智能制造網(wǎng)APP
智能制造網(wǎng)手機(jī)站
智能制造網(wǎng)小程序
智能制造網(wǎng)官微
智能制造網(wǎng)服務(wù)號
智能控制
機(jī)器人
儀器儀表
物聯(lián)網(wǎng)
3D打印
工業(yè)軟件
回放
回放
品牌
得益于特斯拉的標(biāo)桿引領(lǐng)作用，自動駕駛領(lǐng)域正掀起一股端到端布局熱潮。
縱觀市場，當(dāng)前以蔚來、小鵬、理想等為代表的整車廠，以及元戎啟行、商湯絕影、小馬智行、鑒智機(jī)器人等在內(nèi)的自動駕駛產(chǎn)業(yè)鏈公司，都在爭相研發(fā)端到端自動駕駛，以實(shí)現(xiàn)更出色的智駕體驗，以及功能進(jìn)階。
據(jù)辰韜資本聯(lián)合南京大學(xué)上海校友會自動駕駛分會、九章智駕共同發(fā)布的《端到端自動駕駛行業(yè)研究報告》顯示(以下簡稱《報告》)，基于自動駕駛行業(yè)頭部玩家紛紛提出端到端量產(chǎn)規(guī)劃，預(yù)計模塊化端到端系統(tǒng)將于2025年開始上車。
而真正的One Model端到端系統(tǒng)，作為廣泛認(rèn)定的端到端終局方案，由于需要更多模型、數(shù)據(jù)、訓(xùn)練算力和芯片層面的升級，中性預(yù)期其落地時間會晚于模塊化端到端1~2年時間，從2026年至2027年開始上車量產(chǎn)。
端到端加速重構(gòu)自動駕駛
作為一種新的技術(shù)路徑，端到端因為可以實(shí)現(xiàn)感知、預(yù)測、規(guī)劃三個模型的高度一體化，并通過海量數(shù)據(jù)持續(xù)訓(xùn)練算法，讓機(jī)器擁有自主學(xué)習(xí)、思考和分析的能力，目前普遍認(rèn)為可以更好地處理復(fù)雜的駕駛?cè)蝿?wù)，從而帶來自動駕駛體驗提升。
不過在實(shí)際落地過程中，端到端有多種不同的技術(shù)路線，常見的有模塊化端到端和One Model端到端。其中模塊化端到端，即在自動駕駛算法架構(gòu)中，感知和決策規(guī)劃仍然分為多個模塊，但每個模塊都可以模型化，并通過模塊之間的隱式表達(dá)特征，可以實(shí)現(xiàn)感知信息的無損傳遞，助力自動駕駛?cè)謨?yōu)化。
而One Model端到端，則不再有感知、決策規(guī)劃等功能的明確劃分，從原始信號輸入到最終規(guī)劃軌跡的輸出直接采用同一個深度學(xué)習(xí)模型，如此一來可以更好地實(shí)現(xiàn)感知信息無損傳遞，實(shí)現(xiàn)高效的自動駕駛應(yīng)用和體驗。
比如特斯拉的許多用戶就表示，特斯拉 FSD V12 在施工路段、無保護(hù)左轉(zhuǎn)、擁擠的環(huán)島以及為后方車輛挪動空間時表現(xiàn)優(yōu)異。得益于此，自今年3月特斯拉開啟引入了“端到端神經(jīng)網(wǎng)絡(luò)”技術(shù)的FSD V12大規(guī)模推送和免費(fèi)試用后，據(jù)馬斯克透露，其訂閱率有大幅度提升。
5月底，小鵬汽車正式發(fā)布國內(nèi)首個量產(chǎn)上車的端到端大模型：神經(jīng)網(wǎng)絡(luò)XNet+規(guī)控大模型XPlanner+大語言模型XBrain。據(jù)了解，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(shí)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“2天迭代一次”，在未來18個月內(nèi)智駕能力提升30倍。
不僅如此，由于該算法架構(gòu)的強(qiáng)泛化性，端到端還被認(rèn)為有可能驅(qū)動自動駕駛跨車型、跨地理區(qū)域、跨國家、跨場景的應(yīng)用，在智駕出海中將大有可為，甚至催生新的產(chǎn)業(yè)分工和商業(yè)模式。
