中評社北京8月30日電／據經濟日報報導，最近，“端到端”在車圈火了！特斯拉基於“端到端”的FSDV12（完全自動駕駛）方案形成的標杆示範效應，叠加入華傳聞，帶動“蔚小理”等車企和華為、地平線等服務商紛紛轉向，加碼端到端自動駕駛技術。
所謂“端到端”，其實是來自深度學習中的概念，英文為“End—to—End（E2E）”，指通過一個AI模型，只要輸入原始數據就可以輸出最終結果。應用到自動駕駛領域，意味著只需要一個模型，就能把攝像頭、毫米波雷達、激光雷達等傳感器收集到的感知信息，轉換成車輛方向盤的轉動角度、加速踏板的踩踏深度以及制動的力度等具體操作指令，讓汽車實現自動駕駛。用小鵬汽車創始人何小鵬的說法，表現得“很絲滑”，更像“人類司機駕駛”。
此前，市面上絕大部分自動駕駛系統為傳統模塊化方式，即一個人工和智能兩分天下的混搭系統：感知依靠神經網絡，規劃控制則使用人類手動設計的算法。這一系統的好處在於分工明確，發現缺陷便於分模塊檢查、解決。但問題是，這種模塊化的自動駕駛系統在相對簡單的駕駛任務上表現不錯，而在複雜的駕駛任務面前，其天花板顯而易見。就算是號稱遙遙領先的城市高階智駕功能，依然會有機械感，也會在匯入快速路、通過大型路口時宕機。
考慮到自動駕駛的核心挑戰是解決無窮無盡的邊緣場景，以有限人力解決無限長尾問題的成本和時間難以估量，數據化、模型化成為必然趨勢。不過，端到端，同樣是一個需要老師傅精心打磨的高難度技術活。
一方面，端到端需要海量高質量數據“投喂”訓練。與大語言模型可以在互聯網上爬取海量文字數據用於訓練不同，端到端智駕需要的視頻數據獲取成本和難度極高。以特斯拉為例，目前其FSD累計學習的人類駕駛視頻片段超過2000萬個，而這一規模的數據僅采集成本就需要50億元至80億元。
另一方面，端到端需要強大算力的支持。自動駕駛涉及激光雷達、圖像感知以及V2X車路協同等技術與解決方案。強大的算力不僅有利於實時處理海量數據，降低數據傳輸延遲，還可更好地支持面向智慧城市、智慧交通、高級別自動駕駛等全場景。然而，華為車BU、百度極越、蔚來、理想、吉利、長城、小鵬等國內企業算力增長目前均面臨較大瓶頸。
|
