端到端搅局，自动驾驶的商业化分水岭正在显现。

前不久有消息称，通用汽车公司将向其自动驾驶汽车子公司Cruise注资8.5亿美元，以使Cruise的运营持续到明年第一季度，同时该公司也将考虑Cruise下一步的战略和资金安排。

本月的一场会议上，通用汽车首席财务官Paul Jacobson则表示，Cruise正处于非常重要的研发阶段，不仅仅是因为其自动驾驶出租车概念，更是为了实现个人自动驾驶出行。

自去年10月，一辆Cruise的自动驾驶出租车，撞伤并拖拽了一名女性数米远，被吊销了运营无人驾驶汽车的许可证。作为Cruise的母公司，通用汽车暂停了所有自动驾驶出租车的运营。

可见，历经撞消防车、阻挡救护车、集体熄火导致交通阻塞等风波，通用汽车仍继续押注Robotaxi。Cruise不仅获得母公司追加投资，还重启了在美国凤凰城和达拉斯地区的自动驾驶汽车测试，并增加了在休斯顿的测试。

与此前自动驾驶频频遇冷，牵动全行业商业化进度有所不同，端到端等新技术路线的搅局，似乎正在拉开玩家们的商业化差距，烧钱多年的通用汽车和Cruise不得不急。

比如，另一家自动驾驶公司Wayve，不仅实现了在伦敦市中心的自动驾驶，还拿下了软银、英伟达和微软等投资的10.5亿美元C轮融资。

而Wayve的上述成就，本质上得益于其新升级的自动驾驶模型架构，包括四个主要模型：端到端深度学习系统（AV2.0）、Fleet Learning Loop、LINGO模型以及GAIA-1世界模型。

这也意味着，除特斯拉之外，包括Wayve在内的更多玩家，已经初步验证了端到端自动驾驶的可行性，推翻了依赖代码不断改进规则算法，有望打破无穷的长尾场景僵局。

未来通过大量有价值的数据训练系统，结合可解释的传统技术栈或模型，端到端有望提高车端的“智力”水平，使系统驾驶技术达到人类老司机水平，更好地处理复杂的驾驶任务。

目前来看，在自动驾驶或高阶智驾领域，端到端的作用已经显现，并逐渐成为行业共识，具体表现在不少车企、智驾Tier 1们在感知端、决策端已有技术演示和应用。

本质上，用户体验仍然是端到端上车的主驱力，竞争焦点主要为两点：一是解决长尾场景，提升整个系统的安全性；二是实现驾驶风格的拟人化，尤其是动态博弈路/车况下。

比如，随着端到端的加速落地，功能聚焦、拥有更高性能上限、更接近人类驾驶行为的城市NOA，将带动高阶智驾能力迎来新一轮比拼。

对比规则驱动的传统分模块方案，决策层泛化能力差，无法应对未曾编码过的长尾场景，而数据驱动的端到端决策泛化能力强，尤其是对复杂场景的应对能力，有着更高的天花板。

而上述天花板，很大程度由算力和数据决定。

这也将驱动新一轮的最佳计算平台方案竞争，包括算力、对智驾大模型的支持等，进而支持更大的缓存带宽、支持端到端的定制化算子等。

比如，地平线早在2016年便率先提出了自动驾驶端到端的演进理念，2022年提出行业领先的自动驾驶感知端到端算法 Sparse4D；2023年，由地平线学者一作的业界首个公开发表的端到端自动驾驶大模型UniAD，荣获CVPR 2023最佳论文。

与此同时，地平线积累的基于交互博弈的端到端深度学习算法，大幅提升智驾系统在复杂交通环境中的通行效率和成功率。

面向端到端的量产应用，在硬件技术上，地平线专为大参数Transformer而生的新一代智能计算架构 BPU 纳什，能够以高度的软硬协同打造业界领先的计算效率，为自动驾驶端到端和交互博弈提供智能计算最优解。

地平线的端到端技术也已投入产品应用，今年4月份，地平线发布基于征程6P的高阶城区SuperDrive方案，可依靠动态、静态、OCC占用网格三网合一的端到端感知架构，以及数据驱动的交互式博弈算法，做到在任何道路环境下兼顾场景通过率、通行效率和行为拟人。

基于此架构，SuperDrive的遮挡准召率可提升70%，动态代码行数降低90%，网络负载降低50%，能够支持算法供应商做高效迭代，持续提升用户体验，预计2025年实现量产。

地平线认为，端到端是手段而非目的，体验拟人、计算高效、交付敏捷三者缺一不可。通过提供灵活开放的软硬结合全栈技术，地平线将加速推动全行业实现端到端的大规模量产。

不过，即使有相关计算平台支持，自动驾驶的大模型也将拆解成若干个层级进化，包括模型化、端到端，最终实现大模型。其中，模型化方面，头部企业基本完成了感知模型化，但是规控的模型化还未完全做好。

