如果畫餅要負(fù)法律責(zé)任，那中國汽車行業(yè)將誕生多個(gè)法制咖。

2023年，小鵬立下Flag智駕開城50座；理想宣布開城110座；蔚來的目標(biāo)是其NOP+完成25萬公里城區(qū)領(lǐng)航路線驗(yàn)證，開放6萬公里路線里程，遍布200座城市；華為立誓要在年內(nèi)實(shí)現(xiàn)城區(qū)NCA全國都能開。

最終只有小鵬超額完成目標(biāo)；理想的結(jié)局是AD Max 3.0開通了110座城市的城區(qū)道路，但并未做到“覆蓋全城”；蔚來優(yōu)先打通了難度更低的縣級(jí)市；而華為延期到今年才兌現(xiàn)了諾言。

眼看著消費(fèi)者的胃還沒來得及消化去年“智駕進(jìn)城”的餅，今年車企又畫了塊“端到端智駕上車”的餅。

年前，蔚小理三家頭部新勢(shì)力先后公布了端到端智駕上車的時(shí)間表。

1月30日，何小鵬宣布小鵬的端到端模型會(huì)在今年全面上車。

緊接著理想又宣布端到端智駕新模型將在今年上半年上線，爭(zhēng)取做到全國都能開。為了順利推進(jìn)這一目標(biāo)，理想正在大力招聘業(yè)內(nèi)智駕人才。

蔚來也在2月宣布，將在今年上半年上線基于端到端的主動(dòng)安全功能，據(jù)稱，“如果能順利推進(jìn)，蔚來將是中國最快量產(chǎn)端到端功能的公司。為此，蔚來幾十人的團(tuán)隊(duì)已經(jīng)研發(fā)了將近半年的時(shí)間?！?/p>

這幾家新勢(shì)力原先采用的都是模塊化架構(gòu)，之所以在今年宣布改用端到端架構(gòu)，很大程度上是看到了端到端架構(gòu)的性能上限，預(yù)感到它將成為行業(yè)趨勢(shì)。

去年8月，世界上首個(gè)基于神經(jīng)網(wǎng)絡(luò)的端到端自動(dòng)駕駛系統(tǒng)FSD V12問世，算是第一次實(shí)現(xiàn)了真正意義上的“由 AI 來開車”。在FSD V12的首秀視頻里，馬斯克駕駛著特斯拉行駛在在一條號(hào)稱從未跑過的線路上，全程只接管了一次，體現(xiàn)了端到端架構(gòu)的潛力。

而目前行業(yè)已量產(chǎn)的智能駕駛，絕大多數(shù)采用的是模塊化架構(gòu)。這種架構(gòu)下，智能駕駛被拆分為感知、規(guī)劃等一個(gè)個(gè)典型任務(wù)，后由專門的AI模型或模塊分別處理這些任務(wù)。

這意味著，一個(gè)智駕系統(tǒng)里包含了多個(gè)模型，車企要投入大量人力、財(cái)力分別對(duì)不同模型進(jìn)行訓(xùn)練、優(yōu)化、迭代。而且隨著模型進(jìn)化，參數(shù)量提高，所需的研發(fā)人員和研發(fā)投入將有增無減。

但再多的投入也難以消除模塊化架構(gòu)生來自帶的Bug。

在模塊化架構(gòu)中，下一級(jí)模塊的輸入?yún)?shù)通常是上一級(jí)模塊的輸出結(jié)果，一旦前一級(jí)模塊出現(xiàn)誤差，誤差便會(huì)在信息傳遞時(shí)被逐級(jí)放大。除此之外，不同模塊間的信息交互、接口制定等往往難以順暢地實(shí)現(xiàn)，這就好比在團(tuán)隊(duì)協(xié)作過程中，團(tuán)隊(duì)成員間多少總會(huì)存在溝通上的障礙。

擁有神經(jīng)網(wǎng)絡(luò)模型Transformer的端到端架構(gòu)則能夠很好地解決這個(gè)Bug。這種架構(gòu)下，由于感知到的信息是被送到類似人腦的神經(jīng)網(wǎng)絡(luò)中樞進(jìn)行處理，后直接生成駕駛指令，因而只需一個(gè)模塊便可實(shí)現(xiàn)上述多個(gè)模塊的功能，車企省下了一筆研發(fā)投入的同時(shí)，智駕系統(tǒng)的流程更簡潔，系統(tǒng)做出的決策更擬人化，整車的智駕水平也將大幅提升。

