特斯拉的全自动驾驶（Full Self-Driving，简称FSD）技术，近年来成为汽车行业的热门话题之一。最新消息显示，特斯拉已经在北美推出了FSD V12版本，并且在上海南汇新城进行了10辆特斯拉车辆的FSD试点。这一技术的引入引发了关于自动驾驶的广泛讨论，特别是FSD V12版本采用了完全端到端的大模型技术，实现了从大模型到车辆的应用。
在过去的一年多时间里，国内近90%的车企和无人驾驶企业开始布局端到端技术。端到端是深度学习的概念，指的是AI模型能够直接从原始数据中学习驾驶策略，而无需人工设计复杂的规则或手动提取特征。这种技术使得自动驾驶系统能够更好地理解和适应复杂的交通环境，提高驾驶的安全性和效率，成为当前汽车智能化变革的主流。
对于特斯拉的FSD技术而言，其采用的端到端方法不仅实现了从感知到决策再到控制的全流程自动化，大幅减少了人工干预的需求，同时依赖于大量实时数据来训练和优化模型，使得系统能够不断学习和进步，应对各种复杂多变的道路情况。
多家研究机构认为，如果特斯拉的FSD技术能够成功进入中国市场，将成为本土车企自动驾驶方案的强有力竞争者，有望推动国内自动驾驶行业的进步。华为、小鹏、理想、蔚来等公司均已预告将推出端到端自动驾驶技术，表明这一技术正逐步成为行业的标配。
针对中国复杂的路况，特斯拉的FSD技术是否能保持领先地位，业内存在一定的疑虑。蔚来和小鹏等公司强调，在中国市场上，特斯拉需要进行更深入的学习和适应。
总体来看，特斯拉的FSD技术以其端到端的创新方法和对大数据的依赖，已经成为全球自动驾驶技术发展的一个重要标志。随着这一技术的推广和应用，将进一步推动智能汽车技术在全球范围内的发展和普及。
作者|毫末智行数据智能科学家 贺翔
编辑|祥威
最近，特斯拉FSD V12的发布引发了业界对端到端自动驾驶的热议，业界纷纷猜测FSD V12的强大能力是如何训练出来的。从马斯克的测试视频可以大致归纳一下FSD V12系统的一些核心特征：
这些特征如此炫酷，引领着自动驾驶技术风向。 那么究竟什么是端到端自动驾驶，如何实现端到端自动驾驶呢？笔者作为自动驾驶领域的从业人员，将从实战应用的角度出发，探讨端到端如何落地。
一、自动驾驶的传统做法从第一性原理来讲，自动驾驶就是一个序列到序列的映射过程，输入的是一个传感器信号序列，可能包括多个摄像头采集到的视频、Lidar采集到的点云、以及GPS、IMU等各类信息，输出的是一个驾驶决策序列，例如可以是驾驶动作序列、也可以输出轨迹序列再转为操作动作。
这个过程与大部分AI任务基本一致，这种映射过程就相当于一个函数 y = f(x)。但是实现这种函数往往难度比较大、任务极其复杂，对于这种复杂的任务，一般可以通过2类方式来解决：
传统分治法
分治法是将自动驾驶任务进行切分，定义多个子任务，每个子任务负责解决驾驶过程的某些特定问题，再进行系统集成来完成整个自动驾驶任务。传统上，这些子任务包括：
以网络的Apollo为例，整体系统架构如图所示，可见，要完成复杂的自动驾驶任务，需要先完成大量相对简单的子任务，这些子任务可以先进行独立开发测试，然后再将这些子任务集成到一个系统里进行验证。 这种方式通过把复杂的任务切分、简化、分而治之，大幅度降低了系统开发难度，同时可以针对每个模块都的输入输出进行白盒化分析，系统具备很好的可解释性，这对自动驾驶而言至关重要，一旦发生事故，必须要进行深入分析，找到原因。
但是，这种方式也有明显的弊端，例如模块太多、集成困难、错误累加等等，同时由于系统设计时引入了太多的人为先验经验，导致自动驾驶能力上限比较低，系统的泛化性比较差，对于没有见过的场景往往无法处理。
二、「端到端」技术兴起相比之下，端到端自动驾驶不进行任务切分，希望直接输入传感器数据、输出驾驶决策（动作或者轨迹），从而抛弃传统自动驾驶里的感知、预测、规划、控制等各类子任务。这种方式有明显的优势，例如：
一个典型的端到端自动驾驶系统如图所示：
输入：大部分自动驾驶汽车都装载了相机、Lidar、毫米波雷达等各类传感器，采集这些传感器的数据，输入深度学习系统即可。
输出: 可以直接输出转向角、油门、刹车等控制信号，也可以先输出轨迹再结合不同的车辆动力学模型，将轨迹转为转向角、油门、刹车等控制信号。
可见，端到端自动驾驶系统就像人类的大脑，通过眼睛、耳朵等传感器接受信息，经过大脑处理后，下达指令给手脚执行命令，整个系统简单的都没啥可介绍的……。 但是这种简单也隐藏了巨大的风险，例如可解释性很差，无法像传统自动驾驶任务一样将中间结果拿出来进行分析；对数据的要求非常高，需要高质量的、分布多样的、海量的训练数据，否则AI就会实现废品进废品出。