这也意味着，基于原本积累的感知算法基础，规则驱动正在加速转向数据驱动，未来各Tier 1和车企的智驾能力差距将进一步拉大。

比如，鉴智机器人推出的BEVDet，将纯视觉自动驾驶3D感知做到端到端。相比使用Transformer进行image-to-bev投影，BEVDet拥有更优的泛化性能和更少的数据量需求，可大幅度降低对于数据量的需求。

其自动驾驶端到端的最新研发成果GraphAD，采用图模型描述交通场景中复杂交互的端到端自动驾驶算法，对驾驶环境中的交互性元素进行显性建模，使得模型能够更直接、快速的捕捉到相关性信息，显著提升了学习效率和性能。

目前，该模型已成功以实时运行性能部署到量产车载计算平台上。

此外，今年北京车展上，轻舟智航发布了基于地平线征程6打造的轻舟乘风MAX智驾方案，采用端到端的技术架构设计，支持激光雷达接入和轻地图模式，可胜任处理更加复杂的城市场景，打造极致全场景NOA体验。

元戎启行也对外展示了其即将量产的高阶智驾平台DeepRoute IO，以及首款基于DeepRoute IO的解决方案，采用NVIDIA DRIVE Orin系统级芯片，200+TOPS算力，1颗固态激光激光雷达，11颗摄像头，为无高精地图的端到端方案。

有消息称，元戎启行端到端自动驾驶方案已经获得长城汽车的定点项目，并与英伟达开展合作，预计2025年适配英伟达Thor芯片。近日，元戎还与比亚迪达成合作，负责其POC端对端智能驾驶项目。

作为自动驾驶的终局，端到端被寄予厚望，但难以一蹴而就。

在地平线算法平台总架构师穆黎森看来，做到完全端到端大模型之前，业界可能会经历一个里程碑，即在感知环节输出相对完整的对周围世界的理解，而后进一步提升数据驱动对规则算法的替代程度。

即在比较坚实的工程量产基础上做系统的快速迭代，一边提升系统的上限，同时也能够把握一些基于规则的基础功能的正确性，保证系统性能的下限。

“端到端的优势在于提升了某些场景的表现上限，但保证系统的性能下限相对困难，业界还需要用产品和体验，证明端到端确实能够带来正向提升。”穆黎森表示，这个过程也会驱动针对端到端的计算方案的发展，为端到端提供最优的计算效率。

可见，基于端到端模型提供更拟人且灵活的处理，原有的模型和规则可以保证安全，未来几年端到端模型和原有模型将在智能驾驶领域相辅相成。

毕竟即使是端到端的标杆特斯拉FSD V12，虽在此前的直播中表现不错，各种场景处理非常丝滑，但也会犯闯红灯、撞到马路牙等低级错误。而在上一代方案中，很少出现此类错误。

事实上，特斯拉也不敢完全依赖端到端。有特斯拉车主从FSD软件包中发现，V12仅适用于城市场景，高速场景还是用V11。

这也意味着持续提升端到端方案的下限，使其表现优于原传统方案，也是一座需要业界征服的里程碑。

而作为端到端的养料和难点，优质数据的搭建和收集也至关重要。

在自动驾驶领域，训练模型需要的数据是与物理世界相关的视频，因此需要模型理解更多物理规则，但也要避免用更多的数据、算力训练更大的模型，陷入智驾能力不升反降的瓶颈。

即使是已经有数百辆车在路上跑的特斯拉，也坦言如今每10000公里的行驶数据，只有1公里能训练模型，且每训练一遍，都需要消耗大量算力。

目前，特斯拉还在开发更强的仿真系统，生成各种数据训练世界模型，以利用视频生成和预测技术理解驾驶场景，并从这些场景中学习驾驶行为和策略，以强化端到端。

但依赖世界模型去长尾场景，可信度仍需提高。

例如，Wayve用于解决自动驾驶长尾问题的模型GAIA-1，去年6月推出GAIA-1早期版本后，就有相关研究人员指出，模型生成的视频中，会有一些元素在后续“突然消失”。

虽然同年10月，Wayve更新了GAIA-1，不仅扩大了参数规模，还增加了训练时长，模型生成视频的细节和分辨率都有明显提升，目前是否完全克服了“元素突然消失”的问题，还有待充分验证。

可见，距离业界完全实现端到端落地还道阻且长，不仅诸多技术难题待解，还极度烧钱。

但基于端到端的广阔前景，资本亦展示出了高涨的热情。去年开始，与端到端相关的智驾Tier1、自动驾驶卡车公司、芯片企业、合成数据商等陆续拿下新一轮融资，亦推高了行业泡沫。

或许在未来的两三年里，历经几轮去泡沫，待寡头效应突显，端到端的格局才更清晰。