入部署端到端模型上車(chē)。元戎啟行與特斯拉對人工智能的理解有著(zhù)異曲同工之妙，這一認知與周光本人的技術(shù)出身密不可分。

周光畢業(yè)于美國德州大學(xué)達拉斯分校人工智能和機器人方向，曾在德州儀器、百度美國研究院負責自動(dòng)駕駛相關(guān)項目。用周光的話(huà)說(shuō)，他早在10多年前就已從事AI方面的工作了，而當時(shí)全世界還沒(méi)有什么像樣的人工智能應用。

周光的“反共識思維”

引領(lǐng)元戎啟行邁出先行步伐的是周光的“反共識思維”。最初，當周光提出“無(wú)圖”（無(wú)高精度地圖）方案時(shí)，行業(yè)普遍感到困惑，因為大多數競爭對手的方案都集中在高精地圖技術(shù)上。

同樣地，當他提出端到端模型時(shí)，行業(yè)也充滿(mǎn)了質(zhì)疑，認為沒(méi)有足夠的數據積累是不可能實(shí)現的。在周光看來(lái)，人工智能領(lǐng)域的發(fā)展往往真理掌握在少數人手中。他認為，每次技術(shù)選擇都像是站在一個(gè)分叉路口，一旦選擇錯誤，可能意味著(zhù)一年甚至幾年的努力和投入都將化為泡影。

這正如一些企業(yè)在L4級別的自動(dòng)駕駛技術(shù)上選擇錯誤路線(xiàn)，導致之前的投入都白白浪費了。

周光觀(guān)察到，一些AI公司，包括大語(yǔ)言模型公司，很多由互聯(lián)網(wǎng)時(shí)代的人重新創(chuàng )業(yè)，可能缺乏人工智能的學(xué)術(shù)背景。相比之下，創(chuàng )始人有AI學(xué)術(shù)背景能夠真正理解AI技術(shù)的企業(yè)在技術(shù)決策層面優(yōu)勢更強，因為每次技術(shù)的選擇都至關(guān)重要，錯誤的決策可能導致巨大沉沒(méi)成本。 

同時(shí)周光認為，在人工智能2.0時(shí)代，豐富的行業(yè)經(jīng)驗有時(shí)反而會(huì )成為創(chuàng )新的阻礙，智能駕駛本質(zhì)上是人工智能的應用，應更多地聽(tīng)從AI Explorer的指引。

盡管元戎啟行在技術(shù)路線(xiàn)上并未落后，但周光坦言，在數據量方面與行業(yè)領(lǐng)先者存在差距。他指出，元戎啟行的“無(wú)圖”方案在能力上與特斯拉的FSD V11相近，但與V12版本相比則存在差距，V12版本在模擬人類(lèi)駕駛行為方面更為精準。周光認為，這一差距將會(huì )在量產(chǎn)之后縮小。 

目前，元戎啟行已確定了三家量產(chǎn)客戶(hù)。與傳統依賴(lài)高精地圖的方案不同，端到端模型對數據量的需求更為龐大，這推動(dòng)了元戎啟行向量產(chǎn)邁進(jìn)，以便積累足夠的數據來(lái)訓練和優(yōu)化模型。在高階智能駕駛領(lǐng)域，元戎啟行的方案以高性?xún)r(jià)比和可控性著(zhù)稱(chēng)。 

打開(kāi)通用人工智能之門(mén)

周光進(jìn)一步分析說(shuō)，“端到端的高階智駕市場(chǎng)尚未成為紅海，真正能提供技術(shù)能力的公司并不多。”他表示，元戎啟行既有成本優(yōu)勢，同時(shí)還能確保汽車(chē)制造商（OEM）在選擇技術(shù)方案時(shí)的“安全性”。

對于降本方面，周光認為，盡管激光雷達在識別異型障礙物方面有其作用，但在數據量充足的條件下，可以通過(guò)優(yōu)化算法減少對激光雷達的依賴(lài)，從而降低成本。端到端模型的特性使其不僅適用于智能駕駛，還能遷移到其他機器人領(lǐng)域，實(shí)現技術(shù)的廣泛適用性。

元戎啟行的愿景是實(shí)現物理世界通用的人工智能，而汽車(chē)的智能駕駛只是這一宏偉目標的起點(diǎn)。周光認為，現階段已經(jīng)擺脫了以簡(jiǎn)單規則為驅動(dòng)的AI1.0時(shí)代，正在開(kāi)啟基于數據驅動(dòng)的AI2.0時(shí)代，而AI的3.0時(shí)代就是通用人工智能時(shí)代。

人工智能的2.0時(shí)代包括三個(gè)領(lǐng)域：一是自然語(yǔ)言處理領(lǐng)域，代表產(chǎn)品是OpenAI開(kāi)發(fā)的ChatGPT；二是生成式人工智能領(lǐng)域，代表產(chǎn)品可能亦是OpenAI開(kāi)發(fā)的Sora；三是端到端模型的智能駕駛，代表企業(yè)包括特斯拉、元戎啟行等。

周光提出，為了構建通用的人工智能，必須將大語(yǔ)言模型、端到端模型和生成式人工智能技術(shù)進(jìn)行融合，以賦予系統全面感知、還原、理解和操作世界的能力。在這一愿景中，端到端模型扮演著(zhù)至關(guān)重要的角色。

他指出，盡管以ChatGPT和Sora為代表的大語(yǔ)言模型和生成式人工智能技術(shù)在數據收集方面取得了進(jìn)展，但這些數據并不直接來(lái)源于物理世界的真實(shí)情況，特別是在對臨界態(tài)狀態(tài)的捕捉和詮釋上存在不足。

所謂的臨界態(tài)狀態(tài)，指的是物體的物理狀態(tài)在變化發(fā)生的關(guān)鍵瞬間。如Sora生成的視頻中果汁潑濺的瞬間，雖然能看到潑濺前后的情景，但關(guān)鍵的臨界過(guò)程——果汁從杯中流出的那一刻——卻常常缺失。在機器人感知中，這個(gè)短暫而關(guān)鍵的臨界狀態(tài)非常重要。

智能駕駛領(lǐng)域的端到端模型能夠有效捕捉并展現這種臨界狀態(tài)。因為在車(chē)輛行駛過(guò)程中，會(huì )產(chǎn)生大量符合現實(shí)物理規律的真實(shí)臨界狀態(tài)數據。因此，周光認為，端到端模型是實(shí)現物理世界中通用人工智能的關(guān)鍵組成部分，它能夠利用來(lái)自現實(shí)世界的真實(shí)數據，幫助AI更好地理解和響應各種復雜情境。

目前，元戎啟行正積極籌備C輪融資，并與多家整車(chē)企業(yè)合作，推動(dòng)端到端智駕方案的規模化量產(chǎn)。公司已經(jīng)用數以百萬(wàn)計的視頻、多樣性豐富的數據集去訓練系統，同時(shí)與多家頭部芯片企業(yè)達成深度技術(shù)合作，為性能提供保障。

 聞濤/文