但端到端架構(gòu)也有難以逾越的壁壘，它對(duì)數(shù)據(jù)、算力、芯片都提出了較高的要求。

特斯拉之所以能在端到端技術(shù)上走在行業(yè)前列，依托的是全球數(shù)百萬的特斯拉汽車保有量，那些每天在路上行駛的特斯拉汽車向馬斯克的端到端模型投喂了海量數(shù)據(jù)。據(jù)特斯拉方面公布的消息，為保證模型性能的穩(wěn)定，特斯拉采用了近1000w視頻序列數(shù)據(jù)。但對(duì)其他車企而言，它們很難采集到這么多數(shù)據(jù)樣本，即使采集到了，為這些數(shù)據(jù)做標(biāo)注也要耗費(fèi)巨大的時(shí)間、金錢、人力成本。

此外怎么訓(xùn)練出一個(gè)可靠的模型也是個(gè)問題。拋開如何工程化這個(gè)問題不談，要在千萬級(jí)視頻數(shù)據(jù)中訓(xùn)練一個(gè)大模型，需要的是天量算力。特斯拉的端到端能落地，是因?yàn)樗凶匝械某?jí)計(jì)算機(jī)Dojo，專用來訓(xùn)練自動(dòng)駕駛汽車人工智能模型。據(jù)其官方數(shù)據(jù)顯示，每個(gè)Dojo都集成了120個(gè)訓(xùn)練模塊，內(nèi)置3000個(gè)D1芯片，擁有超過100萬個(gè)訓(xùn)練節(jié)點(diǎn)，算力達(dá)到1.1EFLOP。

不理解這些參數(shù)的概念不要緊，我們只需要通過摩根士丹利估計(jì)，Dojo會(huì)讓特斯拉的市值增加近6000億美元（相當(dāng)于彼時(shí)特斯拉市值的76%）這一點(diǎn)便可知道，Dojo的算力有多強(qiáng)大。但并不是每家車企都有個(gè)Dojo。

當(dāng)然，國內(nèi)車企可以通過與云服務(wù)大廠共建云計(jì)算中心，來應(yīng)對(duì)算力的掣肘，比如小鵬與阿里云在烏蘭察布共建了600PFLOPS超算。

但即便如此，車企還需要考慮的是，算法被訓(xùn)練出來后怎么部署。在車端，要想讓算法能進(jìn)行實(shí)時(shí)推理，芯片的算力也需足夠強(qiáng)大，但目前的主流芯片還達(dá)不到這個(gè)要求，況且它們也根本不是專為Transformer打造的，和Transformer間的適配度自然不會(huì)太高。

既然硬件一時(shí)跟不上，車企就得把復(fù)雜的算法盡可能壓縮，這又是一個(gè)挑戰(zhàn)。

既然在技術(shù)落地面前還橫亙著這么多障礙，頭部幾家新勢(shì)力何以這么著急公布端到端智駕上車時(shí)間？

比起它們真的已積淀了過硬的技術(shù)儲(chǔ)備，個(gè)人更愿意相信，這是頭部幾家新勢(shì)力的營銷噱頭，先把狠話放出來，在用戶心中立下“技術(shù)咖”的人設(shè)，再慢慢搞研發(fā)，即使研發(fā)進(jìn)展不及預(yù)期，大不了說一句：“很抱歉，我們失言了。”反正畫餅不用負(fù)法律責(zé)任。

最后提一嘴，按目前的趨勢(shì)來看，一旦端到端技術(shù)成熟，理想在智駕上或?qū)碛懈r明的優(yōu)勢(shì)。更高的保有量、全系標(biāo)配的智駕硬件方案、免費(fèi)的智駕產(chǎn)品，這些都將轉(zhuǎn)化為理想在數(shù)據(jù)上的優(yōu)勢(shì)。而端到端機(jī)構(gòu)要想表現(xiàn)出比模塊化架構(gòu)更優(yōu)越的性能，關(guān)鍵一步正是通過海量的數(shù)據(jù)喂養(yǎng)，令其經(jīng)歷“涌現(xiàn)”的過程。

返回第一電動(dòng)網(wǎng)首頁 >