每項新技術(shù)從誕生到推廣，會經(jīng)歷各個不同的階段，也會面臨各種不同的聲音。研發(fā)者為了找到技術(shù)優(yōu)解，可能會放棄已有多年的努力；而商業(yè)機構(gòu)則更偏重于判斷技術(shù)落地的時機，以在合適的時機謀取大的利益。
關(guān)于智能駕駛，國內(nèi)各主機廠商們就一度有過很深的認知分歧。支持者認為它可以帶來「遙遙領(lǐng)先」的體驗，而反對者則拋出過「臭搞技術(shù)的」、「自動駕駛都是忽悠」等言論以表達不屑。
2024 年，隨著基于「端到端」的特斯拉智能駕駛軟件 FSD V12 版本正式推送，中國汽車廠商們對智能駕駛的態(tài)度，終于開始收斂了。
以新勢力造車代表蔚小理為例，各家對于「端到端」技術(shù)的追逐顯然開始發(fā)力了。
小鵬提出將端到端的大模型引入智駕系統(tǒng)，并表示今年要在智能化和訓(xùn)練數(shù)據(jù)上投入 42 億元，目標是以后可以做到「兩天一次內(nèi)部 OTA」。這是過去依靠人類維護數(shù)十萬行智能駕駛代碼的工作方式所不敢想象的效率提升。
蔚來也于近期重組了智能駕駛研發(fā)部，將傳統(tǒng)的感知和規(guī)模團隊合并為大模型團隊，核心也是推動基于神經(jīng)網(wǎng)絡(luò)的范式迭代。
甚至過去被調(diào)侃為「摳廠」的理想，也在近期頻繁為智能化研發(fā)造勢。CEO 李想親自為「端到端」研發(fā)站臺，搬出諾貝爾經(jīng)濟學(xué)家的快慢思考理論，以說明自家團隊找到了解決自動駕駛 conner case 的方向。
那么，讓各家廠商從非共識走向共識的端到端，為什么會有這么大的魔力？它如何改變了智能駕駛行業(yè)的范式，又將帶來怎樣的機遇和調(diào)整？
智駕的 GPT 時刻已經(jīng)來過了
國內(nèi)各廠商們迅速形成共識的重要原因，是特斯拉率先交出了一份讓人羨慕的端到端答卷。
今年 3 月，特斯拉正式推送了智能駕駛軟件 FSD V12.3 版本。這個版本的大改變，就是把整個智駕系統(tǒng)工作的動力，從人類編寫的代碼，切換成了基于神經(jīng)網(wǎng)絡(luò)的 AI 大模型。馬斯克用「Video in to Control out」來形容這種新的工作范式，即：AI 根據(jù)自己「看」到的路面信息，直接輸出駕駛操作，也就是業(yè)界常說的「端到端」（End-to-End）。
上個月，何小鵬在加州體驗了 FSD V12.3.6 版本。用他的話來說，F(xiàn)SD「很多路況處理都很絲滑」。這正是 AI 神經(jīng)網(wǎng)絡(luò)相比于代碼驅(qū)動的大優(yōu)勢所在：在不同城市、不同路況下，大幅提高智駕系統(tǒng)的泛化學(xué)習(xí)能力。
翻譯成國內(nèi)消費者們更熟悉的廣告營銷話術(shù)就是：全國（全球）都能開。
華為在去年9月喊出「全國都能開」的宣傳語 | 來源：極客公園
當然，這個結(jié)論在現(xiàn)階段還只是一個美好的心愿。在實際操作過程中，還需要數(shù)據(jù)、算法、算力等 AI 基礎(chǔ)設(shè)施的全力加持和訓(xùn)練，才可能接近「AI 變得和人類駕駛員一樣聰明」這個目標。
但對于同行們來說，F(xiàn)SD V12 版本意義重大。它驗證了神經(jīng)網(wǎng)絡(luò)真的可以取代人類編寫的代碼，甚至可以做得更好更高效。
這意味著不用再等 N 年，智能駕駛行業(yè)里的 ChatGPT 時刻其實已經(jīng)到來了。想想阿里張勇曾經(jīng)說過的那句話：所有軟件都值得用 AI 重做一遍。FSD V12 正是給了同行一個新的方向和信心：所有智駕的技術(shù)棧，都可以用端到端重做一遍。
