“企業(yè)做宣傳時，講得天花亂墜，說是端到端、數(shù)據(jù)驅動，有各種各樣的新詞，但對普通消費者來說，很簡單，上車以后 5 分鐘能不能感覺產(chǎn)品是完全與眾不同的，是可以信賴的，這樣的產(chǎn)品才能去賣。”今年年初，地平線蘇箐在媒體交流會中有感而發(fā)的這段話，仍舊警示車圈智駕生態(tài)。

去年一整年，車企都在做端到端。華為、理想、小鵬和海外的特斯拉已經(jīng)證明，端到端模型訓練出的自動駕駛軟件可以上路——至少在大部分時候如此。

端到端是一個黑盒系統(tǒng)，其邏輯是通過神經(jīng)網(wǎng)絡模擬人類行為，通過概率模型總結出來的駕駛策略，存在出現(xiàn)問題的概率，且一旦出現(xiàn)問題可能造成嚴重的后果。（關于蔚小理華的上一代架構，虎嗅汽車團隊曾在《抄不了特斯拉的作業(yè)，“蔚小理華”可咋整》一文中有過詳細解析）

端到端思路來源于人工智能領域的深度學習，本質(zhì)是把智駕算法簡單化，再通過大量的數(shù)據(jù)訓練來補足軟件能力。

但一些車企已經(jīng)發(fā)現(xiàn)，端到端無法完全解決問題。當智能駕駛要往更安全、人類干預更少的 L3 方向進階，就要想辦法補上端到端的漏洞。

于是車企們甩出一堆新的名詞——世界模型、VLA、基座模型......這些詞匯意味著什么，真的能解決智能駕駛問題嗎？

智駕路線出現(xiàn)分野

進入端到端2.0階段，技術路線沒有了標準答案。

理想在 AI TALK 上公布下一代自動駕駛架構 VLA（視覺-語言-行為大模型）；小鵬最新技術架構則是打造一個云端世界基座模型，通過蒸餾方法，生產(chǎn)出小尺寸的車端模型XVLA；華為乾崑ADS4 引入了 WEWA 架構——WE代表云端世界引擎（World Engine），WA代表了車端的世界行為模型（World Action Model）。

“各家廠商軟件架構不一樣，其實是各家的硬件研發(fā)進度和商業(yè)模式導向的結果。”一位業(yè)內(nèi)人士說道。

小鵬和理想都走了 VLA 的路徑，上述人士告訴筆者：“這是傳統(tǒng)車企轉向一個機器人企業(yè)，或者說 AI 企業(yè)必須要去走的，早走晚走都得走。”

小鵬目前是汽車和機器人兩手抓，而理想的機器人業(yè)務還只是規(guī)劃階段，這種業(yè)務布局的差異性讓這兩家在同一技術路線上又衍生了另一條支線。

小鵬在云端訓練了一個 72B 參數(shù)量的世界基座模型，是主流車端模型的 35 倍以上。小鵬希望世界基座大模型能夠真正理解、認知，甚至改造物理世界，能夠用在自動駕駛領域，也能逐步延展到機器人和飛行汽車。

一位業(yè)內(nèi)人士告訴筆者，小鵬最新一代技術架構大概率布局在小鵬自研的圖靈芯片上，而不是基于雙OrinX 的硬件配置打造。

據(jù)悉，小鵬圖靈芯片已于去年8月流片成功，或將于今年二季度量產(chǎn)上市，計劃用于汽車、機器人和飛行汽車上。圖靈芯片對AI需求、端到端大模型進行特定設計，集成了2個小鵬自研的神經(jīng)網(wǎng)絡處理大腦，并面向神經(jīng)網(wǎng)絡做了特定架構處理，最高能處理 30B 參數(shù)的大模型，讓世界基座模型蒸餾后部署車端具備了可能性。

理想目前還無暇顧及八字還沒一撇的機器人業(yè)務，更注重于車端能力的提升，打造了一個司機 Agent 的角色。

理想全新架構的特別之處在于花大力氣前訓了一個 LLM 基座模型（Large Language Model，大語言模型，簡稱LLM），沒有采用業(yè)內(nèi)通用的第三方的大語言模型作為基座。

