作者：楊曉鶴

本文首發(fā)：AI鯨選社

“華為自動駕駛有6千個工程師，主要用來寫各種規(guī)則，因為 rule-based （基于規(guī)則）環(huán)境太復(fù)雜，總有新的 task （任務(wù)）出現(xiàn)?！币晃惶厮估璅SD工程師形容華為智駕團(tuán)隊，為什么規(guī)模必須很大時說道。

這也是余承東壓力大的原因，華為自動駕駛團(tuán)規(guī)每年花費10億美元，累計支出早已經(jīng)超百億，而主要成本就是工程師的薪資等人力成本支出。

不只是華為，對于所有智能駕駛企業(yè)來說，一直困在系統(tǒng)中的問題就是：自動駕駛需要窮盡所有的Corner case（特殊情況），這就導(dǎo)致每家智能駕駛團(tuán)隊的人數(shù)基本都不低。

類似比亞迪、百度這些都在3-5千人，獨立智能駕駛公司如Momenta在1300 多人，車企理想年初也是1300人，每類型智駕公司都有五六家，這些人加起來至少有5萬核心的自動駕駛工程師。

他們薪資都很高，有自動駕駛領(lǐng)域獵頭說到：“在自動駕駛賽道，地平線和禾賽這樣的公司，研發(fā)團(tuán)隊的人均薪資基本到百萬了?！彼ツ昃蛶鸵晃荒晷?00萬的獵到了新機會。

但很多家也潛行研發(fā)了10年的時間，卻沒有一家敢說能讓L4級別的智能駕駛落地。

而在2024年，特斯拉的FSD v12突然帶火了一個詞『端到端』，一時間仿佛L4級別智能駕駛突然要實現(xiàn)。端到端就像是智能駕駛的ChatGPT時刻，瞬間讓智能駕駛車企都開始布局。

端到端對于大眾來說，還是個不甚了解的詞匯，行業(yè)內(nèi)具體解決方案也并不一致。大家只知道，不再需要窮盡算法解決Corner Case （特殊情況），每家智駕團(tuán)隊就不要一直擴張算法團(tuán)隊人數(shù)。

燒錢卻無解的情況終于有了改變，資本和企業(yè)歡呼自動駕駛有望實現(xiàn)，智能算法人才卻在猶豫，大模型上車，會讓自己丟掉飯碗嗎？

端到端還在定義，市場卻都是降臨派

自動駕駛，此前對于各大廠來說，說起來都是個苦命的探索。

自動駕駛國外的領(lǐng)軍企業(yè)是Google 的Waymo，國內(nèi)是大廠百度、以及元戎、小馬（兩家正在上市）等諸多自動駕駛創(chuàng)業(yè)企業(yè)，還有蔚小理等新勢力。

行業(yè)稍早時，發(fā)展路線是依賴高精地圖。所以Waymo 以及國內(nèi)的玩家成本都很貴，每開一個新城都要用自己的車隊去鋪，100 輛車*100 萬人民幣，再加上 operation cost（運營成本），就是一個城市一個億人民幣，從商業(yè)模式來看不劃算。

于是在2023年，元戎啟行率先發(fā)布了不依賴高精度地圖的智能駕駛解決方案，此后有包括華為、蔚來、小鵬、理想、地平線等超過10家企業(yè)明確開始棄用高精地圖的方案。

后來很多車企入局，他們倚重的路線是激光雷達(dá)，華為和小米算是這種路線的代表，前者自研，后者投了投資了激光雷達(dá)企業(yè)禾賽等。

這兩種模式，底層技術(shù)都是BEV+transformer，兩年時間不到，轉(zhuǎn)眼就老套了?，F(xiàn)在以特斯拉和小鵬為代表，都用純視覺占用網(wǎng)絡(luò)+大模型，從感知到規(guī)劃，端到端成為市場的共識。

但端到端具體怎么定義，什么系統(tǒng)才是端到端，市場并沒有明確的定義。如果形象地說，端到端更像是模仿人類的思考方式。

諾貝爾獲得者丹尼爾卡尼曼曾說，人類有兩個系統(tǒng)，分別是系統(tǒng)A和系統(tǒng)B，前者利用直覺和本能，高效處理95%的問題，而系統(tǒng)B則是復(fù)雜場景的理解，能處理5%很難的問題。

未來的自動駕駛技術(shù)也是如此，用一個傳感器直接到模型的方案，解決日常碰到的絕大部分問題，端到端直接處理。和大模型類似，這種可泛化的 Scaling Law（尺度定律） 大幅度降低了自動駕駛解決各種問題的成本。

