首页 美股新闻 正文
  日前,特斯拉宣布将于明年一季度在中国市场推出FSD(全自动驾驶)功能。这一消息再度引发汽车行业对“端到端”技术的关注。当前特斯拉的FSD V12方案是基于“端到端”技术迭代推进的。为了应对挑战,今年以来,包括“蔚小理”等车企和华为、地平线等服务商在内,多家企业纷纷加码端到端自动驾驶技术。有业内人士甚至认为,“端到端”是目前通往自动驾驶终局的唯一可行方案。

  不过,笔者认为,目前下这个结论还为时尚早。
  所谓“端到端”,其实是源自深度学习中的概念,它指的是一个AI模型,只需输入原始数据即可输出最终结果。应用到自动驾驶领域,这意味着只需要一个模型,就能将摄像头、毫米波雷达、激光雷达等传感器收集到的感知信息,转换成车辆方向盘的转动角度、加速踏板的踩踏深度以及制动的力度等具体操作指令,从而使汽车实现自动行驶。
  相比传统的“感知-决策-控制”智驾系统,“端到端”技术由于中间没有规则介入,将原本感知、预测、规划等多个模型组合的架构简化为“感知决策一体化”的单模型架构,在信息传递、推理计算、模型迭代上更具优势。同时,“端到端”架构由数据驱动的模块构建,使其人为维护的模块比例相应减少,因此“端到端”系统不仅能显著提升计算效率,还能降低维护成本。
  然而,这些优点并不意味着“端到端”技术没有短板。事实上,“端到端”自动驾驶在实现量产落地与普及方面仍面临诸多挑战。
  首先,“端到端”模型的训练成本非常高,需要厂商不断提升GPU的采购规模,这提高了“玩家”的进入门槛。以特斯拉为例,目前其FSD累计学习的人类驾驶视频片段超过2000万个,仅采集成本就需要50亿元至80亿元。
  其次,“端到端”模型的训练需要大量数据,而对海量数据的采集、清洗和筛选,对企业来说是一项极具挑战性的工作。强大的算力可以实时处理海量数据,降低数据传输延迟,有利于高级别自动驾驶的落地,但目前包括“蔚小理”在内的多家车企在算力增长方面均面临较大挑战。
  此外,当前“端到端”智驾的安全性还没有得到完全保障,特别是对于不常见或极端场景的数据,这对感知模型的泛化性能提出了极高要求。“端到端”技术需要能够处理这些长尾场景,以确保在任何情况下都能作出正确响应。
  目前行业对“端到端”技术的探索才刚刚起步,对许多基础问题还缺乏深入讨论。因此,现在还不能确定“端到端”就是自动驾驶的终局解决方案,从而摒弃其他路径。只有不同技术路线同台竞技共同发展,才能推动自动驾驶更安全、更快速地向更高阶段发展。
您需要登录后才可以回帖 登录 | 立即注册

本版积分规则

123457948 新手上路
  • 粉丝

    0

  • 关注

    0

  • 主题

    1