「自動駕駛已經浪費了太多時間。」

在今年3月的GTC上，Wayve的CEOAlex Kendall指出，自動駕駛行業過去一直聚焦在復雜解法上，比如人工編碼規則和高精地圖。而只有端到端模型，才能真正解決長尾和規模化的問題。

回顧當時的智駕行業，還有不少聲音對他的說法提出質疑。可如今，對于每家相關企業來說，端到端無疑已是「箭在弦上」。

可以說，「拋棄規則，AI競技」，是全行業前所未有的統一局面——雖然還存在細節差異，也有觀望和糾結，但Diss端到端的聲音，幾乎已銷聲匿跡。

在這種「全員端到端」的大一統下，智駕圈加速洗牌，競爭格局更清晰。贏得競賽的條件變得前所未有的清晰，企業之間的差距，也正在被迅速拉開。

有人推翻重來

有人即將「上岸」

在自動駕駛領域，比Kendall更早讓大家發現大模型潛力的，是那篇現象級的論文——

2023年6月，上海人工智能實驗室、武漢大學、商湯科技聯合發表的《Planning-oriented Autonomous Driving》（以路徑規劃為導向的自動駕駛），獲得了該年度的CVPR最佳論文獎。

這篇論文掀起了業內開始對UniAD這種感知決策一體化框架的思路展開了激烈探討；今年，種種爭議已然成為共識，相關企業開始扎堆推出兩段式、N段式、「外掛」VLM、甚至類腦模型等等形形色色的方案。

例如，某車企在今年5月還在強調高精地圖超視距信息的重要性，可到了7月就急忙推出了端到端無圖方案。

當行業還在糾結時，商湯絕影UniAD一段式端到端方案在北京車展就實現了實車部署。如今，他們的端到端智駕量產方案已經與車企開展了量產合作，預計明年即將落地。相比之下，目前大多數企業的方案，都還是感知+規控雙模型，或者索性就在傳統的感知和執行模塊之間，加一個推理大模型作為過渡。

可以看到的是，在端到端「大一統」之下，不同的觀點仍然存在，而同時，企業之間差距也正在拉開。

一段式的挑戰

與兩段式的爭議

可以看到，大家為自家方案站臺的時候，都有著各自的理由。

例如，不止一位專家指出了「兩段式端到端」才更加現實，「一段式端到端」會面臨諸如可解釋性弱、下限太低、不夠成熟等問題；但同時，也會有多家頭部公司堅定不移地認為，只有「一段式」才能救自動駕駛。

例如，Momenta創始人曹旭東曾指出，感知端到端對于墜石、水坑等不好定義的障礙物，容易產生誤判。而一段式端到端可以將感知和規控緊密聯系在一起，學習未定義的物體。

理想汽車智能駕駛副總裁郎咸朋也曾表示，盡管大家都在做端到端，但其中又存在著極大的區別：「串聯式端到端本質上還是傳統思路，而如果是One Model的端到端，其中沒有任何規則，依靠的就是高質量數據。」

由此看來，其實，「一段式端到端」已是大勢所趨，只是其過程充滿挑戰，這也正是快速拉開各家企業差距的過程。

從時間維度來看，馬斯克等最早認識到AI重要性的人，他不止一次表示，只有從早期就All in AI的公司，才能做好自動駕駛。特斯拉、小鵬、商湯絕影、Momenta，乃至蔚來現在都早已經是「強AI屬性」公司。

其中，「原生型AI公司」似乎更是成為了更強的黑馬。例如，亞洲最大的人工智能軟件公司——商湯科技，自2021年成立「絕影」品牌，加速布局智能汽車領域后，迅速率先提出端到端方案，甚至比特斯拉還早。

至于上述的種種爭論點，商湯絕影CEO王曉剛也早已進行了解讀：兩段式方案很容易實現，但它存在大量感知過濾后的信息損失；而且端到端大模型也不會弱化可解釋性——基于Drive AGI多模態大模型，絕影的系統可以讓系統在做出決策時，不僅是輸出軌跡，還可以通過自然語言輸出決策理由。

更重要的是，一段式的UniAD，能直接由傳感器輸入信息，就如同ChatGPT在理解文本后預測出下一個token。它能確保信息無損傳遞，決策更為精準，上限也更高。

在王曉剛看來，如果用一條曲線來表達兩種端到端方案的話，具備推理預測能力的一段式方案是一條通向AGI的上揚曲線，而兩段式方案則只是一條直線，永遠無法觸及ChatGPT時刻。

至于端到端的下限問題，需要從多個維度來考量和優化：其中一方面是規則兜底機制，還有一方面是打造足夠強悍的世界模型來訓練端到端。這也能夠解釋為何今年行業都在大力布局世界模型。

