各家都在“吹”的端到端到底是什么？

自2023年8月，特斯拉在美国推出端到端智驾系统「FSD V12测试版」后，端到端就成为了汽车行业最火爆的话题。随着华为、小鹏、蔚来、理想等企业的跟进，国内几乎每个厂商都会在发布会上花费很大的篇幅来宣传自家的端到端有多么强大。撇开营销手段不谈，“端到端”到底是什么意思？它对于智驾又有什么意义呢？今天我们就来给大家解读这个问题！

它是如何工作的

在端到端智能驾驶系统还未量产之前，各家的智驾都采用了模块式方案。简单来说，模块式智驾就是一个流水线，主要有感知、预测、规划、控制四个流程。首先，感知部分的任务就是把车辆的雷达、摄像头等传感器的数据进行处理，然后分析车辆周围物体的具体位置、道路轨迹，以及辨别它们到底是行人、自行车、轿车、还是卡车等。

紧接着，感知模块就会把以上的信息传给预测模块，预测模块会根据以上的信息分析周边交通参与者下一步的运动状态，比如周围的车辆接下来是要转弯、直行、还是停车等。通过进一步分析后，预测模块会提供一条或者多条本车接下来可参考的行驶路径以及车速。

随后预测模块又把本车的道路行驶方案发给规划模块，规划模块会根据车辆自身状态、导航等信息来决定车辆接下来该具体怎么做。等到规划模块确认好行驶路径和速度后，就将命令传递给控制模块，最后再由控制模块去计算和操作车辆的方向盘、刹车以及油门。一个看似简单的智驾功能，就是通过以上步骤实现的。

端对端真的靠谱吗？

从理论上看，端到端确实是一个非常理想的技术，但是在实际操作中，端到端也没有那么可靠。这是因为现阶段人们对神经网络的理解依旧不够清晰透彻，因此人们也把神经网络称为“黑盒”。如上图所示，在白盒状态下我们非常清楚系统输入/输出之间的逻辑因果关系，但输入信息经过黑盒时，人们无法解释输入的信息为什么会变成输出的信息。

比如当智驾系统出现明显的逻辑错误时，在模块式系统上车企可以非常迅速找到问题出在哪个模块，然后人工编写一个新的规则。但在端到端系统上，车企并不知道复杂的神经网络中哪一个参数或者结构存在问题。

正因如此，基于神经网络打造的端到端智驾系统，有时候它能在很复杂的场景中给出合理的规则，但有时又会犯十分低级的错误，比如分不清红绿灯，于是有人就把端到端形容为：“上限很高，下限很低”。考虑到端到端在实际应用中存在一些风险，所以华为、小鹏推出的端到端智驾系统并非完全靠自主学习，二者的端到端系统依然有很多人工编写的规则来为智驾系统兜底。

总结

从技术发展趋势来看，端到端肯定是未来高阶智驾的方向，但由于人们对于神经网络的了解还不够透彻，所以现阶段各家端到端的表现依旧与理想中的水平有一定差距。另外，相比现有的模块式智驾系统，端到端的神经网络算法模型的聪明与否，极度依赖海量的真实数据来训练，只有经过海量数据训练，神经网络才能从小模型变成好用的大模型，这意味着高阶智驾在开发阶段需要巨大的算力和数据投入，因此无形中提高了智驾的门槛。正因如此，才会有车主反馈自己的车升级端到端智驾后，反而不如过去好用了，这就是大模型训练的阵痛期。考虑到现实中各家的端到端在训练上存在较大的差异，这意味着将来不同品牌智驾系统的性能差距可能会逐渐被拉大。