与传统的自动驾驶方式对比可见，同样的输入、同样的输出，传统自动驾驶包含多个任务（多个模块），但是端到端只有一个任务。 此处容易产生一个误区，即认为传统的自动驾驶是多模块的、端到端自动驾驶是单模块的，把分模块与分任务的概念搞混了。
传统的自动驾驶是分任务的，必然是多个模块。 端到端自动驾驶可以用单模块来实现，当然也可以用多模块来实现，其区别在于是否端到端训练。 分任务系统是每个任务独立训练、独立优化、独立测评的，而端到端系统是把所有模块看成一个整体进行端到端训练、端到端测评的。
例如2023年CVPR best paper提出的UniAD就是一种分模块端到端训练方式，这种方式通过端到端训练避免了多任务训练的融合难题实现全局最优，又保留了分模块系统的优势、可以抛出中间模块的结果进行白盒化分析，反而更具灵活性对部署也更友好，如图所示：
分任务的自动驾驶系统更像model centric系统，开发者通过不断优化各个模型来提升各个任务的效果。 而端到端自动驾驶则更像data centric系统，通过对数据的调优来提升系统效果。
早年，由于自动驾驶积累的数据还非常少，端到端系统的效果往往比较差。 最近几年，随着带高阶辅助驾驶功能的量产车大规模落地，通过海量量产车可以采集到丰富的驾驶数据，覆盖各类场景，再加上最近几年AI算力的蓬勃发展，端到端自动驾驶在海量数据、海量算力的加持下，取得了突破性进展。
以特斯拉为例，通过遍布全球的几百万辆量产车，可以采集到足够丰富、足够多样的数据，再从中选出优质数据，在云端使用数万张GPU、以及自研的DOJO进行训练和验证，使得端到端自动驾驶能够从paper变成product。
到 2023 年初，特斯拉就声称已经分析了从特斯拉客户的汽车中收集的 1000 万个视频片段（clips），特斯拉判断完成一个端到端自动驾驶的训练至少需要100万个、分布多样、高质量的clips才能正常工作。
特斯拉通过分布在全球的几百万量产车，基于影子模式，每当自动驾驶决策与人类司机不一致时，就会采集并回传一个clip，已经累积了200P以上的数据，不管是数据规模、数据分布还是数据质量上都遥遥领先。 为了能在云端处理这些数据，当前特斯拉拥有近10万张A100，位居全球top5，预计到今年底会拥有100EFlops的算力，并针对自动驾驶自研了Dojo，在算力上同样遥遥领先。
在2022年，毫末智行也开始了对端到端自动驾驶以及自动驾驶大模型的探索，走过了一条从看图说话到完型填空到写小作文的道路。
最早，毫末将端到端自动驾驶简单地定义为一个看图说话任务，希望输入一串图片、输出一串驾驶决策，这种方式与机器翻译输入一串中文输出一串英文非常类似，所以可以选择端到端的序列模型，通过对输入图片进行编码，再解码输出驾驶决策。
但是训练之后，发现难以找到足够的数据来训练模型，因为手里采集到的数据绝大部分驾驶行为都是雷同的，例如大部分都是直行，能用的数据不到2%。 虽然项目效果未达预期，但是训练过程发现端到端训练需要消耗大量的算力，于是又开始着手解决算力问题，并且在2022年底跟火山引擎合作落地了业界领先的智算中心，等2023年大模型爆发再加上美国的制裁，算力市场已经一卡难求了，这也算一个意外收获。
三、端到端自动驾驶的挑战从特斯拉的开发经验来看，端到端自动驾驶真不是一般的企业能玩的，其所需的数据规模、算力规模远远超出国内企业的承受能力。 除了成本高昂，端到端自动驾驶的技术难度也非常高，想要从实现从paper到product落地，相当于跨越从二踢脚到登月的难度。
端到端训练首先需要解决数据问题。 早年自动驾驶企业大多依赖采集车采集数据，这种数据是不真实的、分布有偏的、低质量的，只能做个demo，难以进行大规模端到端训练。 最近几年，随着量产车的规模化落地，业界很多公司都开始转向采用量产车通过影子模式采集数据，但这种模式依然面临艰巨的挑战。 首先是采集策略问题，即如何平衡数据的长尾问题（有效性）和数据的规模问题（成本），如果采集策略比较宽松，我们往往发现采集回来的数据大部分是废品数据，根本没有使用价值，如果采集策略过于严格，又担心丢失大量有价值的数据。 其次是数据的质量问题，如何定义数据质量是个艰巨的产品问题，如何精准地挑选出高质量的数据又是一个复杂的技术问题。 然后是数据分布问题，如何从海量clips中提取有效的特征、如何统计数据的分布、应该考虑哪些维度，都需要大量的工作。 对大部分自动驾驶企业，还会面临严重的数据泛化问题，因为不同的车型传感器配置差异巨大，采集的数据往往难以复用，而国内车企普遍车型众多，最后很可能是采了一堆数据放在那没法使用，看起来是数据资产，其实都是存储成本。 毫不夸张地说，数据会占据端到端自动驾驶开发中80%以上的研发成本。
