5分钟讲明白自动驾驶端到端，解释为什么华为智驾并不是遥遥领先

到底什么是端到端自动驾驶系统？为何我会说这是智能驾驶的弯道超车机会？我希望今天用5分钟的时间，给你讲明白今年自动驾驶技术最重要的路线变化。这将会真正为自动驾驶体验带来质的飞跃和改变，并以此为标尺，我们能够很容易判断各家车企的自动驾驶技术领先程度。

当前的所谓自动驾驶系统，本质上就是一个规则执行器，它的基本工作原理是拿路上遇到的实际情况与人工提前写好的规则去比对，匹配上就按规则执行，匹配不上的话系统就提示接管自动退出。打个比方，比如说系统想要自动变道，会感知目标车道后侧车辆距离和速度，如果满足条件就发起变道，不满足就继续等待机会。这是一个很简单的办法，也非常容易理解它的工作机制。我们今天看到的所有车辆辅助驾驶功能，采用的都是这种规则检查-匹配-执行/放弃的方法。这里产生了第一个问题，这么看似乎自动驾驶没什么难度呀？目前的核心难点，其实在于感知层面。就是前面举例中提到的对于车辆的检测、速度和距离的判断。更难的还有比如说对于道路、车道线、绿化带的感知和判断，难度再提升一点，就是对人、对非机动车、对异性障碍物的判断和检测。感知部分才是最难的，不仅要识别，还要精准识别和快速识别，才能提供系统足够的信息去和规则设定的情况比对。我们现在常常听到的占用网络、BEV等等概念，目的都是为了更好的感知环境和路上的事物。

再进一步，我可以解释一下为何以前的视频里我会说华为在智驾的领先并非技术路线的领先，而仅仅是工程进度上的领先。因为在当下的自动驾驶技术路线里，国内所有车企都基本一致。唯一能比对的两个环节，一个是感知层面是不是能做到更精准、更多样、更快速的识别，另一个是决策层面规则是不是足够丰富来覆盖更多情况而不至于让系统总是提示接管。决策规则我们很容易想到的，就是看我们设想和写下来的规则够不够多，没什么技术含量。真正多少有点差别的其实是感知层面，但目前来看头部几家车企差别也很小。有一个指标可以判断技术是不是领先，就是纯视觉占用网络的OTA。目前全世界仅有两家车企上车了纯视觉占用网络技术，一家叫特斯拉，一家叫极越。现在听到的消息是小鹏会在今年中升级，其它家还没有太多信息。但是总的来说，头部剩下的几家包括华为、理想、蔚来应该也会在今年推送升级。所以总结来看，中国目前头部自动驾驶企业，当下看就是前面提到的这四五家。其中华为是不是遥遥领先，至少我理解里并不是。几家的技术差异很大吗？我看也并不是。

今天要说的自动驾驶端到端系统，其实是下一代自动驾驶技术。所谓的端到端系统，就是抛弃了前面提到的规则匹配的方法来确定如何决策。什么叫抛弃规则呢？就是我们不再需要人工写好一条条的情况去比对，而是让系统真正自己去学习判断如何处理。那它到底是怎么实现的呢？其实就是运用了大模型技术。什么是大模型技术呢？讲人话就是让系统自己去找规律，从海量的驾驶案例中去找规律。比如说前段时间最火的Chat-GPT，本质上就是一个找规律的系统，只是它的领域是在文字方面。从海量的互联网文字内容里去学习文字之间的关系和规律，从而能生成非常流畅的对话和内容。技术人员们写好一个学习系统，这里面设置了一些需要系统去重点关注的地方，也就是所谓的大模型参数。等于说告诉系统，要从这些地方去找规律。

自动驾驶的端到端系统也是一样的，从摄像头收集到的海量数据中，去学习人在面对各种路况时候的行为和决策，找到其中的规律并以此来决策。这样的端到端系统有什么好处呢，第一个明显的好处就是系统由于天量的参数，能够关注到的细节是更多的。比如Chat-GPT4的系统参数是数千亿个，也就是说拆分到最细的地方，整个学习系统能关注上千亿个细节。当然这个说法并不是很准确，因为大部分其中的细节是经过系统抽象以后的细节。所以总的来说，端到端的自动驾驶系统比起人类手写的规则能关注到更多的细节以后，从而找到更符合实际情况的应对策略。并不会死板的去比对规则，僵硬的执行。对于很多极端场景来说，只要我们的训练数据足够，是可以更好的应对的。

当然，端到端系统也不是一蹴而就的，目前从行业技术发展来看，会分为两个阶段了来实现。一个部分是感知层面的端到端，另一个是决策层面的端到端。所谓感知的端到端，就是输入数据后系统自动学习物体规律，识别并标记，后续的决策依然采用人工规则。所谓的决策端到端，就是感知部分还是按照之前的学习办法去处理，只是应对各种条件决策的时候，才去找规律。逻辑上来说这两部分应该是可以独立开的，所以今年国内车企上线的端到端系统，有可能只包含了其中的一部分。

所以我们今年判断哪家车企技术更领先一点，就看哪家的系统先升级端到端的功能，这个标准就很清晰了。目前特斯拉FSD V12版本已经在感知层面和决策层面都统一了端到端系统，也就是没有了任何人工规则来判断是什么，也没有任何人工规则来判断应该怎么做。全部都是系统通过自动学习数据找到规律后自行处理。这也是为什么马斯克会说新系统的代码数量大幅减少，因为不再需要人去一条一条的假设场景，写出规则引导系统决策。

最后我想说的是，初期上线的端到端系统，甚至于有可能体验还不如之前的人工规则系统。但是我们内心一定要清楚，端到端绝对是自动驾驶的下一步技术路线。只要有足够的数据、足够的算力以及足够的大模型质量，最终的驾驶体验，一定会全面超越之前的规则系统。

为什么说自动驾驶的端到端技术是弯道超车的机会呢？打个比方，有的车企起步早，在感知和决策规则的代码数量都要远远多于后面加入的车企，后面的要赶上必须加大人力、财力、时间的投入才有机会。但技术路线切换到端到端系统后，前面的积累基本作废了，大家都从一个新的方法上重新起跑，所以对于后来者有了弯道超车的机会。当然除了技术路线切换外，企业本身的工程能力、管理能力、技术底子还是一切问题的基础，只有这些基础都和对手在一个水平上，才谈得上有弯道赶超的机会。

今天的内容，我想是把自动驾驶端到端一次性说清楚了。我自以为在全网没有看到过能把这个问题讲这么明白的内容，也算是我为中文互联网内容做出自己的一点小贡献。更多优质内容，欢迎大家点个关注，我会更加努力输出。有兴趣的观众可以在B站主页加入我的充电会员，昵称：电动汽车叨逼叨。会员可以加闲聊群，一起聊聊行业和投资等相关话题。

$Tesla Motors(TSLA)$ $XPeng Inc.(XPEV)$ $Li Auto(LI)$