端到端， 会『杀死』五万名自动驾驶工程师？

“由于华为自动驾驶拥有6000名工程师，主要用于撰写各种规则， rule-based (基于规则)环境太复杂，总有新的环境。 task (任务)出现。”一位特斯拉FSD工程师描述了华为的智能驾驶团队，为什么规模必须很大。

这也是余承东压力大的原因。华为自动驾驶团规每年花费10亿美元，累计支出已超过100亿美元。主要成本是工程师的工资等人工成本。

不仅仅是华为，对于所有智能驾驶企业来说，一直困在系统中的问题是，自动驾驶需要穷尽所有的Corner。 case(特殊情况)，这使得每个智能驾驶团队的数量基本上都不低。

比亚迪和百度都有3-5千人，Momenta等单独的智能驾驶企业在13000人中。 多人，车企理想年初也有1300人，每一类智能驾驶公司都有56家，这些人加起来至少有5万个核心自动驾驶工程师。

在自动驾驶领域，他们的薪水非常高，猎头提到：“在自动驾驶跑道、地平线、和赛等企业中，R&D团队的人均工资基本达到百万。”去年，他帮助一个年薪200万的人抓住了新的机会。

但是许多家庭也潜行研发了10年，却没有一家敢说可以让L4级智能驾驶落地。

但是2024年，特斯拉的FSD 突然间，v12带火了一个词。『端到端』，有一段时间，L4级智能驾驶似乎突然实现了。端到端就像智能驾驶的ChatGPT时刻，让智能驾驶汽车公司瞬间开始布局。

端到端对大众来说仍然是一个不太了解的词，行业内的具体解决方案也不一致。众所周知，Corner处理不再需要穷尽算法。 Case (特殊情况)，每个智驾团队都不能一直扩大算法团队的数量。

烧钱却没有解决办法的情况终于改变了。资本和公司欢呼自动驾驶有望实现，但智能算法人才犹豫不决。大模型上车会让他们失业吗？

端到端还在定义，但市场都在降临派。

自动化驾驶，以前对各大厂商来说，都是苦命的探索。

Googlele是国外自动驾驶的龙头企业。 Waymo，国内有很多自动驾驶创业企业，比如大厂百度、元戎、小马(两家正在上市)，还有蔚小理等新力量。

行业早些时候，发展路线依赖于高精度地图。所以Waymo 而且国内玩家的成本都很贵，每次开新城都要用自己的车队来铺，100。 辆车*100 加上万元人民币 operation cost(运营费用)，就是一个城市一亿元，从商业模式上来说不划算。

因此，2023年，元戎率先发布了智能驾驶解决方案，该解决方案不依赖高精度地图。此后，包括华为、蔚来、小鹏、理想、地平线在内的10多家企业明确开始弃用高精度地图。

之后，许多汽车公司进入，他们依赖激光雷达。华为和小米被认为是这条路线的代表。前者自主研发，后者投资激光雷达公司和赛等。

这两种模式，底层技术都是BEV transformer，不到两年，一眨眼就老生常谈了。现在，以特斯拉和小鹏为代表，他们都使用纯视觉占用网络。 大型模型，从感知到计划，端到端成为市场共识。

但端到端具体如何定义，什么系统是端到端，市场没有明确的定义。假如形象地说，端到端更像是模仿人类的思维方式。

诺贝尔获奖者丹尼尔卡尼曼曾经说过，人类有两个系统，即系统A和系统B。前者利用直觉和本能高效处理95%的问题，而系统B则是对复杂场景的理解，可以处理5%的困难问题。

未来的自动驾驶技术也是如此。用传感器直接去模型方案，处理日常生活中遇到的大部分问题，直接从端到端处理。类似于大模型，这是一个可以概括的 Scaling Law(尺度定律) 自动驾驶解决各种问题的成本大大降低。

但是在模型2中构建多模态模型，解决难以特殊场景的复杂问题，解决自动驾驶落地最终1%的难题。

但是并非两个系统就叫端到端，实现输入图片、输出信号、大模型解决问题，而非感知、处理、决策等多步模块化系统。所以，有些玩家认为One是真的。 Model端到端属于生成型模型，才真正具有颠覆性。

端到端究竟有什么神奇之处，在美国驾驶FSD？ 特斯拉的国内企业家张强在v12版本中告诉AI鲸选社，他启动autopilot后，在没有保护的情况下左转，先谦虚直行来车，如果对方也让路，直接加速。 通过。"不太死板，就像一个有经验的老司机。"

随着颠覆性技术的到来，所有公司都集体制动了一个大刹车。2024年，华为、理想、小鹏都在推动全国无图驾驶。现在没有图片了 NOA 生命周期即将结束，端到端已跃跃欲试。

据悉，小鹏汽车将于2024年投资35亿元进行智能研发。

特斯拉内部的变化也很大。，端到端和之前 rule - base 差别很大，上了端到端之后，团队也发生了很大的变化，Tesla 之前负责 planning control (计划控制)负责人离职。