在美国多轮制裁之下，国内采购GPU难上加难，大部分企业手里拥有的算力资源非常有限，拥有超过1000张A100的企业寥寥无几，甚至全国加起来都没有特斯拉一家企业多。 如何在算力受限的情况下，进行端到端自动驾驶的研发，是一个值得深入讨论的问题。
即使有了数据、有了算力，如何设计合适的自动驾驶算法来进行端到端训练，依然没有统一的答案。 业界做过很多的尝试，包括模仿学习、强化学习等等。 模仿学习是模仿人类专家的行为，从中学习最优策略，例如可以挑选一批高质量的驾驶行为数据来训练模型。 强化学习则是通过与环境的交互和奖罚不断试错进行学习，可以设定一个奖励机制，例如更少的碰撞、更高的效率等，在仿真环境里进行大规模试错。
端到端自动驾驶的评估也是一个十分困难的问题。 自动驾驶测评分为2类：闭环评估和开环评估，主要区别在于闭环评估可以接受到反馈信号从而形成反馈闭环。 开环评估可以对不同的任务通过输入输出来进行评估，例如单独评估感知、预测、规划的效果，并与真实数据或者标注数据进行对比，传统的自动驾驶可以通过开环评估迭代。 而端到端自动驾驶则难以进行开环评估，甚至也有人认为开环评估的端到端自动驾驶根本没有意义。 闭环评估一般通过在仿真引擎构建的虚拟世界里建立反馈闭环，但是仿真不真是业界一大难题，很难推广到现实世界中的各种场景。 例如在接近大货车时，即使自动驾驶能完美地通过，乘客往往也会有严重的恐慌心理，这种心理很难模拟。 而如果采用实车闭环测评，一方面测评成本太高，另一方面危险场景的hard case使用实车测评危险太大。
如前文所述，可解释性是端到端自动驾驶的一个弱点。 尤其是对于单模块端到端自动驾驶模型，实现可解释性极为困难，虽然可以将注意力权重可视化来提供部分解释性，但可靠性和实用性仍然十分有限，难以对事故、售后定责等问题给出有效的证据。 对于分模块的端到端系统，虽然可以将中间结果抛出以提供更多的信息，但是这种信息往往是神经网络的隐层特征，跟直观的、真实的证据链还是有一定的差距，难以跟客户解释清楚。
终于在云端完成了端到端自动驾驶的训练了，仿真效果也很好，最后是如何把这套系统搬到车上并且高效的运行。 云端系统为了处理数以百万计的clips，一般都采用复杂的网络结构、巨大的网络参数（高达10亿甚至更多），再用成千上万张A100进行训练。 但是车端往往只有非常低的算力、非常低的功耗，却要求极高的帧率（每秒处理的图片数量）、极低的延迟，这导致端到端自动驾驶上车十分困难，只有经过大规模的量化剪枝等提效手段之后才有可能。
这些最难的部分，特斯拉还没公开谈过是如何解决的。 今年的特斯拉AI Day，大家可以期待一下特斯拉的端到端如何破解以上难题。 在这之前，笔者谈一下毫末是如何做的。
四、自动驾驶端到端的探索为了降低训练难度，毫末考虑将端到端大模型进行拆分，分为2个阶段，一个阶段解决感知问题（看懂世界），一个阶段解决认知问题（驾驶决策），这样做的好处有2个：
在感知阶段，主要任务是把视觉信号转为感知结果，可以利用海量的带高清视频的采集数据和量产车回传的各类corner case视频来训练。 而在认知阶段，则根据感知结果来进行驾驶决策，不需要输入视频，只需要输入感知结果和驾驶行为即可，这种数据可以通过量产车进行大规模定向采集。 通过这种拆解，既降低了任务的难度，又能充分利用不同的数据。
对于感知大模型，毫末从第一性原理出发，认为要实现端到端自动驾驶，感知就必须跟人类一样，同时具备识别二维纹理和三维结构、认识万物这三个条件，并且最好是纯视觉的。 基于这样的原则，我们建立了自监督感知大模型，将车载摄像头的二维视频数据进行编码，然后通过NeRF渲染来预测视频的下一帧图像，构建了4D特征空间。 再通过多模态技术将视觉信号与文本信号对齐，实现识别万物。
对于认知大模型，输入的是感知结果、输出的是驾驶决策，由于感知结果和驾驶决策都是结构化文本，其处理的都是文本符号，我们自然而然地想到了引入NLP相关的技术。
在2023年之前，BERT模型在互联网领域取得了非常成功的应用，于是我们尝试将BERT类的掩码模型引入自动驾驶认知模型，通过量产车回传海量的数据对。 这样输入历史10秒的、再用掩码盖住未来几秒的司机驾驶动作，然后让模型来预测驾驶动作，如果模型预测对了，就说明模型学会了开车，我们称之为完形填空。
但是训练效果并没有达到预期，分析后发现，与NLP任务完全不同，NLP通过mask部分单词，然后结合上下文可以把词猜出来，确实是完形填空。 但是自动驾驶场景下，mask历史动作是毫无意义的，只能mask未来动作，即只有上文没有下文，这其实是写作文，大家都知道写作文的难度比完形填空高太多了。