而在模型2中構(gòu)建多模態(tài)模型，處理難以特殊場景的復(fù)雜問題，解決自動駕駛落地的最后1%難題。

但不是兩個系統(tǒng)就叫端到端，核心得實現(xiàn)輸入圖片、輸出信號，一個大模型解決問題，而不是感知、處理、決策這種多步驟的模塊化系統(tǒng)。因此，有玩家認(rèn)為真正的One Model端到端屬于生成式大模型，才真正具有顛覆性。

端到端到底有何神奇之處，在美國駕駛過FSD v12版本特斯拉的國內(nèi)創(chuàng)業(yè)者張強告訴AI鯨選社，他啟動autopilot后，無保護(hù)左轉(zhuǎn)的情況下，先禮讓直行來車，對方也讓行的話，直接加速轉(zhuǎn)向通過?！安皇呛芩腊澹裼薪?jīng)驗的老司機。”

顛覆性技術(shù)來臨之際，也讓各家公司都集體來了個大剎車。2024年本來華為、理想、小鵬都在推進(jìn)全國無圖駕駛。現(xiàn)在無圖 NOA 的生命周期即將結(jié)束，端到端已經(jīng)在摩拳擦掌。

小鵬汽車就宣稱，2024年將投入35億元用于智能研發(fā)。

在特斯拉內(nèi)部變化也很大，端到端和之前 rule - base 差異很大，上了端到端之后，團(tuán)隊變動也很大，Tesla 之前負(fù)責(zé) planning control （規(guī)劃控制）的負(fù)責(zé)人就離職了。

特斯拉美國FSD工程師也表示，之前 Tesla 一直不愿意向中國團(tuán)隊開放代碼閱讀權(quán)限，上了端到端之后，已經(jīng)不需要國內(nèi)工程師了，國內(nèi)只需要標(biāo)注即可。

一塊重石悄然在自動駕駛工程師圈砸下，現(xiàn)在很多智駕團(tuán)隊的招聘，都是僵尸崗位，市場在衡量未來到底需要多少智駕工程師。

CEO集體放話，各大車企爭搶大牛

全國無圖 NOA 熱度才幾個月，馬上端到端的智駕就要來了，大家又回到同一起跑線。

另一方面看，則是自動駕駛終于找到了指數(shù)級進(jìn)化的路線。一直以來，算法覆蓋corner case，根本拉不開各家的實力差距。所以大家都認(rèn)為，自己和特斯拉處于同一水平。

但端到端技術(shù)開啟新的進(jìn)化大門后，新的競爭又開始了，一兩年內(nèi)應(yīng)該就會拉開巨大差距。

華為余承東曾表示，華為團(tuán)隊去美國舊金山、加拿大多倫多等地進(jìn)行了測試，從結(jié)果來看，等特斯拉FSD入華后，華為有信心干贏對手。

今年年初，小鵬汽車創(chuàng)始人何小鵬也去了美國，親自體驗特斯拉FSD的駕駛感受和落地情況。

測試完，何小鵬說到：『我們跟特斯拉，是唯二端到端的（車企），所以小鵬汽車作為中國最好的智駕廠商，我們也是非常期待特斯拉FSD能夠進(jìn)入中國，一起互相學(xué)習(xí)?！?/p>

如果你感覺何小鵬說的比較謙虛，實際上他還說了，并自信提出了『國內(nèi)路況比美國復(fù)雜10倍，小鵬有信心?！?/p>

目前，小鵬智能駕駛端到端大模型已開始落地，預(yù)計在2024年Q4季度將推出輕雷達(dá)、輕地圖的智駕方案。此外，小鵬還推出自研AI芯片，將MONA M03的起售價拉到了11.98萬元。

這一切目標(biāo)是讓未來10年，車企年銷量達(dá)到100萬，屆時端到端才能借助大規(guī)模車機落地，成為小鵬的盈利核心。

而華為是在最近發(fā)布的智界R7上首發(fā)搭載ADS 3.0，期待端到端模式的ADS 3.0成為賣點，銷量反饋不是太積極，可能技術(shù)迭代的影響還沒完全開始。

確實從此前發(fā)布的ADS 3.0架構(gòu)圖看，實際上GOD大網(wǎng)也就是感知模塊，控制模塊也是獨立的，整個還偏模塊化架構(gòu)，并不能算真正意義上的端到端。

不過，華為和小鵬確實是行動較快的玩家，在今年7月初，華為與小鵬的兩段式端到端智駕方案將推送給車主。蔚來也開始在7月下旬推送端到端的解決方案。

理想汽車CEO李想也表示，三季度將向測試用戶推送端到端+VLM(視覺語言模型)的智駕方案。但對于理想來說，其實時間非常緊迫。

最早行動的蔚來，在年初將感知和規(guī)控團(tuán)隊合并為大模型團(tuán)隊，集成團(tuán)隊重組為交付團(tuán)隊。理想汽車是到了7月份，才組建了“端到端自動駕駛”的實體組織，整體200人出頭。李想調(diào)動了理想智能駕駛技術(shù)研發(fā)負(fù)責(zé)人賈鵬親自負(fù)責(zé)“端到端”的研發(fā)。