世界模型

可能是最終的數據解法

數據的局限性，至今還在被反復提及，甚至可以說，它是扼住端到端喉嚨的一只手。

清華大學的李克強院士曾表示，現在做大模型，最大的挑戰就是無法保證訓練數據的海量性和完備性。

王曉剛也曾直言：「100萬的數據，99%的數據都是比較簡單的，剩下的1%是很難找的。」

在此背景下，世界模型將在端到端時代發揮巨大的作用，但前提還得是「靠譜」的世界模型。

今天，商湯絕影在「實力AI DAY」上，全新升級了「開悟」世界模型。它基于全棧自研模型體系，理解真實世界的物理規則和交通規則，可生成11v時空一致、1080P高清、10FPS幀率、150s時長的視頻，同時支持文本、圖像/視頻、3D Layout、HDMap、Action等多模態輸入，并依據這些精細化控制條件生成目標場景數據。

世界模型的另一個重要能力，就是場景預測生成。在這方面，「開悟」能通過對多種可能性預測，產生多樣的自動駕駛場景及Corner case，使訓練數據分布更均勻，且單卡（A100）每天能生成2w bundle。

可以說，這代表著目前自動駕駛最尖端高效的世界模型水平。類似「開悟」這樣的世界模型，無疑可以成為車企端到端模型開發與驗證工具。

今年Wayve、英偉達等都紛紛發布了其世界模型的進展，蔚來也表示其世界模型NWM能夠「想象出一個平行世界」。

其實，商湯絕影早在2023年底就已推出自動駕駛世界模型，該模型能夠生成人車混行、環島路口等復雜城市場景，甚至可以復刻8D城市構造。

如今經過迭代升級，「開悟」生成的虛擬場景和交通流等數據更加逼真。而且這些數據不僅可用于訓練和優化智能駕駛系統，還可用于系統診斷和性能評估，從而形成一個端到端的數據閉環。

算力資源競賽

EFLOPS前的「個位數」還能掛多久？

如果說，數據是端到端面臨的最大挑戰，那算力問題則緊隨其后。算力資源是現在必須的「軍備競賽」，也是自動駕駛研發者快速迭代、可持續發展的根基。

與特斯拉100EFLOPS的算力水平相比，早早與阿里合作成立智算中心的小鵬，宣布其算力將會達到4.2 EFLOPS，蔚來為1.5 EFLOPS，理想是5.39 EFLOPS，華為有7.5 EFLOPS，百度的極越，則是5.5 EFLOPS……（基于網絡公開信息）如此看來，國內企業的算力水平還有極大的提升空間，如何快速提升「軍備」，也是贏得競賽的關鍵。

相比起來，依托于SenseCore商湯大裝置的絕影，在算力儲備上有著天然優勢。由此，絕影目前可以利用超過5.4萬塊GPU，總算力規模高達20 EFLOPS！

商湯這種「萬卡超大集群」，直接決定了其「日日新」大模型體系的迭代速度——目前，經過五個大版本迭代，全新升級的「日日新SenseNova 5.5」大模型體系更是推出了行業首個「云、端、邊」全棧大模型產品矩陣。

直觀一點來看的話，「商湯大裝置」能夠保持90%的加速效率，在訓練穩定性上可實現超30天不間斷訓練，診斷恢復時長優化到半小時。

為了保持這種「軍備競賽」的領先性，商湯絕影還宣布其算力會持續增長——預計到今年年底，其運營算力規模將增長25%，達到25,000 P。

數據、算力，保住下限，無限拉高上限……聽起來很難，但卻已經成為端到端時代的必備能力。

今年，我們聽過了許多華麗的演講，以及各色方案邏輯。但其實，現在是智駕競爭力最容易被量化的時代。

當然，另一個量化指標，還是量產落地。這不僅是最直接的技術實力衡量標準，也是商業化可持續運轉的標志。

從一些主流智駕公司公布的數字來看，其裝車量產數量從2萬臺、10萬臺到50萬臺不等。如今，「是否拿到主力車型定點」「能否奪得市場份額」已是當下內卷時代對技術供應商的關鍵參考。

在云端，無論是世界模型能力還是算力儲備，商湯絕影是絕對的第一梯隊；在車端，王曉剛帶領團隊也在向智駕第一梯隊加速沖刺。

在絕影實力AI DAY上，王曉剛不僅宣布了UniAD已簽署多項戰略合作協議，明年將實現系列產品量產交付，還公布了幾個數字：

目前，商湯絕影已經有了大量量產落地的案例，預計到今年年底，累計交付車輛數將超350萬輛，覆蓋100多個車型。

這些數字令人意識到，除了圈內盛傳的「地大華魔」之外，一個強勁的對手同樣沖在了前方——無論是技術維度還是市場維度。

如今看來，在行業標桿級「開悟」世界模型的支持下，UniAD將憑借其無限高的上限，成為商湯絕影下一輪競爭中的殺手锏。根據視頻演示可以看到，應用UniAD的車輛僅依靠純視覺，就可在復雜城市道路和無中線的鄉村道路上完成一系列擬人操作，這種效果一旦得到量產驗證，或許甚至能改變整個行業的競爭格局。