而且，人类驾驶汽车不仅依赖历史感知结果，还更多的依赖对未来的预判，老司机往往对未来几秒的交通环境有非常好的预判，例如隔壁车道的车会不会突然变道、路边的行人会不会横穿马路等。 基于这种预判，老司机再采取合理的驾驶动作。 这种预判，从模型上讲就是一种生成式模型。 于是我们将算法调整为GPT生成式模型，将历史感知结果使用BEV方式表达出来，再将BEV序列输入模型，让模型预测几秒钟之后未来世界可能发生的变化，这样就构建一个自回归的生成式模型，如下图所示：
然后，将感知和认识进行联合训练就可以实现端到端自动驾驶了。 但是，我们发现仅通过这种方式进行训练，想要达到非常好的驾驶效果，需要的数据规模、算力规模都极为庞大，我们根本无法承受。
例如，在传统的分任务自动驾驶范式下，感知算法识别塑料袋后，可以人为设计一个塑料袋可以压过去的驾驶策略，这样训练成本很低，但是在端到端范式下想要让自动驾驶识别塑料袋并学习到塑料袋是可以压过去，需要大量数据进行训练，成本极高，这也是特斯拉手握数万卡的原因之一。
塑料袋、泡沫等软性材质是可以压过去的、交警的手势优先级是高于红绿灯的、救护车是要避让的，这些其实都属于人类社会的世界知识，这些知识都是人类经过长期学习之后获得的。
传统的基于人工策略的自动驾驶成本很低，就是因为通过人工策略直接把人类社会积累的知识用在了自动驾驶上，省去了训练成本。 但是驾驶知识包罗万象，如果要基于人类知识为世间万物定制各类策略，也是一件不可能的事情。
那如何既能利用人类社会沉淀的知识，又能降低端到端自动驾驶的训练成本呢？考虑到大语言模型中压缩了几乎全人类的知识，如果能将跟驾驶决策相关的知识提取出来，应该能大幅度降低训练成本。
于是，毫末在端到端自动驾驶中又引入了大语言模型，通过感知大模型识别万物后，将这些信息输入LLM，通过LLM来提取世界知识，并作为辅助特征来指导驾驶决策。 如图所示，这个系统极为复杂，算力消耗非常大，目前还只能在云端运行，未来几年将加快向车端的落地。
五、未来趋势过去一年，大语言模型的发展思路给端到端自动驾驶很多启发，在模型、数据上都值得借鉴。
在自然语言处理领域，Chatgpt作为基础模型展示了极强的泛化能力。 最近，学术界的研究在语言-视觉大模型上也取得了突破性进展，这种基础模型无疑会让自动驾驶如虎添翼。
特斯拉、Wayve等公司也提出将World Model作为自动驾驶基础模型的思路。 World model是一种基于视频来预测未来世界的模型，例如特斯拉的world model可以根据prompt给出的动作来做出反馈，并生成未来的世界图像，而且能保证多视角、时序的一致性。
大语言模型压缩了人类的大部分知识，当然也包括驾驶知识。 可以通过与LLM进行交互，提取驾驶常识。 例如传统的占用
4 月 28 日下午，就在北京车展的流量盛宴逐渐走向尾声的关头，特斯拉 CEO 马斯克出现在北京，开启了他的突然而又短暂的访华之旅。 而在关于马斯克此次访华目的的诸多猜测中，一个最受关注的议题是：特斯拉 FSD 入华。
一时之间，北京车展的聚光灯，又突然转向了特斯拉 FSD 和它背后的智能驾驶。
但其实，众多玩家在智能驾驶领域的诸多动态，从一开始就是本次北京车展的重头戏，并且扮演着非常重要的角色——只不过在车圈大佬们的流量光环下，被一时忽视。
但实际上，北京车展可以看做是中国智能驾驶产业发展的一个关键转折点。
一方面，从技术上来说，端到端已经成为高阶智能驾驶进一步演进的行业共识，并且已经有类似于华为、小鹏、蔚来、理想这样的玩家推进落地。
另一方面，从商业落地的维度上看，智能驾驶进一步从高价位段车型不断向低价位渗透，呈现出走向普及的「科技平权」之势。
端到端已成共识，并走向应用
从技术维度上，端到端无疑是本次北京车展期间各个玩家在智能驾驶领域合力推进的最热门方向，并且已经颇有成果。
其中一个受人关注的重磅玩家是华为。
4 月 24 日，在北京车展前一天，华为在智能汽车解决方案发布上，宣布了它的乾昆 ADS 3.0。
具体来说，在感知方面，乾昆 ADS 3.0 抛弃了以往的 BEV + GOD（通用障碍物识别）方案，而是基于 GOD 大网实现了从简单「识别障碍物」到深度「理解驾驶场景」的跨越式进步。
同时，在决策和规划方面，乾昆 ADS 3.0 全新架构采用 PDP（预测决策规控）网络实现预决策和规划一张网，从而实现类人化的决策和规划，行驶轨迹更类人，通行效率更高。
通过这样的方式，ADS 3.0 在技术架构方面实现了端到端架构。
基于此架构，乾昆 ADS 3.0 能够实现车位到车位智驾领航 NCA 功能，同时也能够在智能泊车方面实现离车即走，而泊车代驾也走向全场景商用——从实际落地的角度来看，乾昆 ADS 3.0 预计今年下半年就会推送给用户。