同時，理想公開了其端到端自動駕駛技術(shù)方案，其方案分為端到端模型、VLM（即Vision-Language Model，視覺語言模型）視覺語言模型、世界模型三部分。

雖然發(fā)布時間較晚，但理想大聲宣布自己才是真正的OneModel 端到端，難度也不是一般的大。“從傳感器輸入到行駛軌跡輸出只經(jīng)過一個模型?！崩硐胫悄荞{駛技術(shù)研發(fā)負(fù)責(zé)人賈鵬在發(fā)布會上曾說。

有行業(yè)人士指出，跟華為、小鵬的分段式端到端方案相比，理想的方案確實更激進(jìn)，可視為分段式端到端的下一站。

趨勢并不是只有華為和蔚小理等新勢力會跟進(jìn)，一項認(rèn)為自動駕駛有點扯的比亞迪創(chuàng)始人王傳福，此前曾公開說：我是實實在在搞戰(zhàn)略的，我看的比誰都清，我們有幾萬名工程師在探索這個東西（自動駕駛）到底行不行，這條路到底通不通，我不清楚嗎？

最近一改往日言論，也在調(diào)兵遣將跟進(jìn)。

7月份，引入百度艙駕融合智駕技術(shù)負(fù)責(zé)人周鵬，負(fù)責(zé)比亞迪的端到端大模型規(guī)控算法開發(fā)，而且是獨立于比亞迪規(guī)劃院智能駕駛研發(fā)中心，新設(shè)立的300人部門。

一個現(xiàn)象值得關(guān)注，如理想、蔚來、比亞迪等主流車企智駕部門都成立了獨立的端到端團(tuán)隊，并派遣大將坐鎮(zhèn)，都是200-300人團(tuán)隊即可。相比原來幾千人甚至上萬人的智駕團(tuán)隊，不可謂不精簡。

傳統(tǒng)做Rule-Basd算法的人員，盡管目前還沒有發(fā)生大規(guī)模裁員事件。很大程度上是因為端到端還處于ChatGPT-2時刻，距離ChatGPT-4時刻還有距離。

一位自動駕駛企業(yè)HR告訴AI鯨選社：“新成立的端到端部門都還剛起步，目前還需要傳統(tǒng)智駕部門做算法場景覆蓋，保證自動駕駛安全的下限，未來會不會形成沖擊不好說?！?/p>

端到端容易出現(xiàn)下限問題，是大模型初級階段的核心問題。張強就提到，他在美國開車時，十字路口的直行道排隊較長，特斯拉的autopilot直接拐到左轉(zhuǎn)道，然后紅綠燈一亮，直接又加速斜插回直行道?！安铧c和直行車撞上，還好一腳剎車踩住了?！?/p>

類似場景是大模型還沒學(xué)明白的地方，這就需要算法覆蓋，保證下限問題。但端到端進(jìn)化速度很快，未來會學(xué)習(xí)到人類甚至超過人類的水平。

馬斯克還是鯰魚，普通工程師受傷

現(xiàn)在，小鵬在國內(nèi)自動泊車、潮汐車道等場景中，表現(xiàn)也是超越特斯拉的存在。華為和小鵬實際都有本地化的優(yōu)勢，利用高精地圖或者雷達(dá)等加持下，確實即便FSD v12現(xiàn)在版本真正進(jìn)入國內(nèi)，也很難短期打敗國內(nèi)對手。

但未來發(fā)展看，技術(shù)底層邏輯會導(dǎo)致變化?！敖^大部分車企，其實都是在「模型化」，「模塊化端到端」，真正的 OneModel 端到端，可能只有特斯拉?！币晃恍袠I(yè)認(rèn)識評價道?！?/p>

因此可以說，特斯拉改變了自動駕駛團(tuán)隊的工作模式。此前，“在模塊化的架構(gòu)下，一位工程師一天只能處理10多個case，效率不高?！眹鴥?nèi)最早落地端到端方案的自動駕駛企業(yè)元戎啟行CEO周光曾公開說道。

現(xiàn)在，通過用海量數(shù)據(jù)去訓(xùn)練大模型，讓機器擁有自主學(xué)習(xí)、思考和分析的能力，能更好地處理復(fù)雜的駕駛?cè)蝿?wù)。所以，對于真正的端到端系統(tǒng)真正的三要素，第一是團(tuán)隊帶頭人（決定端到端模型高度），第二是數(shù)據(jù)，第三是算力。

