每經(jīng)評(píng)論員 范文清

日前，特斯拉宣布將于明年一季度在中國(guó)市場(chǎng)推出FSD（全自動(dòng)駕駛）功能。這一消息再度引發(fā)汽車(chē)行業(yè)對(duì)“端到端”技術(shù)的關(guān)注。當(dāng)前特斯拉的FSD V12方案是基于“端到端”技術(shù)迭代推進(jìn)的。為了應(yīng)對(duì)挑戰(zhàn)，今年以來(lái)，包括“蔚小理”等車(chē)企和華為、地平線(xiàn)等服務(wù)商在內(nèi)，多家企業(yè)紛紛加碼端到端自動(dòng)駕駛技術(shù)。有業(yè)內(nèi)人士甚至認(rèn)為，“端到端”是目前通往自動(dòng)駕駛終局的唯一可行方案。

不過(guò)，筆者認(rèn)為，目前下這個(gè)結(jié)論還為時(shí)尚早。

所謂“端到端”，其實(shí)是源自深度學(xué)習(xí)中的概念，它指的是一個(gè)AI模型，只需輸入原始數(shù)據(jù)即可輸出最終結(jié)果。應(yīng)用到自動(dòng)駕駛領(lǐng)域，這意味著只需要一個(gè)模型，就能將攝像頭、毫米波雷達(dá)、激光雷達(dá)等傳感器收集到的感知信息，轉(zhuǎn)換成車(chē)輛方向盤(pán)的轉(zhuǎn)動(dòng)角度、加速踏板的踩踏深度以及制動(dòng)的力度等具體操作指令，從而使汽車(chē)實(shí)現(xiàn)自動(dòng)行駛。

相比傳統(tǒng)的“感知-決策-控制”智駕系統(tǒng)，“端到端”技術(shù)由于中間沒(méi)有規(guī)則介入，將原本感知、預(yù)測(cè)、規(guī)劃等多個(gè)模型組合的架構(gòu)簡(jiǎn)化為“感知決策一體化”的單模型架構(gòu)，在信息傳遞、推理計(jì)算、模型迭代上更具優(yōu)勢(shì)。同時(shí)，“端到端”架構(gòu)由數(shù)據(jù)驅(qū)動(dòng)的模塊構(gòu)建，使其人為維護(hù)的模塊比例相應(yīng)減少，因此“端到端”系統(tǒng)不僅能顯著提升計(jì)算效率，還能降低維護(hù)成本。

然而，這些優(yōu)點(diǎn)并不意味著“端到端”技術(shù)沒(méi)有短板。事實(shí)上，“端到端”自動(dòng)駕駛在實(shí)現(xiàn)量產(chǎn)落地與普及方面仍面臨諸多挑戰(zhàn)。

首先，“端到端”模型的訓(xùn)練成本非常高，需要廠商不斷提升GPU的采購(gòu)規(guī)模，這提高了“玩家”的進(jìn)入門(mén)檻。以特斯拉為例，目前其FSD累計(jì)學(xué)習(xí)的人類(lèi)駕駛視頻片段超過(guò)2000萬(wàn)個(gè)，僅采集成本就需要50億元至80億元。

其次，“端到端”模型的訓(xùn)練需要大量數(shù)據(jù)，而對(duì)海量數(shù)據(jù)的采集、清洗和篩選，對(duì)企業(yè)來(lái)說(shuō)是一項(xiàng)極具挑戰(zhàn)性的工作。強(qiáng)大的算力可以實(shí)時(shí)處理海量數(shù)據(jù)，降低數(shù)據(jù)傳輸延遲，有利于高級(jí)別自動(dòng)駕駛的落地，但目前包括“蔚小理”在內(nèi)的多家車(chē)企在算力增長(zhǎng)方面均面臨較大挑戰(zhàn)。

此外，當(dāng)前“端到端”智駕的安全性還沒(méi)有得到完全保障，特別是對(duì)于不常見(jiàn)或極端場(chǎng)景的數(shù)據(jù)，這對(duì)感知模型的泛化性能提出了極高要求。“端到端”技術(shù)需要能夠處理這些長(zhǎng)尾場(chǎng)景，以確保在任何情況下都能作出正確響應(yīng)。

目前行業(yè)對(duì)“端到端”技術(shù)的探索才剛剛起步，對(duì)許多基礎(chǔ)問(wèn)題還缺乏深入討論。因此，現(xiàn)在還不能確定“端到端”就是自動(dòng)駕駛的終局解決方案，從而摒棄其他路徑。只有不同技術(shù)路線(xiàn)同臺(tái)競(jìng)技共同發(fā)展，才能推動(dòng)自動(dòng)駕駛更安全、更快速地向更高階段發(fā)展。