继华为之后，小鹏汽车在 4 月 25 日北京车展首日的发布会上发布了端到端大模型，并且在小鹏 X9 上开始公测。
具体来看，在感知层面，小鹏将感知大模型进行了升级，推出了行业首个量产的 2K 纯视觉占用网络，根据小鹏方面的说法，这个网络能够实现裸眼 3D 的效果，跟激光雷达一样强大。
而从控规的角度，小鹏也正是发布了行业首个基于神经网络的规控大模型 XPlanner，它将大量的数据来通过一个神经网络来进行训练，在数据和算力的加持下，拥有快速迭代的能力。
除了华为和小鹏之外，理想汽车在北京车展期间宣布推出 AD Max 3.0 进阶版，并介绍了一些面向用户的功能。 虽然理想汽车并没有介绍这背后的技术逻辑，但是，据 42 号车库了解，理想汽车也已经在高阶智能驾驶的研发层面全力投入到端到端大模型。
另外，根据蔚来智能驾驶研发副总裁任少卿在接受外界采访时发布的信息，蔚来在端到端方面也已经探索很久，并且今年就会推出相关的东西。
当然，除了以上的重要玩家之外，类似于英伟达、地平线这样的底层算力提供商也在端到端上达成了共识。
比如说，在北京车展开幕前一天的媒体沟通会上，英伟达全球副总裁、汽车事业部负责人吴新宙明确表示，端到端大模型是自动驾驶三步曲的最终一步；他还强调，能够把端到端模型做好的企业，一定也需要非常好的第二代甚至第一代的自动驾驶堆栈型，而且端到端的发展需要一定的时间来成长，从而变得更加强大。
但吴新宙强调，端到端自动驾驶一定会到来。
另外，作为国内智能驾驶芯片领域的重要玩家，地平线在北京车展发布征程 6 系列的同时，也在反复强调：端到端已经成为高阶智驾算法技术竞逐的焦点，而地平线专为大参数 Transformer 而生的新一代智能计算架构 BPU 纳什，将加速端到端和交互博弈算法的应用普及。
总体可见，在特斯拉的引领带动作用之下，中国智能驾驶产业的核心玩家们，已经就端到端架构作为高阶智能驾驶领域的未来演进方向达成了高度共识，并且已经开始逐步走向落地。
算力追逐战，从车端卷向云端
基于整个智能驾驶行业正在对端到端架构进行拥抱的大背景，再结合本次北京车展上各家的动态来看，一个非常明显的趋势是：整个智能驾驶行业对于算力的追逐，已经从车端卷向云端。
先来看车端算力。
其实从车端的角度长期来看，自从 2023 年以来，整个智能驾驶行业在商用落地的过程中，已经呈现出明显的车端算力回落——不过，在本次北京车展上，这个趋势得到更加明显的体现。
比如说，在本次北京车展期间，地平线发布了最新一代的智能驾驶计算方案征程 6 系列，它包括 6 个版本，算力覆盖范围从低阶智驾市场的 10+ TOPS 到高阶智驾市场的 560 TOPS。
其中在高阶智驾市场，地平线的征程 6P 拥有 560 TOPS 的算力——但是从地平线的商业落地版图来看，该版本并非是要承担走量任务。 相反，从地平线公布的信息来看，超过 50 家生态伙伴选择了算力为 80 TOPS 和 128 TOPS 的征程 6 E/M 版本，而且其量产和落地的速度会更快。
另外一个关键角色，是英伟达。
在本次北京车展期间，英伟达并没有开设一个单独的展台，但是却在进一步扩大它在中国智能驾驶市场的商业落地版图。 其中，继与理想、极氪、比亚迪、广汽、小鹏等车企达成相应合作之后，英伟达又在北京车展期间与奇瑞和极越就 DRIVE Thor 达成了合作。
而关于 DRIVE Thor，一个不可忽略的事实是：在英伟达官网的宣传页面中，其算力标准已经从 2022 年 9 月最初宣布之时的 2,000 TOPS 调整为最新的 1,000 TOPS。
英伟达官方还表示，在提供性能的同时，它也能够有效地降低系统成本。
所以，很明显，在包括端到端在内的现有智能驾驶技术框架之下，除了车企本身，即使是类似于地平线和英伟达这样的车端算力供应商，也已经停止内卷。
然而，基于端到端的技术体系，整个智能驾驶领域的算力追逐战，已经从车端卷向云端。
比如，华为智能汽车解决方案 BU 靳玉志在车展前的发布会上表示，在 ADS 3.0 架构的背后，是华为云强大的 AI 能力对于云端训练的支持。 他表示，由于端到端对于大量数据的训练需求，ADS 每天要学习超过 3,000 万公里的训练历程，每 5 天要进行模型的迭代，这背后需要大量的算力进行支持。
他强调，到 6 月份，华为用于 ADS 训练的算力将达到 3.5 E FLOPS。
与此同时，小鹏汽车也在北京车展的发布会上表示，针对基于神经网络的规控大模型 XPlanner，它需要通过大量的包括人、车、交通、天气等数据进行训练；而小鹏汽车将在今年晚些时候投入大量的训练算力进行训练，其规模是「中国汽车行业里接近于最多的训练算力」。