在此之前，特斯拉美国FSD工程师也表示， Tesla 代码阅读权限一直不愿向中国团队开放，端到端后，已不再需要国内工程师，国内只需标注即可。

在自动驾驶工程师圈子里，一块重石悄然落下。目前很多智能驾驶团队的招聘都是僵尸岗位，市场在衡量未来会有多少智能驾驶工程师。

CEO集体扬言，各大汽车公司争夺大神

全国无图 NOA 热度才几个月，马上端到端的智驾就要来了，大家又回到了同一起跑线上。

另一方面，自动驾驶终于找到了指数级进化的路线。长期以来，算法覆盖了cornerner case，每个家庭的实力差距根本无法拉开。因此每个人都觉得，自己， 和特斯拉处于同一水平。

但是在端到端技术创造了新的进化大门之后，新的竞争又开始了，一两年之内就应该拉开巨大的差距。

华为余承东曾经说过，华为的团队已经去了美国旧金山、加拿大多伦多等地进行了测试。从结果来看，特斯拉FSD进入中国后，华为有信心赢得对手。

今年早些时候，小鹏汽车的创始人何小鹏也去了美国，亲身体验了特斯拉FSD的驾驶体验和着陆情况。

测试结束后，何小鹏提到：『我们和特斯拉是唯一一家从二端到端的(汽车制造商)。因此，作为中国最好的智能驾驶制造商，我们也期待特斯拉FSD能够进入中国，一起学习。』

假如你觉得何小鹏说得比较谦虚，其实他也说过，并且自信地提出了这个问题。『小鹏有信心，国内的路况比美国复杂10倍。』

并且看看5月20日的AI。 Day，小鹏高调展出了许多第一项:中国第一个量产上车的端到端模型:神经网络XNet 控制XPlanner大模型 大语言模型XBrain。还有世界上第一个“AI驾驶”。AI驾驶非常有趣，这意味着AI驾驶可以学习司机的驾驶习惯，更加个性化。

类人智驾，其实是端到端能够实现的一个重要特征。这个单独拿出来，多考虑宣传。

2024年4月24日，华为发布了ADS3.0，宣布将BEV删除，并在决策和控制中使用端到端的人工智能。虽然发布较早，但实际上GOD网络是一个感知模块，控制模块是独立的。整个模块化结构仍然偏向于模块化，不能算是真正的端到端。

然而，华为和小鹏确实是一个快速移动的玩家。今年7月初，华为和小鹏的两级端到端智能驾驶计划将推送给车主。蔚来也开始在7月下旬推送端到端的解决方案。

理想汽车CEO李想也表示，第三季度将为检测客户推送端到端 VLM智能驾驶计划(视觉语言模型)。但是对理想来说，实际上时间很紧迫。

蔚来最早的行为是在年初将感知和控制团队合并为大型团队，集成团队重组为交付团队。7月份，理想汽车成立了“端到端自动驾驶”的实体组织，总共有200人出头。李想激励理想智能驾驶技术研发负责人贾鹏亲自负责“端到端”的研发。

与此同时，理想公开了端到端自动驾驶技术方案，其方案分为端到端模型，VLM(即Vision-Language Model，视觉语言模型)视觉语言模型，世界模型三个部分。

虽然发布时间比较晚，但是理想大声宣布自己才是真正的OneModel 从端到端，难度不是一般的大。理想智能驾驶技术R&D负责人贾鹏在发布会上说:“从传感器输入到行驶轨迹导出只有一个模型。

有业内人士指出，与华为、小鹏的分段式端到端方案相比，理想的方案确实更加激进，可以看作是分段式端到端的下一站。

趋势不仅仅是华为、蔚小理等新力量会跟进。比亚迪创始人王传福认为自动驾驶有点可笑。他曾公开表示:我真的在搞战略，我看得比谁都清楚。我们有成千上万的工程师在练习这个东西(自动驾驶)。我不知道这条路是否不可行吗？

最近一改往日言论，也在调兵遣将跟进。

7月，引进百度驾驶与智能驾驶项目负责人周鹏，负责开发比亚迪的端到端大模型规控算法，是新成立的300个部门，不同于比亚迪规划院智能驾驶R&D中心。

一个现象值得关注。比如理想、蔚来、比亚迪等主流汽车公司的智能驾驶部门已经建立了单独的端到端团队，派将军坐镇，都是200-300人的团队。与数千人甚至数万人的智能驾驶团队相比，它并不简单。

尽管目前还没有发生大规模裁员事件，但传统的Rule-Basd算法人员仍然处于ChatGPT-2时刻，因此离ChatGPT-4时刻还有很长的路要走。

一家自动驾驶企业HR告诉AI鲸选社:“新成立的端到端部门刚刚起步。目前，传统智能驾驶部门必须覆盖算法场景，以确保自动驾驶安全的下限。很难说未来会不会有影响。”

端到端容易出现下限问题，这是大模型初始阶段的核心问题。张强提到，他在美国开车的时候，十字路口的直行道排了很长的队，特斯拉的autopilot直接拐到了左转道，然后红绿灯亮了，直接加速斜插回直行道。“我差点撞上了直行车。幸运的是，我踩下了刹车。”

