今日明星端到端，能否撑起智能驾驶的未来？
2024年6月5日，一场以“FSD来了，真正的智能驾驶还有多远？”为主题的OpenTalk直播分享活动正式举办。本次活动由36氪联合未来汽车日报、圆周智行发起，特邀辰韬资本合伙人萧伊婷、元戎启行副总裁及技术合伙人刘念邱、昇启科技联合创始人及CTO刘敏俊三位嘉宾，围绕端到端、特斯拉FSD、AGI、AI汽车、具身智能、高保真仿真、智能交通流等多个核心要素展开深入探讨，并与在线观众进行了实时的Q&A互动交流。
针对当前备受关注的“端到端”技术，三位嘉宾分别提出了各自的独到见解。特斯拉FSD进入中国市场将对汽车产业生态带来怎样的调整？在智能驾驶领域，他们如何分享一线的行业观察以及技术与产品的实践心得？以下内容汇总了本场直播的核心干货。
辰韬资本合伙人 萧伊婷：端到端开启新一轮自动驾驶产业革命
萧伊婷目前担任辰韬资本合伙人，主要关注种子轮、天使轮阶段的投资及技术成果转化项目。她具备从早期创业到公司IPO的完整CEO经历，所管理的智驾基金及元氢基金因投出多个细分赛道头部项目，多次在评选中获得自动驾驶及氢能赛道的全国前十名。
分享关键词：#端到端 #特斯拉FSD #AGI
在分享过程中，萧伊婷首先阐述了对端到端技术所带来产业革命意义的理解。她指出，从某种意义上讲，端到端技术将颠覆自动驾驶产业，其影响类似于智能手机对传统手机产生的冲击。端到端技术能够减少信息损失，增强系统的感知与决策能力，使汽车更全面地理解交通环境，从而呈现出更自然的驾驶行为。
从投资视角来看，前几年自动驾驶领域的投融资状况并不理想。直至2023年，上海人工智能实验室发表的端到端自动驾驶架构UniAD获得了CVPR 2023最佳论文，马斯克在直播中展示了FSD，以及专注于端到端自动驾驶系统的初创企业Wayve在2024年获得10亿美元融资，行业才开始逐渐形成共识：端到端已经成为一个全新的技术范式。
通过对35组行业专家开展的访谈，萧伊婷发现87%的公司已经投入或准备投入到端到端技术的转型中。这表明端到端技术已成为行业内的普遍共识，多数企业据此将自动驾驶的落地时间预测提前到2至5年范围内，其加速自动驾驶商业化的重要意义十分明显。不过，端到端技术是否是自动驾驶的最终形态？围绕此问题的分歧仍然显著。访谈结果进一步显示，端到端的发展必然会引发行业排名的重大洗牌，而这其中也隐藏着未来的优质投资机会。
萧伊婷对端到端技术的狭义与广义四种类型作出了解释，包括单一神经网络模型的One Model端到端、模块化端到端、两段式端到端以及感知端到端。她强调，广义的端到端至少应包括无损信息传递和模块间反馈，这是实现高效自动驾驶的关键要素。
从风险投资的角度考量，除了已经被广泛关注的明星企业之外，国内还有一些端到端公司的发展进度值得留意。萧伊婷介绍了主机厂零一汽车，以及光轮智能、极佳科技等自动驾驶算法及系统研发商在端到端方面的进展。这些企业在端到端技术及解决方案上的进化速度，充分证明了国内企业在该领域具备的强大竞争实力。
最后，萧伊婷总结了端到端技术落地过程中所面临的挑战，包括人才需求以及验证和测试流程的变化。她强调，拥有顶级AI人才的端到端算法公司以及掌握数据的主机厂将获得更多发展机会。闭环仿真工具链对于端到端技术的测试至关重要，它是实现技术快速迭代与优化的关键因素。
点击放大 查看脑图细节
昇启科技联合创始人、CTO 刘敏俊：一站式端到端自动驾驶研发测试平台
刘敏俊担任昇启科技联合创始人兼CTO，毕业于浙江大学计算机学院，曾担任滴滴智慧交通数据算法团队负责人，是交通大数据领域的资深算法专家。他的主要研究方向包括交通流建模、运筹优化算法、自动驾驶决控算法以及交通大数据并行计算。
分享关键词：#端到端 #数据驱动 #高保真仿真 #智能交通流
刘敏俊从特斯拉FSD谈起，指出其上线标志着端到端模型开始大规模推送落地，这为自动驾驶技术的发展带来了新的契机。他表示，自动驾驶模型正在从人工设计的模块化系统逐步向神经网络模型系统演进。未来，自动驾驶模型可能会统一到一个大型端到端神经网络模型上。这种统一化趋势将显著提高系统的迭代速度和性能上限，同时降低研发与运维成本。他还提到，自动驾驶的研发模式将从依赖专家规则的模块化开发，转变为数据驱动的端到端开发。这种转变将简化研发流程并加速模型的迭代过程。