实际上，除了华为和小鹏之外，蔚来、理想、极越等智能驾驶领域的重要玩家，也都在通过各种各样的方式去进行云端算力的布局——其中有意思的是，蔚来在 4 月 30 日发布的最新数据显示，其在智能驾驶的端云算力最高达到 230.29 EOPS。
另外，关于自动驾驶的发展对于云端算力的依赖，英伟达全球副总裁、汽车事业部负责人吴新宙也明确表示：作为一个不可避免的未来，未来的 AI 汽车会比现在的自动驾驶开发简单很多，更多地集中在云端。
在技术向上中，继续向下落地
随着 2024 年的到来，无论是小鹏、蔚来、理想、问界这样的车企，还是华为、英伟达、地平线这样的方案提供者，所有玩家其实都需要面临一个无比关键的问题：到底该如何落地？
在本次北京车展中，这个问题其实已经得到了一定的解答。
一方面，从高阶智能驾驶的维度上来看，各家的策略都非常清晰，那就是继续做好智能驾驶这个产品本身，然后使之走向更多的用户群体。
比如说，4 月 23 日，在北京车展正式开幕之前，余承东发布了问界新 M5，它拥有三个版本，但都标配了华为高阶智能驾驶 ADS 2.0（且拥有升级到 ADS 3.0 的能力）。
与此同时，虽然余承东一再表示售价低于 30 万的华为高阶智驾其实都是亏本销售，但是问界新 M5 依旧选择了 24.98 万元的起售价，将华为高阶智能驾驶的入手门槛降低到 25 万元以下。
这样做，只有一个原因：通过更大规模的走量来摊薄成本。
除了华为之外，小鹏在北京车展宣布 XPlanner 时，其实也是在努力为 X9 这款车呐喊助威；理想汽车则展台上不谈技术，只谈用户能够通过 OTA 体验到的功能……甚至连英伟达这样的巨头，也部分出于成本考量，将 DRIVE Thor 的算力进行了缩减。
另外一方面，当我们把智能驾驶作为一个产品属性去看待的时候，它在走向市场的过程中，已经出现了明显的分化——但这种分化，在北京车展期间变得更加鲜明。
比如说，地平线最新发布的征程 6 系列，其旗舰版本被用来配合地平线最新发布的全场景智能驾驶解决方案 SuperDrive，来作为「样板间」，这固然有其意义。
但作为一个务实的企业负责人，余凯瞄准的其实是征程 6 E/M 版本所面向的更走量、更广泛的大众市场。
同时，一直在智能驾驶领域高举高打的华为，也在推出 ADS 3.0 的同时，也非常不失时机地推出了ADS SE 版本。 官方表示，ADS SE 版本支持高速轻松开、泊车可见即可泊的基础智能泊车能力，其目的是「让更多的用户享受到科技平权与普惠的智驾体验」。
而结合华为在北京车展展台上的展车来看，可以预见的是，深蓝汽车未来发布的新车型将会搭载 ADS SE 版本——也就是说，华为 ADS SE 所搭载的车型，可能会下探到 20 万以下的价格区间。
而瞄准这个价格区间的关键玩家，不仅仅是华为。
毕竟，北京车展期间，还有一个不可忽视的重大动态是小鹏汽车的 MONA。 在发布会上，何小鹏对于 MONA 的定义是「全球 AI 智驾的普及者」。
结合小鹏汽车已经发布的 2K 纯视觉占用网络和 XPlanner，以及 MONA 项目在 15 万级别的定位，几乎可以确认，MONA 已经做好去掉激光雷达的准备。
当然，如果把目光投向更广泛的玩家视野，还有一个典型的案例是：就在 4 月 29 日，黑芝麻智能宣布，旗下华山 A1000 芯片搭载亿咖通·天穹 Pro 智能驾驶计算平台成功助力领克 08 实现高速 NOA 的智驾功能升级。
所以，在智能驾驶纷纷追求量产落地的当下，更多车企、方案商和芯片供应商，也都在不遗余力地进入到智能驾驶的落地节奏中。
写在最后
纵览本次北京车展，无论是由马斯克突击到访而引起广泛议论的「FSD 入华」，还是华为、小鹏、蔚来、理想和英伟达、地平线等玩家的诸多动态，都在一定程度上指向了智能驾驶产业发展的一个处境。
那就是：智能驾驶已经处在技术突破和商业落地的关键十字路口。
毕竟，从技术的维度上来说，尽管端到端已经成为大趋势，而且大模型的加持给了它更大的成长空间，但从如今的实际产品体验来说，包括特斯拉在内，没有哪一家车企有足够的底气去大声告诉消费者「自动驾驶已经实现」，并且可以为此承担全部责任。
正如吴新宙所说，即使是端到端，也需要一定的时间来成长。
但是，如果我们用发展的眼光来看待，在 AI 技术的驱动下，智能驾驶本身确实已经在数年内发生了巨大的改变，而类似于自动泊车、高速领航辅助驾驶等功能也已经在用户的使用场景中体现出相应的产品价值——而智驾能力，也由此正逐渐成为用户购车决策中的重要一环。