當(dāng)前，智能駕駛公司在出海時遇到的一個普遍的問題是，由于目前不同國家地區(qū)的駕駛場景、交通規(guī)則都有較大差異，因而，場景適配所需的工作量極大。而端到端的強(qiáng)泛化能力，有望大大減少這一差異帶來的資源投入，進(jìn)而加速智駕公司在不同場景、不同國家或地區(qū)的應(yīng)用。小鵬汽車董事長兼首席執(zhí)行官何小鵬就透露，小鵬汽車正在全球范圍對XNGP端到端的能力進(jìn)行測試，推進(jìn)智駕技術(shù)開始走向全球。
機(jī)遇和挑戰(zhàn)并存
毋庸置疑，端到端在自動駕駛領(lǐng)域應(yīng)用前景廣闊，但這一全新架構(gòu)面臨的落地挑戰(zhàn)亦不容忽略。
《報告》指出，目前端到端自動駕駛在落地方面主要面臨技術(shù)路線分歧、對訓(xùn)練數(shù)據(jù)需求量空前提升、對訓(xùn)練算力需求越來越高、測試驗證方法尚不成熟、組織資源重塑等多重挑戰(zhàn)。
在技術(shù)路線方面，現(xiàn)階段無論是“ 模塊化端到端”還是面向終局的“One Model 端到端” ，都有相應(yīng)的追隨者，并且由于行業(yè)內(nèi)尚未出現(xiàn)可供參考的最佳實(shí)踐案例，預(yù)計這種路線分歧還將持續(xù)一段時間。未來 1~2 年內(nèi)，隨著更多公司和研究機(jī)構(gòu)在端到端領(lǐng)域加大投入并推出產(chǎn)品，技術(shù)路線才會逐漸收斂。
數(shù)據(jù)方面，端到端自動駕駛更是在數(shù)據(jù)量、數(shù)據(jù)標(biāo)注、數(shù)據(jù)質(zhì)量和數(shù)據(jù)分布等多個維度提出了更高的要求。小馬智行 CTO 樓天城就表示，現(xiàn)階 段，訓(xùn)練出一個一般性能的端到端模型，自動駕駛的數(shù)據(jù)量已經(jīng)不是一個問題； 但是要訓(xùn)練出一個高性能的端到端模型，對數(shù)據(jù)的質(zhì)量要求可能是幾個量級的提 升，這是自動駕駛行業(yè)都會面臨的挑戰(zhàn)。
而在算力需求方面，特斯拉曾在2024Q1 財報電話會上表示，公司已經(jīng)有35000張 H100 GPU，并計劃在2024年內(nèi)增加到85000張H100以上，但國內(nèi)主機(jī)廠和自動駕駛公司的訓(xùn)練算力，目前鮮有企業(yè)能達(dá)到特斯拉的規(guī)模。
作為對比，小鵬汽車目前僅手握7000+張GPU卡。此前，小鵬汽車已經(jīng)明確在“以智駕為核心的AI技術(shù)”方面，2024年將投入35億元用于智能研發(fā)，并新招募4000名專業(yè)人才，今后每年還將投入超過7億元用于算力訓(xùn)練。
國內(nèi)智駕領(lǐng)域算力儲備相對靠前的是商湯，其在上海臨港建立的亞洲最大的智算中心(AIDC)，目前總運(yùn)營算力已經(jīng)達(dá)到12,000P，上線GPU數(shù)量達(dá)到45,000張，今年底計劃進(jìn)一步達(dá)到16000P。
另外，測試驗證方面，現(xiàn)有測試驗證方法不適用于端到端自動駕駛，行業(yè)亟需新的測試驗證方法論和工具鏈；組織資源投入方面，端到端需要組織架構(gòu)重塑，也需要將資源投入傾斜到數(shù)據(jù)側(cè)，對現(xiàn)有模式提出挑戰(zhàn)。
也正因如此，盡管業(yè)界已經(jīng)對端到端重構(gòu)自動駕駛形成普遍共識，目前的量產(chǎn)方案大多仍停留在“決策規(guī)劃模型化” 階段，距離模塊化端到端或 One Model 端到端自動駕駛真正規(guī)?；涞剡€有一段距離。
浙公網(wǎng)安備 33010602000006號
智能制造網(wǎng)APP
智能制造網(wǎng)小程序
微信公眾號
