“端到端”到哪个“端”？“端味”智驾是什么味？-咖贰

很多人都说，今年是中国汽车行业的端到端元年。但昨天和同事聊天时我突然发现，不知道是因为信息传递失真，还是有些厂家喜欢根据自己的技术路线在PPT里夹带私货，作为一家天天听厂家智驾PPT的汽车媒体，大家对“端到端”“端味”的理解居然不一样。

为了避免“端到端”在大家眼里变成“别问，问就是生态化反”这样的互联网黑话，我觉得很有必要在端到端元年结束前解决下这个知识小尾巴，让大家不留遗憾地携手迈进2025年端到端智驾时代。

端到端有什么不同？

“端到端”的两个端分别指的是车载传感器的输入端（激光雷达、摄像头、毫米波雷达等）和行驶指令（方向、电门等）的输出端。

输入端传感器将信息直接输入一个AI大模型，直接在输出端输出行驶命令的，就是端到端。其最核心的特点就是，全部数据处理、预测、规划、控制的过程只用单一的AI大模型。

在主流车企里，将大模型应用到智驾系统中的做法，是由特斯拉2021年重构FSD系统时引入，到2024年1月特斯拉推出FSD V12 Beta版时正式进入端到端大模型时代，随后各家主机厂和智驾供应商开始跟进。

以前的智驾系统被业界称为模块化架构，它和端到端有根本性的不同，感知、预测、规划、控制等过程都由不同模块单独控制，而且每一个模块都需要人工编写规则告诉它怎么去处理。

而端到端是“感知决策一体化”，一个AI大模型全部搞定，减少了不同模块间数据传递导致的信息失真。而且不需要人工编写规则，只需要做好AI大模型的神经网络，然后喂给它海量的数据进行训练，就能让神经网络“学会”开车。

做个不太形象的比喻。模块化智驾就是你告诉了它村东头竖着的红绿灯长什么样，见到这个红灯了就赶紧停车，但到了村西头见到横着的红绿灯它就不认识了，别管什么灯，一脚油就过去了。

而端到端就能学会这红黄绿三个灯摆在一起就是交通信号灯，然后红灯停、绿灯行，以后遇到村南、村北的红绿灯都不在话下。显然，对于开车这种复杂到无法用规则穷尽的场景，能自我进化和学习的端到端要更好用。

不过，端到端上限很高，下限也很低。就像同样应用大模型的ChatGPT有可能出现AI幻觉，给出错误或乱编的答案一样，端到端智驾也可能会出现对路况理解错误、输出错误结果的情况，这些错误还存在“黑盒”不可解释性的问题，即神经网络决策过程对工程师来说是一个“黑盒”，你不知道它怎么错的、在哪出错的。

对于这样的情况也有办法处理。比如小鹏的端到端大模型，就将大模型内部分为侧重理解大场景Xbrain和车展感知、语义的XNet等不同侧重的区域，出问题后工程师能精准定位到底是理解、感知、执行或者其他区域出了问题，对该区域修改来解决问题。

何小鹏也解释过，为了保证安全，没有一家的端到端能说自己是完全的神经网络。小鹏的端到端在刹车控制这种核心区，是有一定规则体系的。

“端味”是什么味？

刚才我们已经说了，端到端和模块化不同之处在于，它没有规则，是通过神经网络对照着老司机们开车的训练数据“学会”开车的。所以，端到端智驾使用起来会更像人在开车，有“端味”其实就是有“人味”。

比如道路掉头的时候，端到端智驾会像老司机一样，如果右边没有车，会稍微往右先反打一把方向盘，让车头向右一点，再向左打死方向盘进行掉头，尽可能减半径。要右转进入停车场的时候，会尽可能走在车道靠左的地方，并且让车走过一点再画大圆进入停车场，避免剐蹭路肩和尽可能将车头对正闸机口方便识别。

这并不是说模块化智驾没办法做这些功能，而是因为它依赖于编写的规则来开车，但实际上在掉头的时候，你当前车道有多宽？隔离带的缺口有多大？隔离带有多宽？这些情况是无法以规则穷尽的，也就没办法给每种情况都写好规则，所以要做这些细节处理非常困难。

端到端就不一样，只要有足够强大的超算中心，就能通过大量的训练尽可能穷尽不同的道路情况，加上神经网络本身的学习和泛化能力，就能让它在真实道路情况中开得更像人类。这也就是为什么每家搞智驾的，现在都在比拼超算中心的算力。而特斯拉的Dojo遥遥领先的算力，就是它做好FSD最大的底气。国内车企这方面的基础建设也正在提速。

端到端还有假的？

虽然今年很多主机厂都在宣传自己用了端到端，但网上还出现了“真假端到端”的论战。真端到端和假端到端又有什么区别呢？