在AI大模型技術(shù)蓬勃發(fā)展的背景下，智能駕駛領(lǐng)域正經(jīng)歷一場深刻的技術(shù)變革。過去，車企在探討智能駕駛時，往往聚焦于算法與芯片算力的提升。然而，隨著AI大模型的廣泛應(yīng)用，自動駕駛的技術(shù)路徑迅速演進(jìn)，從CNN、RNN、GAN等傳統(tǒng)模型，邁向了Transformer大模型的新階段。這一轉(zhuǎn)變，使得曾經(jīng)主流的輕高精地圖城區(qū)智能駕駛方案，逐漸被“端對端”技術(shù)所取代。

特斯拉作為先行者，率先將端對端技術(shù)應(yīng)用于FSD V12上，并取得了顯著成效。隨后，問界、理想、小鵬等車企紛紛跟進(jìn)，端對端智能駕駛?cè)缤旰蟠汗S般在智能汽車行業(yè)迅速涌現(xiàn)。小米、零跑、蔚來等車企也相繼公布了自家的端對端解決方案，標(biāo)志著端對端智能駕駛已成為行業(yè)的新風(fēng)口。

從技術(shù)角度看，端對端技術(shù)具有迭代快、路徑短、信息損耗小的優(yōu)勢，對加速L4級智能駕駛的到來具有重要意義。通過將感知、規(guī)劃與控制三大模塊整合在一起，端對端模型消除了模塊間的界限，簡化了系統(tǒng)架構(gòu)，提高了運行效率。這一整合使得模型能夠更快地處理數(shù)據(jù)，提高系統(tǒng)的響應(yīng)速度，從而加速智能駕駛的去高精地圖化進(jìn)程。

特斯拉在FSD V12上的成功應(yīng)用，讓行業(yè)內(nèi)外的從業(yè)者和用戶深刻感受到了端對端技術(shù)的魅力。小鵬汽車董事長何小鵬認(rèn)為，端到端大模型將大幅縮短自動輔助駕駛到完全自動駕駛的過渡時間。輕舟智航CEO于騫也表示，端到端技術(shù)逐漸將非機(jī)器學(xué)習(xí)的部分?jǐn)D壓得越來越小，整個系統(tǒng)完全通過數(shù)據(jù)驅(qū)動來實現(xiàn)智能駕駛能力。

除了技術(shù)優(yōu)勢外，端對端技術(shù)還在成本上展現(xiàn)出巨大潛力。過去，智能駕駛技術(shù)主要應(yīng)用于30萬以上的車型，而在更低價格段的車型中幾乎空白。這主要是由于技術(shù)不成熟導(dǎo)致的成本過高。然而，隨著行業(yè)去高精地圖和硬件的趨勢，相關(guān)的智能駕駛方案變得越來越親民。大疆表示，僅需7000元就能解決城市NOA問題，且適用于電車和油車。行業(yè)第一批AI+雙目方案也僅需4000元就能實現(xiàn)領(lǐng)航輔助功能。

相比之下，端對端方案的成本更低。它依靠純視覺方案去掉了所有激光雷達(dá)，變成了純軟件驅(qū)動的技術(shù)。這種技術(shù)可以不斷迭代，成本可以無限下探，這正是特斯拉能夠不斷降價的原因所在。在技術(shù)與成本的雙重驅(qū)動下，端對端技術(shù)方案已成為國內(nèi)智能駕駛路線的核心趨勢。

隨著智能駕駛水平的不斷提升，特別是端對端技術(shù)帶來的新算法和模型的應(yīng)用，消費者對于智能駕駛的體驗要求也越來越高。這使得是否標(biāo)配智能駕駛功能，逐漸成為消費者選擇電動車的重要標(biāo)志。在此背景下，端對端技術(shù)方案日益成為華為、小鵬等車企競爭的新焦點。

通過升級端對端智能駕駛方案，車企可以從價格與用戶體驗上吸引消費者，從而幫助車企提升銷量。據(jù)乘聯(lián)會聯(lián)合科瑞咨詢發(fā)布的數(shù)據(jù)，2024年前八個月，中國新能源乘用車L2級及以上的ADAS功能裝車率達(dá)到66.6%，同比大幅提升21個百分點。高速NOA和城市NOA的滲透率也在不斷提高。

隨著更具成本優(yōu)勢的智能駕駛方案落地，城市NOA下沉到10萬元級的車型越來越近，并逐漸呈現(xiàn)出一個普及化的趨勢。對于車企來說，誰的智能駕駛方案好、體驗佳、車型性價比高，誰就能贏得市場。因此，無論是小鵬等新智駕車型的爆發(fā)，還是蔚來、理想等車企新規(guī)劃的大眾車型，都在朝著這一方向努力。

然而，隨著端對端智能駕駛技術(shù)的逐步深入，車企也面臨著新的挑戰(zhàn)。首先，隨著圍繞用戶體驗展開的VLA模型升級，汽車所需的算力在快速飆升，對硬件算力和數(shù)據(jù)資源閉環(huán)的要求也越來越高。部署VLA模型對芯片算力的要求極高，當(dāng)前高階智能駕駛的算力硬件已難以滿足需求。

其次，數(shù)據(jù)問題帶來的挑戰(zhàn)也不容忽視。想要訓(xùn)練出高性能的端到端模型，數(shù)據(jù)質(zhì)量的要求比一般性能模型高出幾個數(shù)量級。目前國內(nèi)車企的數(shù)據(jù)儲備還落后于特斯拉，仍處于初期階段。加之對數(shù)據(jù)質(zhì)量的高要求，國內(nèi)車企在數(shù)據(jù)積累的道路上還有很長的路要走。

隨著端對端技術(shù)的持續(xù)升級，車企的試錯成本在逐步升高，商業(yè)化也面臨市場檢驗。車企需要平衡效率與成本的問題，同時在驗證落地方面也面臨諸多考驗。實車驗證成本高昂，而云端測試可能與實際情況不匹配。在市場層面，消費者對于智能駕駛的興趣與期望在上升，但支付意愿卻在普遍下降。

因此，即便完成了端對端智能駕駛的量產(chǎn)，倘若市場不買單，一切努力也將付諸東流。從這個角度看，端對端智能駕駛的進(jìn)階，不僅僅是技術(shù)和數(shù)據(jù)的比拼，更需要市場對其商業(yè)化的實際認(rèn)可。