在 FSD V12 beta 版本發(fā)布的時候，馬斯克說過，這一版本把前一版本的 30 萬行代碼壓縮到了 2000 行，相當于不到百分之一的水平。
新技術(shù)棧里的智駕比拼，不會演變?yōu)楸日l人更多的反創(chuàng)新內(nèi)卷游戲。如果 AI 的效率真能達到何小鵬所說的兩天一次內(nèi)部 OTA，那逐條寫規(guī)則、改 bug 的人海戰(zhàn)術(shù)就可以宣布徹底過時。
所以智駕行業(yè)還需要那么多程序員嗎？筆者無法給出準確的答案，但可以肯定的是，智駕程序員的工作內(nèi)容也將發(fā)生一系列改變。只會寫 if else 規(guī)則的程序員，大概率會早于出租車、網(wǎng)約車司機們被 AI 取代。
困在數(shù)據(jù)里
在投資機構(gòu)辰韜資本上個月發(fā)布的《端到端自動駕駛行業(yè)研究報告》中，30 余位自動駕駛行業(yè)受訪者，只有 13% 表示對端到端技術(shù)持相對謹慎的「觀望」態(tài)度，其余均表達了更積極的「預(yù)研」甚至「全力投入」的態(tài)度。端到端已經(jīng)在行業(yè)從業(yè)者里成為了共識。
但事實上，目前還沒有任何一家企業(yè)（包括特斯拉在內(nèi)），可以做到「原教旨主義端到端」。也就是把自動駕駛的所有環(huán)節(jié)都集中在同一個大的模型里，真正達到和人類一樣的「輸入視覺信號，輸出踏板和方向盤操作」。
大部分國內(nèi)主機廠現(xiàn)階段所做的核心努力，是打通感知和決策模塊。這其中的關(guān)鍵，就是取消模塊之間的人工定義結(jié)果，更多用特征向量傳遞無損信息。
端到端自動駕駛的架構(gòu)演進示意圖 | 圖片來源：辰韜資本
在端到端之前，傳統(tǒng)自動駕駛架構(gòu)來源于機器人領(lǐng)域，分為感知、規(guī)劃、控制等不同模塊。不同模塊由不同團隊開發(fā)，在模塊與模塊之間，主要通過人工定義的接口傳遞信息。舉個簡單的例子，對于車輛是否壓線行駛這個現(xiàn)象，在傳統(tǒng)感知模塊里就可以用簡單的計算機二進制語言進行表征。
而打通感知和決策模塊的大好處，就是可以涵蓋更多現(xiàn)實世界中規(guī)則無法準確描述的「灰度場景」。例如，當你開車時，并不需要知道前車精確的行駛速度，或者它是否壓線，只需要關(guān)注相對位置變化就好。
在這個基礎(chǔ)上，基于生成式 AI 的理論，期待神經(jīng)網(wǎng)絡(luò)模型也能在大量輸入后產(chǎn)生智能涌現(xiàn)，成為 AI 智能體。
這一切的基礎(chǔ)都來源數(shù)據(jù)，也就是「喂」給模型的訓(xùn)練素材。但是，和基于文字的語言大模型不同，智駕模型并不容易找到足夠的公開視頻數(shù)據(jù)作為訓(xùn)練素材。
前述《端到端自動駕駛行業(yè)研究報告》顯示，目前規(guī)模大的公開數(shù)據(jù)集只有 1200 小時數(shù)據(jù)。而根據(jù)馬斯克 2023 年的說法，特斯拉在端到端的初期，就投入了近 4 萬小時的視頻進行訓(xùn)練。
相比其他車企，特斯拉數(shù)據(jù)的優(yōu)勢主要就在于量產(chǎn)車多。
目前，特斯拉在全球共交付了超過 600 萬輛汽車，而在中國積極布局智駕的新勢力里，量產(chǎn)車的數(shù)量只是特斯拉的零頭。再加上一貫的極簡 SKU 和全量預(yù)埋的智駕硬件，讓數(shù)據(jù)收集變得更加容易。