之所以這樣，是因為理想在端到端+VLM 階段發(fā)現(xiàn)，VLM 基于千問，使用互聯(lián)網(wǎng) 2D 圖文數(shù)據(jù)，但對于 3D 世界的理解和駕駛知識存在不足之處，會導致產(chǎn)生大量幻覺；而通過前訓專門針對自動駕駛的 LLM 基座模型能夠消除部分幻覺的同時，還能夠主干網(wǎng)絡的參數(shù)量壓低，減少車端算力的承載。

這背后包含的一個背景因素是，理想自研的芯片項目“舒馬赫”進展相對緩慢，現(xiàn)階段無法給予自研芯片去做定制化開發(fā)，只能繼續(xù)選擇英偉達的 Thor 芯片。

華為同樣打造了一個原生多模態(tài)的基座模型，即“世界行為模型”。華為的做法是，通過獲取包括“視覺、聽覺、觸覺”的多傳感器全模態(tài)感知信息輸入，經(jīng)過token化后生成智駕原生基模型，采用MoE多專家能力架構，不同場景調(diào)用不同能力，最后輸出兩類信息——給車用的軌跡生成和給人看的場景意圖，從而實現(xiàn)人機共駕。

結合其引入世界引擎模型，華為當下要解決的是往L3方向面臨的難例場景問題，降低時延、提升預見能力，保障十秒預警能力。華為要達成的，是成為最早一批進入L3梯隊的玩家。

無論是小鵬“大力出奇跡”的世界基座模型，還是理想的VLA，或是華為ADS4，這些路線是否是一個效率最高的方式，是否有效率更高的架構出現(xiàn)，目前還是打問號的階段。沒有人真正證明過這些路線可以提升自動駕駛技術的進步速度，所有廠商都還處在探索階段。

優(yōu)質(zhì)數(shù)據(jù)成關鍵

不管是VLA 還是蔚來采用NWM世界模型，車企做自動駕駛的邏輯都是用更多、更好的數(shù)據(jù)訓練模型，用Scaling law 繼續(xù)加速技術進步。

在端到端 2.0 階段，大模型需要更多的優(yōu)質(zhì)數(shù)據(jù)，擴大的需求放大了廠商們的數(shù)據(jù)困境，主要是兩方面：對實車采集的數(shù)據(jù)進行人工標注，太貴了；找到剛好可以用的難例數(shù)據(jù)，太難了。

“用于智駕訓練的數(shù)據(jù)，不缺普通數(shù)據(jù)，缺的是長尾的各種Corner case數(shù)據(jù)。”華為引望靳玉志在ADS4發(fā)布會上感嘆道。

盡管大部分廠商都聲稱擁有大量用戶數(shù)據(jù)/行車數(shù)據(jù)，但如何從中找出優(yōu)質(zhì)數(shù)據(jù)則是一大門檻，依賴人工標注去真實場景中挖掘優(yōu)質(zhì)數(shù)據(jù)，背后的成本支出非常大。

在數(shù)據(jù)難題面前，廠商們想到的辦法是，通過世界模型仿真模擬解決數(shù)據(jù)問題。簡言之，如果在現(xiàn)實世界中收集不到足夠的數(shù)據(jù)，就在虛擬世界里生產(chǎn)數(shù)據(jù)。

據(jù)一位做強化學習的工程師透露，目前訓練中的真數(shù)據(jù)跟假數(shù)據(jù)（人工合成/生成數(shù)據(jù)）達到 1:2 的程度。

世界模型在自動駕駛領域的作用是，通過大模型生成足夠精確甚至擬真的數(shù)據(jù)，模擬更多更復雜的駕駛場景以訓練模型。這種做法的優(yōu)點是，數(shù)據(jù)獲取成本低，車企不再需要車一遍遍在路上開以采集數(shù)據(jù)，只需要讓AI 按照要求生成即可；獲取的數(shù)據(jù)種類也會更多。

地平線余凱對仿真的態(tài)度更為激進，其認為“在人工智能時代，用戶行為數(shù)據(jù)不重要，99% 的司機行為不值得學習，剎車、拐彎、換道等體驗并不好。自動駕駛頂級玩家已不靠司機數(shù)據(jù)學習，未來仿真可能是最重要的。”