从这个角度来看，智能驾驶的商业落地，不仅仅是各大玩家在多年的投入之后寻求商业回报的必然结果，也是整个汽车行业在电动化、智能化的产业革命中不断寻求技术和和产品突破的主动选择。
有意思的是，在这一轮产业革命中，身为智能驾驶先驱者和引领者的美国企业特斯拉，反而是在大洋彼岸的中国，才能够找到它在智能驾驶领域的追随者、学习者和有力竞争者——而在北京车展期间，我们也看到，对于「特斯拉 FSD 入华」一事，类似于小鹏汽车这样的中国玩家也表达了欢迎。
所以，从这个角度来看，若有一天特斯拉 FSD 入华成功，则本次北京车展期间发生的与智能驾驶相关的一切，可以说都是这件事情得以发生的最佳铺垫。
撰文/ 温莎
编辑/ 黄大路
设计/ 赵昊然
伴随高阶智能辅助驾驶进入下半场，自动驾驶领域最近风向突变。
过去很长一段时间，小鹏、理想、蔚来，华为等企业均以高精地图作为驾驶决策的底层信息。 然而，从2022下半年开始，自动驾驶圈开始了浩浩荡荡的去高精地图化，众多企业纷纷抛弃纯高精地图的路线，在布局多年后换道。
尤其是在智能驾驶渗透城市的过程中，受政策影响，这波“去高精地图”的运动在2023年年初到达顶峰。
在这条赛道上，有一家企业已经率先抢跑多年。
在中国的自动驾驶江湖，最早提出“重感知”路线的是毫末智行，且在相当一段时间内几乎是行业内唯一采用这一路线的厂商。 竞争激烈的市场中，提前预判到了正确的方向，意味着少走了弯路，争取到了宝贵的时间。 现实也正是如此。
4月11日，在第八届HAOMO AI DAY上，毫末再次官宣了3家主机厂定点合作，全新搭载毫末HPilot2.0的2023款坦克500已于3月上市，首款搭载HPilot3.0的新摩卡DHT-PHEV即将重磅上市，第二款搭载毫末HPilot3.0的车型魏牌蓝山也将在今年上市。
至此，毫末完成了商业化跃的升重要一步，展现出了毫末独有的速度。
作为中国唯一聚焦自动驾驶的AI技术盛宴，每届的HAOMO AI DAY已经成为一场行业盛会。 本届 AI DAY 再度齐聚自动驾驶领域超豪华嘉宾阵容，不仅有最前沿的技术发布，也有深刻的洞见。
“2023年将是智能驾驶冲刺之年、大考之年。 ”活动现场，张凯以《HAOMO SPEED，AI SPEED》为题发表了演讲。
他指出，2022年度中国市场乘用车L2及以上辅助驾驶前装搭载率升至29.40%，前装标配交付585.99万辆。 毫末在去年预估，到2025年高级别辅助驾驶搭载率超过70%，这意味着智驾产品进入快速增长的全线爆发，2023年将是非常关键的一年。
首先，城市导航辅助驾驶产品在2023年将围绕量产上车发力，主要玩家的城市辅助驾驶产品进入到真实用户覆盖和多城市落地的比拼。 其次，行泊一体和无人车商业化将成为自动驾驶公司深耕的重点。 在乘用车领域，搭载行泊一体功能的智驾产品将迎来前装量产潮；在无人驾驶领域，末端物流自动配送车在商超、快递等场景迎来爆发，2023年将在这些场景实现可持续商业化闭环。 大模型、智算中心等成为自动驾驶新基建。
如果将这四个领域比喻为四大战场，毫末智行在其中已经全面打响了四大战役。
加速落地，毫末有理论更要有实践自动驾驶路线之争由来已久。
在诸多车企重注地图路线时，2022年4月，毫末智行就表示要做重感知的城市智能驾驶，降低智能驾驶中高精地图的权重，乃至做到无需高精地图。 做出这样的决定，是因为毫末智行判断，高精地图更新频次太低，无法满足智能驾驶的需求。
毫末智行CEO顾维灏曾对此做出过形象的比喻：高精度地图提供的是道路先验信息，但是它并不稳定，总是施工。 如果你把它当做是激光雷达，且这个激光雷达总是施工不可用，那它的置信度当然就会被降低。
之后的故事已经证明，重感知路线，是能够走通的自动驾驶商业化道路。 前瞻性令毫末引领了中国自动驾驶量产提速，其城市NOH也其因强感知能力成为可大规模量产落地的辅助驾驶系统。
2023年年初，毫末打响了智能驾驶装机量的王者之战。 如今，毫末三代乘用车产品搭载车型近20款，新摩卡DHT-PHEV将是首款搭载HPilot3.0的产品；毫末智能辅助驾驶用户行驶里程已经突破4000万公里，毫末城市NOH已经在北京、保定、上海等城市开启泛化测试，落地即可体验到毫末的城市NOH功能。 2024年，毫末辅助驾驶乘用车总量预计达到百万量级。
海外市场，毫末也在加速布局之中。 搭载毫末HPilot的车辆将在欧盟、以色列等地区和国家陆续交付到用户手中，同时即将量产墨西哥版本及俄罗斯版本；接下来，也将在中东、南非、澳大利亚市场陆续投放助力中国智能驾驶出海。
势如破竹之际，毫末引爆了“城市NOH百城大战”。 活动现场，张凯播放了一段路测视频，其中完整的记录了毫末城市NOH可以在北京、上海丝滑流畅的进行红绿灯控车路口转向，实现无保护左转等场景。