國內(nèi)此前的常規(guī)做法，通常是依靠人工獲取道路信息。但是，要訓(xùn)練出一個聰明的端到端模型，也需要盡量涵蓋足夠多邊緣場景（conner case）的數(shù)據(jù)。由于邊緣場景的出現(xiàn)非常隨機，有廠商曾經(jīng)表示，僅靠人工數(shù)據(jù)采集，只能得到大約 2% 的有限數(shù)據(jù)。
此外，和特斯拉相比，國內(nèi)廠商往往有著更復(fù)雜的 SKU。而不同車型之間，由于車輛尺寸、傳感器布局等不同，模型中的相關(guān)參數(shù)也需要重新進行對齊。
以華為系為例，鴻蒙智行過去一年多的時間里展現(xiàn)出了極強的終端銷售能力，但對于華為車 BU 服務(wù)的不同品牌、不同型號的車型來說，端到端落地后仍然需要工程師進行對齊和交付工作。對于有 2 個品牌 9 款車型的蔚來來說，同樣如此，他們把集成團隊重組到了交付團隊中。
在Sora發(fā)布后，馬斯克發(fā)推表示特斯拉用AI模擬真實世界駕駛 | 圖片來源：X截圖
有一種觀點是，以 Sora 為代表的文生視頻類產(chǎn)品有可能成為端到端模型的素材來源。但哪怕對馬斯克來說，用 AI 生成的內(nèi)容訓(xùn)練 AI，也還沒有得到公開認可。畢竟數(shù)據(jù)的數(shù)據(jù)對于模型訓(xùn)練太重要了。要知道，一向?qū)θ肆Τ杀緲O致「摳門」的馬斯克，當年也在紐約雇了 1000 人團隊，來為特斯拉的道路視頻數(shù)據(jù)進行標注。
別被馬斯克「帶溝里」
聽起來，轉(zhuǎn)向端到端是一個自然而然的事，但刪除 30 萬行代碼，對過往組織架構(gòu)打散重組，絕對不是一個容易做出的決定。事實上，連馬斯克也是半撞大運的走上了這條路。那個在 2022 年底第一次向他提出要學(xué)習(xí) ChatGPT 搭建智能駕駛神經(jīng)網(wǎng)絡(luò)的工程師，差一點就被老馬調(diào)去解決 Twitter 收購后的其他問題了。
訓(xùn)出了端到端模型，相應(yīng)的支持體系（包括算力等）也要足夠高效。蔚來智能駕駛研發(fā)副總裁任少卿在接受《騰訊深網(wǎng)》采訪時，表示如果沒有基本能力就強行上端到端，就等于在用「毒藥」。
他說：「如果你原來的代碼架構(gòu)足夠清晰，你的（debug）測試量可能只有 1%。原先你花三天重新測 1%，現(xiàn)在不好意思，你花三天要重測 100%。所以你的數(shù)據(jù)驗證體系效率要足夠高。」
但是千萬別直接被特斯拉帶到溝里，端到端此刻只是證明了它具備提高工作效率的可能，但并沒有證明它就是通往自動駕駛的終解法。
這一點和業(yè)界關(guān)于 Scaling Law 能否通向物理世界 AGI（通用人工智能）的認知是一致的：可以肯定，生成式人工智能可以具備更高的智能，但是否可以理解物理規(guī)律，并在自動駕駛、機器人等領(lǐng)域應(yīng)用，學(xué)界尚無定律。在《端到端自動駕駛行業(yè)研究報告》，有超過一半的從業(yè)者不認為端到端是自動駕駛技術(shù)的終局解決方案。
對于自研智駕的主機廠來說，現(xiàn)階段務(wù)實的做法，還是依托端到端讓智駕能力多快好省地落地。至于智駕軟件訂閱這件事，也許還需要更長的路。畢竟在中國市場上，硬件往往比軟件和服務(wù)好賣。
當然，大概率也沒有那么多人想成為馬斯克那樣的創(chuàng)新賭徒。放著好好的廉價車型不研發(fā)，去豪賭 Robotaxi，發(fā)布一推遲市值能跌上千億美元。更多的普通玩家，只是希望搭載了端到端的智駕軟件，能幫助硬件賣得更好。當然，如果還能順便賣得更貴，那就是美妙的事了。
本文鏈接：http://m.zh1234.com/news12230.html出租司機先別慌 智駕行業(yè)的程序員們會更早被AI搶飯碗
