自動(dòng)駕駛技術(shù)的飛速發(fā)展，行業(yè)內(nèi)部對(duì)于技術(shù)路徑的選擇展開了激烈的討論。一方面，以理想和小鵬為代表的企業(yè)，堅(jiān)定地推進(jìn)端到端AI智能駕駛技術(shù)，這種技術(shù)通過深度學(xué)習(xí)模型直接從原始傳感器輸入到駕駛決策輸出，減少了對(duì)傳統(tǒng)規(guī)則的依賴。另一方面，華為等企業(yè)則采取了端到端技術(shù)與傳統(tǒng)規(guī)則相結(jié)合的方式，通過“本能安全網(wǎng)絡(luò)”兜底，旨在提高系統(tǒng)的安全性和可靠性。

在這場(chǎng)技術(shù)路線的較量中，端到端技術(shù)的支持者認(rèn)為，它能夠提供更自然、更高效的駕駛體驗(yàn)，因?yàn)樗軌蚋玫啬M人類駕駛員的決策過程。而傳統(tǒng)規(guī)則輔助的支持者則強(qiáng)調(diào)，規(guī)則的存在為自動(dòng)駕駛系統(tǒng)提供了一個(gè)安全的底線，尤其是在面對(duì)復(fù)雜和未知的交通場(chǎng)景時(shí)。

百度Apollo平臺(tái)的“Apollo自動(dòng)駕駛?cè)腴T”課程中提到，無(wú)人駕駛車的關(guān)鍵部分包括高精度地圖、定位、感知、預(yù)測(cè)、規(guī)劃與控制等。這些元素在端到端技術(shù)中如何整合，以及它們與傳統(tǒng)規(guī)則如何相互補(bǔ)充，是當(dāng)前討論的熱點(diǎn)。

雷峰網(wǎng)的一篇文章指出，未來(lái)自動(dòng)駕駛汽車可能會(huì)與社交網(wǎng)絡(luò)全面整合，這進(jìn)一步強(qiáng)調(diào)了自動(dòng)駕駛系統(tǒng)需要具備高度的安全性和可靠性，以保護(hù)用戶數(shù)據(jù)和提供無(wú)縫的駕乘體驗(yàn)。

在技術(shù)實(shí)現(xiàn)與企業(yè)實(shí)踐方面，華為的ADS 3（參數(shù)丨圖片）.0系統(tǒng)通過PDP網(wǎng)絡(luò)和GOD大網(wǎng)絡(luò)實(shí)現(xiàn)了端到端的智能駕駛功能，展示了從模塊化到端到端轉(zhuǎn)變的可能性。而特斯拉的FSD系統(tǒng)則通過大量的真實(shí)道路數(shù)據(jù)積累，建立了高效的端到端深度學(xué)習(xí)模型，提升了車輛在復(fù)雜場(chǎng)景中的自適應(yīng)能力。
主要關(guān)注點(diǎn)：
1.端到端智能AI大模型駕駛技術(shù)在于能夠直接從傳感器數(shù)據(jù)中生成控制指令，避免了中間環(huán)節(jié)的延遲和誤差累積，提升了系統(tǒng)的整體性能，并使得智能駕駛系統(tǒng)能夠更好地模擬人類駕駛員的駕駛行為，但AI大模型的幻覺問題無(wú)法避免，以及對(duì)大量高質(zhì)量數(shù)據(jù)的依賴
2.華為的端到端技術(shù)與傳統(tǒng)規(guī)則的結(jié)合，通過“本能安全網(wǎng)絡(luò)”作為智駕行為的下限兜底策略，確保輸出結(jié)果具有安全底線，更有可靠性和安全行但成本上卻是比較高
3.小鵬在云端大模型上提高了80倍參數(shù)量，通過大參數(shù)量的訓(xùn)練盡量避免遺漏場(chǎng)景；理想除了端到端還加了VLM模型應(yīng)對(duì)剩余的復(fù)雜場(chǎng)景來(lái)保障；但以上還是無(wú)法完全避免模型的幻覺問題

這場(chǎng)討論的核心在于，如何在追求技術(shù)進(jìn)步的同時(shí)，確保自動(dòng)駕駛系統(tǒng)的安全性和可靠性。端到端技術(shù)是否能夠完全取代傳統(tǒng)規(guī)則，或者兩者如何最佳結(jié)合。誠(chéng)邀各位分享自己的觀點(diǎn)和見解。