在各家爭搶完牛人后，大規(guī)模、高質(zhì)量的訓(xùn)練數(shù)據(jù)重要性開始顯現(xiàn)。

根據(jù)特斯拉的計算，完成一個端到端自動駕駛的訓(xùn)練至少需要100萬個、分布多樣、高質(zhì)量的 clips （視頻片段）才能正常工作?！昂敛豢鋸埖卣f，數(shù)據(jù)會占據(jù)端到端自動駕駛開發(fā)中80%以上的研發(fā)成本?！焙聊┲切袛?shù)據(jù)智能科學(xué)家賀翔曾如此表示數(shù)據(jù)的重要性。

近期，蔚來開始推送的最新 OTA 。包含了業(yè)內(nèi)首個應(yīng)用端到端技術(shù)的 AEB，蔚來用了 20 億公里的數(shù)據(jù)集，來訓(xùn)練這個端到端模型。

何小鵬最近在公開節(jié)目上透露，基于折算10億+里程的視頻訓(xùn)練、超646萬累計公里數(shù)的實車測試、超2.16億累計公里數(shù)的仿真測試，小鵬汽車端到端大模型能夠做到“兩天迭代一次”，在未來18個月內(nèi)智駕能力提升30倍。

數(shù)字之所以如此重要，正是因為現(xiàn)在端到端大模型的Scaling Law效應(yīng)。此前也需要數(shù)據(jù)，但rule - base更需要的是人才，人才用算法去覆蓋場景，所以對數(shù)據(jù)需求沒那么渴求。

第三是算力訓(xùn)練卡，理想有五千張A100、A800這樣等同的訓(xùn)練卡數(shù)量，是小鵬的兩倍。“如果租卡的話，一年需要10億，需要有健康的利潤來提供支持。”

拼人力的時代已經(jīng)過去，各家團(tuán)隊也在發(fā)生改變，6月8日，理想汽車CEO李想在中國汽車重慶論壇上發(fā)表演講。

他認(rèn)為所有自動駕駛團(tuán)隊，每天干的活都是靠人工去調(diào)試各種各樣的corner case，而且放的人越多，corner case越多，和真正的自動駕駛就越遙遠(yuǎn)。

“當(dāng)人工智能技術(shù)在不斷的發(fā)展的時候，我們會發(fā)現(xiàn)，其實人類開車的方式，不是過去那么多年里我們用的自動駕駛研發(fā)的一個方式。這是一個根本的不同。因為人開車沒那么辛苦，沒那么累，不需要養(yǎng)幾千人的團(tuán)隊去搞corner case。”

這也是端到端到來的改變，很多人說理想是因為Mega失利，所以開啟了大裁員。但起碼在智能駕駛團(tuán)隊情況并不一樣。正如李想所說，不需要養(yǎng)幾千人的團(tuán)隊去搞corner case，才是最重要的一點。

同時，不需要人為定義這些 task。這也是為什么現(xiàn)在 FSD v12 可以做到每周更新，每次都是三五倍能力的提升。而對于特斯拉來說，端到端帶來的另一大機遇是 Robotaxi。

據(jù)行業(yè)研究員木頭姐的研報估算，支持 Robotaxi（自動駕駛機器人出租車）之后的特斯拉車隊規(guī)?？赡艹^ 1 億，而且每量車具備 1000 瓦的高效推理算力，總共就是 100 千兆瓦的 Edge AI 算力，讓特斯拉有機會新增類似 AWS 的邊緣 AI 云業(yè)務(wù)，讓特斯拉車輛除了在車主不使用時可以自動加入 Robotaxi 賺錢，還能在靜止停放時自動加入邊緣 AI 云服務(wù)來賺錢，全時段飽和運轉(zhuǎn)。

自動駕駛和 Robotaxi 能在 5 年后（2029）讓特斯拉市值翻 10 倍達(dá)到 5-7 萬億刀，Elon Musk 認(rèn)為這是市面上最準(zhǔn)確的預(yù)測。

所以，大家都十分關(guān)注，特斯拉在國內(nèi)的落地的時間點。最新消息是特斯拉FSD預(yù)計2025年Q1在中國上線。

馬斯克永遠(yuǎn)是那條鯰魚，F(xiàn)SD年底進(jìn)入國內(nèi)時間，不知道那時候已經(jīng)憑借端到端，進(jìn)化成什么樣子。

就像特斯拉的上海超級工廠落成之際，讓國內(nèi)新能源市場直接洗牌，這次FSD進(jìn)入國內(nèi)，會不會殺死部分自動駕駛企業(yè)，讓更多的普通工程師失業(yè)？

參考內(nèi)容：
自動駕駛領(lǐng)域的GPT時刻來了-硅谷101

2024-端到端研究報告-辰韜資本