智駕競爭從“端到端”捲到“車位到車位”｜2024廣州車展

今年以來，造車新勢力的智駕競爭主要圍繞端到端技術的落地而展開。到了年底舉行的廣州車展上，“車位到車位”的概念成爲多個汽車公司集中展示的核心亮點。

小鵬汽車宣佈，基於小鵬圖靈AI智駕體系，該公司成爲行業首家用一套智駕軟件以及基於端到端大模型實現“車位到車位”的企業。該方案以一套軟件邏輯，打通地庫、閘機、城區道路等場景，並且輕地圖 、輕雷達，路線還能無感生成。

理想汽車則公佈了全新一代智能駕駛技術架構——端到端+VLM雙系統的最新進展，宣佈OTA 6.5版本車機系統將於11月底正式推送，新增“車位到車位”智能駕駛等功能。

而在廣州車展開幕前一天，小米集團董事長雷軍通過直播展示了小米汽車的“車位到車位”的智駕能力。小米官方稱新系統將在11月16日開啓定向邀請內測，12月底開啓先鋒版推送。

端到端技術標誌着智能駕駛技術進入了一個新的階段。據界面新聞不完全統計，極氪、小鵬、小米、理想和智己等多家新勢力汽車公司在本屆廣州車展前後相繼發佈了基於端到端的智駕。

根據各公司此前的公告，部分車型在特定路況下，智駕功能的使用率普遍超過80%，這表明消費者對這一技術的接受度已逐步提高，並且逐漸習慣其應用。

從技術定義上講，傳統的智能駕駛系統往往採用模塊化架構，感知、預測和規劃三方分立爲獨立模塊進行處理。在一定負載下，傳統智駕系統中模塊與模塊之間的溝通，系統間的傳遞會造成信息的減損可能導致反應速度的問題並影響整體性能。同時，較多的代碼和對地圖的需要也使其構建成本存在劣勢。

端到端則將感知、預測、規劃三個獨立的模型合併，感知、預測、規劃三個獨立的模型合併狀態下的數據訓練使其能通過“經驗”完成學習分析，並最終具備決策能力。

這一特質使端到端系統具備應對多變和複雜場景的能力，表現爲車輛可以在沒有預先設定路線的情況下，根據實時感知到的環境進行自主判斷和規劃行駛軌跡。同時也意味着當該系統運行時，處理交通狀況是通過類似“直覺”來進行判斷，從而使車輛運行更加擬人化。

端到端技術從宣佈、內測、公測直至商業化落地，這一過程並非易事。數據、算法和算力這三大要素是成功的關鍵。其中算法的實現較爲簡單，尤其在國內市場，AI技術的快速發展使得開源算法的可用性大大提升。數據的積累和處理則成爲了更爲關鍵的環節。

以華爲爲例，如果沒有廣泛與汽車公司合作收集到的海量數據，進一步解決長尾問題就無從談起。而隨着合作汽車公司數量和銷量的增長，更多數據又能反哺模型算法並使其進一步優化。這也爲華爲系目前在汽車領域炙手可熱提供了營銷層面之外，技術領域的解釋。

另須注意的是，儘管汽車公司可能出於包括但不限於增加銷量或完善企業形象等目的渲染端到端技術的進展加速，乃至目前已經具備實用能力，但業內有相當比例的觀點仍對這一概念持謹慎態度。這其中又以端到端與L3自動駕駛的關係該如何梳理這一話題爲甚。

從前景來看，端到端大模型被廣泛認爲能夠推動L2級別智能駕駛輔助系統的進化，接近L3水平，甚至爲L3自動駕駛的商用落地提供支持。然而，儘管技術進展迅速，目前仍存在一定差距。

以“車位到車位”功能爲例，儘管這一功能實際上已具備L3自動駕駛的核心能力，部分汽車公司在推向市場的過程中，仍以“L2++”或“L2.99”等模糊定義的術語進行宣傳，避免明確提及L3。這種迴避L3的宣傳口徑，反映了目前技術落地和商業化過程中存在的謹慎態度。

在應用端到端大模型的過程中，汽車公司和供應商必須審慎行事，特別是在宣傳上，需要避免誇大技術的成熟度和商業化進度，業內專家對此持相似看法。

同濟大學汽車學院教授朱西產指出：“雖然特斯拉的端到端技術爲自動駕駛的發展提供了重要推動，但目前還沒有汽車公司真正實現端到端量產。消費者應對那些宣稱已經實現端到端汽車公司的產品持謹慎態度。”

極越CEO夏一平也提出類似的觀點，他在此前8月表示，端到端技術的落地並非一蹴而就：“目前市場上沒有任何一家汽車公司可以真正做到端到端技術的全面應用，絕對不可能。現在聲稱已經實現端到端的說法，可能只是宣傳上的過度渲染。”