地平線對仿真的重視與其供應商身份離不開關系，相較于車企而言，地平線難以在車端獲取大量用戶數(shù)據(jù)，仿真是解決數(shù)據(jù)瓶頸的一大優(yōu)解。

余凱把這一思路的終極形態(tài)描述為“ AI 教 AI ”，就像 Alpha Zero 在仿真平臺左右互搏，棋藝遠超人類，下棋方法也是人類歷史上沒有的。這意味著，這一終極形態(tài)這不僅把開車的人類解放了，也把做自動駕駛軟件的人類解放了。

不過，在現(xiàn)有技術條件下，仿真模擬和AI生成數(shù)據(jù)的質(zhì)量都遠不如實車行駛收集的數(shù)據(jù)。數(shù)據(jù)差別的關鍵 gap 是，人類還無法教機器充分認識世界，也無法在虛擬世界完整復刻現(xiàn)實。

目前各家廠商在世界模型都停留在探索階段。這也是技術差距最容易拉大的階段，其門檻之高，決定了不是所有廠商都有能力邁進。

端到端的“遮羞布”將被掀開

今年以來，多家車企動不動以“高階智駕”能力標榜自身，在“端到端”等技術名詞的包裝下，各家廠商似乎被拉到同一水平線，智駕能力的分化變得混沌。隨著新的技術架構產(chǎn)生，被統(tǒng)一技術路線拉近的技術差距將因為技術分歧再次拉開。

一位業(yè)內(nèi)人士向筆者表示，智駕已經(jīng)開始出現(xiàn)分化。“最高階的是往L3方向邁進，包括華為 ADS4、千里浩瀚 H9 等方案都已經(jīng)明確指向 L3，提供雙冗余的硬件配置；中階版本則是以單Thor、雙OrinX的方案為主，采用純視覺或單激光雷達，基本是往城區(qū)輔助駕駛的L2方向去做再往下就是高速加部分城市領航功能的方案。”

隨之而來的，智駕的商業(yè)模式也將發(fā)生改變。

L3 將是涉及“重技術+強運營”的一個體系。“L3的責任歸屬從用戶轉移到車企，這要求車企一定要做好更新和維護，那么這就不是一個純技術問題，而是一個重運營的形態(tài)。”一位業(yè)內(nèi)從業(yè)者說道。

L2 時期的車企和方案廠商可以在隨意切換技術路線后，不對原來的方案進行維護，但進入 L3，無論是技術方案的選擇還是雙倍硬件配置冗余，以及軟件后期維護等都應該具備確定性。

有能力自研的車企已經(jīng)朝著更難更重要的技術變化前進，能力一般的車企，只能寄希望于供應商解決問題。進入城區(qū)自動駕駛這種更難的技術領域后，供應商也需要升級自己的技術。供應商技術能力的好壞在更高門檻的領域，也會更容易被區(qū)分。

“從技術層面來看，做到高速NOA其實并不困難，但城區(qū)的場景比高速難至少10到100倍。想要把城區(qū)輔助駕駛產(chǎn)品做好，我認為是滾雪球一樣的過程。雪球不僅會越滾越大，而且越滾越快。”智駕大陸首席執(zhí)行官厲飚說道。

訂單會集中到更少數(shù)供應商手中。“量產(chǎn)是非常關鍵的維度，實際上這個門檻已經(jīng)非常明顯了，沒有經(jīng)過量產(chǎn)的廠商，主機廠基本不會去選。現(xiàn)在量這么大，對安全要求這么高，在這些點上我覺得幾乎沒有做過量產(chǎn)的，已經(jīng)基本上是進不去了。”于騫說道。

于騫還指出，量產(chǎn)之外，產(chǎn)品的交付周期、交付成本、交付后的體驗等方面都是主機廠在篩選供應商時的考量。層層篩選下來，能被選擇的廠商已經(jīng)不多。

智駕全行業(yè)都在往上層能力邁進，高階的路線仍在探索，但已被驗證過的場景和階段的發(fā)展路徑已經(jīng)十分明確，靠“PPT”刷無圖NOA、端到端等技術名詞的方式將不再奏效，智駕市場將進入強者更強，弱者淘汰的局面。

本文來源：虎嗅