成都车展激辩端到端：车企力推，专家泼冷水
与新车相比，今年成都车展期间，智能驾驶技术似乎排在C位。无论是新车发布会，还是成都车展期间很多车企的传播重点，都明确了一个核心:
端到端。
成都车展前，小鹏在15万级车型上落地，砍掉了激光雷达的高级智能驾驶。端到端、纯视觉、技术下沉，似乎推动了技术进步的一大步。
集中CEO夏一平向行业发出警告:没有500亿智能驾驶是不可能的。如果有人说智能驾驶可以花几十亿，可以说是路杀手。
理想汽车智能驾驶R&D副总裁郎咸朋博士表示，最新的理想方案在技术结构上与特斯拉没有太大区别，或者更先进。
但另一方面，我们也发现，虽然每个家庭都在表达自己先进的端到端技术，但端到端技术本身仍然存在许多争议。
而且，这也恰恰代表了中国汽车公司在智驾技术方面的一个阶段：与统一的技术路线相比，汽车公司更加追求，如何证明自己的技术先进性更适合中国市场，并率先占领用户心智。
中国的端到端到了什么阶段？
在接受外媒采访时，英伟达CEO黄仁勋曾将特斯拉第12版全自动驾驶技术总结为：它是一种端到端的生成模式。
与特斯拉相比，中国汽车公司的大部分技术路线都是从去年年底和今年年初开始向终端转移的，这意味着中国汽车公司和特斯拉之间总有一定的差距，无论是模型建立还是数据培训。
在夏一平警示行业，激进的端到端必然存在安全隐患。目前，极盛使用两段端到端，即感知和控制分为两种模式。
与极限相比，理想的方式是OneModel端到端，模型推理完成后，通过直接传感器输入，直接给出轨迹规划，用于控制汽车的一体化端到端方式。
同时，理想还增加了VLM技术架构——一个具有自下而上和泛化能力的视觉语言模型，可以为端到端系统提供辅助。换句话说，理想的端到端是一个双系统结构。
对于这条技术路径，理想情况下，一体化的端到端本身想要解决中间信息的损失。如果中间增加了人工信息消化过程，效率可能不会那么高，或者能力上限可能会受到限制。
号称世界上唯一实现端到端大模型量产的小鹏，也有了新的动作，在小鹏MONA M03在上市时宣布了一个重要消息：自研图灵芯片流片成功，并声称其计算能力是目前芯片的三倍。
这是成都车展期间，三家企业在技术进化的同时，对端到端非常相似的三家企业发表了警告行业的言论。
当然，核心问题是尽可能证明自己技术的安全性和创新性。
什么是端到端最难的？
对智能驾驶的高投入，理想也比较认同，而且他们都认为，数据和计算率是端到端高投入的主要原因。
在谈到如何判断端到端的能力时，极越智能产品线负责人潘云鹏提到了三点：
首先是数据，这取决于道路上的汽车和数据的质量；二是计算率，云计算中心端的规模；三是算法模型。
而且仅仅是算率，对汽车公司的投资是非常考验的。
夏一平举了一个例子：刚建成的特斯拉算力中心花费了280亿元，其中每年的电费就是10亿元，其中每年的电费就是10亿元。
理想情况下，人工智能需要大量的数据和计算率，这将增加高级智能驾驶车辆的数量和R&D投资充足的公司在智能驾驶方面的优势，实际上促进了销量的增加，而销量的增加会带来拥有量和R&D投资的增加，这是一个不断积极滚雪球的过程。
另一方面，小鹏将AI模型的竞争推向了一个新的领域。：何小鹏表示，立志做AI的公司将拥有专门的AI芯片研发。
对以技术为核心的汽车企业来说，无论是计算率还是R&D投资，端到端的长期投资都将是最现实的考验。
夏一平说，没有500亿做不好端到端。
何小鹏声称，AI业务每年投资35亿元。
理想郎咸朋表示，理想现在5.39亿EFLOPS的算率，到今年年底估计为8亿EFLOPS，每年要花费20亿人民币。未来进入L4阶段，每年数据的增长和计算能力的增长都是指数级增长。，也就是说，每年要花费10亿美元。
中国汽车企业要想成为智驾的普及者，第一关就是长期持续的高投入。
对用户而言，什么是好的端到端？
无论是技术路径还是R&D投资，终端用户只看感受。大部分用户并不在乎有没有图片和图片，选择什么模型。
但从技术开发者的角度来看，这是一个复杂的问题。
例如如何实现快速迭代。理想建立了具有模型测试能力的世界模型，训练端到端模型。
比如如何保证安全。夏一平在谈到感受一些朋友和商人的产品时，发现有些功能乍一看太牛逼了，但是突然到了一些简单的场景却无法执行，因为它的随机性太高了，下限真的很低，没有安全的概念。
比如小鹏在打造20万以下高级智能驾驶第一辆车的同时，自己开发的图灵芯片要跑不同的大模型，包括端到端的自动驾驶，面临很多挑战。
同济大学汽车学院教授朱西在成都车展前为我国端到端泼了一盆冷水。他说，
“端到端被特斯拉火了，国内车企都在说端到端，但是现在，谁宣布端到端(量产上车)，你就不要买他的车了。”
汽车公司推端到端，专家打假端到端，客户不知道端到端，这恰恰印证了端到端本身，也将是中国市场需要长期实践的证明。
本文来自微信微信官方账号“品驾”，作者：董楠，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