为加速攻城略地，毫末提出了安全为先、用户为先、规模为先的原则，优先落地规范性城市、用户期待的城市以及搭载车型销量较大的城市。 随着量产车型的逐步落地，毫末城市NOH预计在到2024年，城市NOH将有序落地100城。
对于先进的技术而言，应用远比理论更重要。 先打通特定的场景、让智能驾驶系统量产落地，比单纯地强调更高的自动驾驶级别更重要。 这一方面能让消费者尽快体验到自动驾驶带来的便利，同时也能为技术开发积累宝贵的数据和经验。
有眼光，有胆量，也有实力，毫末堪称敢想敢干的实践者。 可以期待的是，随着更多搭载毫末 HPilot 智能驾驶产品的量产车型的落地，毫末将继续夯实量产自动驾驶第一名的领先位置，未来具有更大的想象空间。
海若亮相，毫末重塑汽车智能化技术路线人工智能技术正在迎来从量变到质变的重大节点。
2023年，ChatGPT应用的火爆和GPT-4等大模型的发布，让所有人都相信一个真正属于人工智能的时代开启了。 有人说， ChatGPT的出现不亚于PC和互联网的发明；也有人说，现在是AI的iPhone时刻。
无论怎样，ChatGPT的到来即将改变人类，未来已来，毫末智行推出了全球首个自动驾驶生成式大模型——DriveGPT。
演讲中，顾维灏在演讲中揭秘了DriveGPT中文名“雪湖·海若”的来源：“‘海若’，出自《庄子·秋水》，里面有两个神话人物河伯和北海若。 河伯请教北海若，何谓大小之分，北海若教导，不因天地而觉大，不因毫末而觉小。
毫末把 DriveGPT 命名为雪湖·海若，寓意智慧包容、海纳百川，为行业发展贡献力量。
作为全球首个自动驾驶生成式大模型，毫末雪湖·海若通过引入驾驶数据建立 RLHF（人类反馈强化学习）技术，对自动驾驶认知决策模型进行持续优化。 在整个行业才有认知之际就拿出产品，这缘于毫末从很早开始就对大模型进行研究。
毫末雪湖·海若的目标是实现端到端自动驾驶，现阶段主要用于解决自动驾驶的认知决策问题，后续持续会将毫末多个大模型的能力整合。
目前，毫末雪湖·海若实现了模型架构与参数规模的升级，参数规模达到1200亿，预训练阶段引入4000万公里量产车驾驶数据，RLHF阶段引入5万段人工精选的困难场景接管Clips。
此外，雪湖·海若还开放了场景识别能力，能够根据输入端的提示语以及毫末CSS自动驾驶场景库的决策样本去训练模型，让模型学习推理关系，从而将完整驾驶策略拆分为自动驾驶场景的动态识别过程，完成可理解、可解释的推理逻辑链生成。 这以进化，对于整个行业的进步，有极大的推动作用。
现场，毫末宣布雪湖·海若首发车型是新摩卡DHT-PHEV，即将量产上市。 这将使得城市NOH的能力至少领先业内一年，DriveGPT的横空出世，将重塑汽车智能化技术路线。
顾维灏提到，雪湖·海若可以逐步应用到城市NOH、捷径推荐、智能陪练以及脱困场景中。 有了雪湖·海若的加持，车辆行驶会更安全；动作更人性、更丝滑，并有合理的逻辑告诉驾驶者，车辆为何选择这样的决策动作。 对于普通用户来说，车辆越来越像老司机，用户对智能产品的信任感会更强，理解到车辆的行为都是可预期、可理解的。
“毫末是自动驾驶公司中最懂如何量产落地的，在 Tier1 中最懂怎么做自动驾驶的，在具有数据的公司中最懂如何真正数据闭环的。 ”张凯在现场有些自豪的表示。
复盘毫末智行一路走来的脚步，对数据的理解和使用、自动驾驶公司最大智算中心的投入使用，全新雪湖·海若的推出，都进一步加强了毫末在数据闭环上的优势，随着更多量产车的上市，毫末的优势或许会进一步的放大。
以技术为生存根本，毫末冲刺自动驾驶3.0时代2022年9月的第六届HAOMO AI DAY上，毫末在业内首提了自动驾驶3.0时代。
结合技术发展的规律和自动驾驶近十年的发展历史，毫末认为可以将这近十年的自动驾驶技术发展分成了三个阶段：最早的硬件驱动方式，为自动驾驶1.0时代；最近几年的软件驱动方式，为自动驾驶2.0时代；即将很快发生，并将持续发展的数据驱动方式，为自动驾驶3.0时代。
因此，毫末一直在为自动驾驶3.0时代作准备。 在感知、认知、模式建设上，都是按照数据驱动的方式建设的。 本次AI DAY，毫末打造的中国首个自动驾驶数据智能体系MANA，在经过一年多的应用迭代后，也迎来了全面的升级，正式开放赋能。
顾维灏介绍，MANA计算基础服务针对大模型训练在参数规模、稳定性和效率方面做了专项优化，并集成到OASIS中；其次，MANA感知和认知相关大模型能力统一整合到DriveGPT 中；第三，增加了使用NeRF技术的数据合成服务，降低Corner Case数据的获取成本；同时针对多种芯片和多种车型的快速交付难题优化了异构部署工具和车型适配工具。