类似的场景是大模型还没学会的地方，需要算法覆盖，保证下限。然而，端到端的进化速度非常快，未来人类甚至会学到超越人类的水平。

马斯克仍然是鲶鱼，普通工程师受伤。

如今，在中国自动停车、潮汐车道等场景下，小鹏的表现也超越了特斯拉。华为和小鹏实际上具有本地化的优势。有了高精度地图或雷达的加持，确实是FSD。 目前v12版本真正进入国内，也很难在短时间内击败国内对手。

但是从未来的发展来看，技术底层的逻辑会发生变化。"事实上，大多数汽车公司都在「模型化」，「模块化端到端」，真正的 OneModel 端到端，大概只有特斯拉了。一个行业知识评价道。”

因此，可以说特斯拉改变了自动驾驶团队的工作模式。此前，“在模块化结构下，一个工程师一天只能处理10多个案例，效率低下。”元戎CEO周光曾公开表示，中国最早实施端到端战略的自动驾驶企业。

如今，机器可以通过使用大量数据来训练大模型，具备独立学习、思考和分析的能力，更好地处理复杂的驾驶任务。因此，对于真正的端到端系统，第一个是团队领导者(决定端到端模型的高度)，第二个是数据，第三个是计算率。

大规模、高质量的训练数据在各家争夺牛人后开始显现其重要性。

根据特斯拉的计算，至少需要100万个端到端自动驾驶训练，分布多样，质量高。 clips (视频短片)可以正常工作。“毫不夸张地说，数据将占端到端自动驾驶开发的研发成本的80%以上。”智能数据智能科学家贺翔曾经说过数据的重要性。

最近，蔚来开始推送最新推送。 OTA 。包括行业内首个应用端到端技术 AEB，蔚来用了 20 为了训练这种端到端模型，亿公里的数据集。

近日，何小鹏在公开节目中透露，基于10亿元的转换。 里程视频训练，累计里程超过646万的实车测试，累计里程超过2.16亿的模拟测试，小鹏汽车端到端的大模型可以“两天迭代一次”，智能驾驶技能将在未来18个月内提升30倍。

正是因为现在端到端大模型的Scaling，数字才如此重要。 Law效应。以前也需要数据，但是rule - base更需要的人才是用算法来覆盖场景，所以对数据的需求并不那么渴望。

三是算率训练卡，理想有5000张A100。、A800等同于练习卡的数量，是小鹏的两倍。“如果你租一张卡，你每年需要10亿元，你需要健康的收入来支持它。”

争取人力的时代已经过去，各个团队也在发生变化，6月8日，理想汽车CEO李想在中国汽车重庆论坛上发表演讲。

他认为，所有的自动驾驶团队，每天都要靠人工来调整各种corner case，而且放的人越多，corner case越多，离真正的自动驾驶就越远。

“随着人工智能技术的不断发展，我们会发现，其实人类驾驶的方式并不是我们这么多年来开发自动驾驶的一种方式。这是一个根本的区别。因为人开车没那么辛苦，也没那么累，没有必要培养成千上万的团队来搞corner case。“

这也是端到端的变化。很多人说理想是因为Mega的失败，所以他们开始裁员。但至少在智能驾驶团队中，情况是不同的。正如李想所说，没有必要为数千人提供团队。 case，这是最重要的一点。

与此同时，没有必要人为地定义这些。 task。那就是为什么现在 FSD v12 每周都能更新，一直是三到五倍能力的提升。对特斯拉来说，端到端带来的另一个主要机会是 Robotaxi。

根据行业研究员木头姐的研究报告估算，支持 Robotaxi(自动驾驶机器人出租车)之后，特斯拉车队的规模可能会超过 1 亿，并且每一辆车都有 1000 瓦片的高效推理算率，总共就是 100 千兆瓦的 Edge AI 计算率，让特斯拉有机会增加类似的新机会 AWS 的边缘 AI 云业务，在车主不使用的情况下，让特斯拉车辆自动加入。 Robotaxi 挣钱，也可以在静止停车时自动加入边缘 AI 云服务赚钱，全时间饱和运行。

自动驾驶和 Robotaxi 能在 5 之后(2029)让特斯拉市值上升 10 倍达到 5-7 万亿刀，Elon Musk 认为这是市场上最准确的预测。

所以，每个人都非常关注特斯拉在中国的落地时间。

马斯克永远是那条鲶鱼，FSD年底进入中国的时间，不清楚当时已经凭借端到端，进化成什么样。

就像特斯拉上海的超级工厂一样，让国内新能源市场直接洗牌。FSD这次进入中国，会不会杀死一些自动驾驶企业，让更多的普通工程师下岗？

参照内容：

GPT时刻在自动驾驶领域到来-硅谷101

2024-端到端调查报告-辰韬资本

本文来自微信微信官方账号“AI鲸选社”，作者：杨晓鹤，36氪经授权发布。

本文仅代表作者观点，版权归原创者所有，如需转载请在文中注明来源及作者名字。

免责声明：本文系转载编辑文章，仅作分享之用。如分享内容、图片侵犯到您的版权或非授权发布，请及时与我们联系进行审核处理或删除，您可以发送材料至邮箱：service@tojoy.com