仿真工具在自动驾驶的演进中扮演着至关重要的角色。刘敏俊指出，在L1阶段，控制的精确性最为关键；进入L2阶段后，感知性能成为瓶颈。随着智能化程度的提升，决策规划成为智能化的核心。多智能体、强交互的仿真环境是决策系统升级迭代的重要载体，因此需要新一代仿真工具来支撑复杂的交互和决策过程。
刘敏俊对ADAS与高阶自动驾驶的仿真需求进行了对比。前者对应的是相对标准化的场景和较为单一的需求，而高阶自动驾驶则面临更为复杂的道路环境与现实情况。对此，昇启科技开发了千行平台，该平台以云原生架构为基础，构建了数据和模型两大中台，实现了高保真场景数据与智能化交通行为的有机结合。通过AI算法引擎和对抗学习技术，该平台能够实现自主进化和闭环迭代。此外，平台支持第三方数据导入，包括地图、实车日志和场景库等，提供了场景生成、仿真测试、模型训练、数据开放的能力，为自动驾驶构建了一套完整的开发测试生态系统。
基于千行平台，昇启科技推出了由地图编辑、场景生成、仿真测试、模型训练组成的工具链。地图编辑器支持OpenDRIVE、OSM等主流地图格式，配备丰富组件，可简化复杂道路的设计过程。场景生成器支持OpenSCENARIO剧本语义，允许用户自定义属性编辑，实现多智能体的自由组合，并批量生成多样化场景。仿真引擎通过自迭代任务管理实现测试任务的批量生成和时间加速，同时能够收集失败场景以优化场景资源库，辅助工程师进行回灌测试。仿真引擎可以生成高保真、强交互的交通场景，模拟现实世界的复杂交通行为，并提供多视角仿真案例。模型训练平台能够融合实车数据与虚拟仿真数据，通过数据驱动方式实现端到端模型的自主训练与进化升级。
最后，刘敏俊强调决策和规划能力是高阶自动驾驶的核心瓶颈。研发范式已经从模块化向端到端方向进行革新，在数据驱动的模式下，高保真的仿真环境是AIGC的必要条件。同时，他认为具身智能的时代已经到来，自动驾驶技术的发展对于智能机器人领域而言，仅仅是一个开始。
点击放大 查看脑图细节
元戎启行副总裁、技术合伙人 刘念邱：AI汽车何时开跑？
刘念邱担任元戎启行副总裁兼技术合伙人。他曾任英特尔高级工程师，主导并推动多个技术项目的研发落地及全球推广，并在智能硬件、物联网、智能制造、车载电子领域连续成功创业。
分享关键词：#端到端模型 #AI 3.0时代 #AI汽车 #具身智能
刘念邱首先对端到端系统与传统智能驾驶系统的区别进行了解释，着重强调了端到端系统在信息保留和环境理解方面的优势。他指出，端到端系统能够更贴近人类驾驶员的决策过程，提供更加自然和人性化的驾驶体验。
从技术发展路径来看，端到端技术能够处理更加复杂的路况，从而提供更高等级的安全性，这是实现全自动驾驶的关键。刘念邱提到，从传统智能驾驶系统所采用的Rule-based走向端到端系统的Learning-based，正是元戎启行近年来的技术发展路径。Rule-based模式需要大量的工程和适量的数据，而进入Learning-based的端到端模型开发后，整个自动驾驶系统由AI神经网络搭建，所需的工程更少，但高质量、大体量的数据成为关键因素。
在打造端到端模型时，“无图”（无高精度地图）驾驶成为关键环节。这是因为端到端模型类似于人类大脑的神经网络，更擅长处理非结构化的数据，如图片与视频。而高精度地图是一堆精确的三维表征，属于结构化数据的堆砌。对于端到端模型来说，高精度地图就如同深奥的数字代码，难以理解，而更加直观的图片与视频道路信息则能够与它同频，使其轻松获取所需信息。
通过视频展示，刘念邱具体呈现了端到端模型在实际驾驶中的应用，包括对周围环境的准确感知以及与交通参与者的顺滑互动。这些演示体现了端到端模型在提升驾驶效率和舒适度方面的潜力。他还指出，端到端模型能够带来更加自然、符合人类驾驶习惯的驾驶体验，这将有助于建立消费者对自动驾驶技术的信任。
刘念邱认为，“无图”驾驶的端到端技术会使自动驾驶技术更加智能和自主，之后也能复用到每一台机器以及每一个机器人身上，从而赋能各行各业实现生产力升级。
最后，刘念邱介绍了元戎启行在自动驾驶领域的合作进展和取得成就。他指出，元戎启行在2023年已经开始与多家主机厂开展量产合作，并发布了不依赖高清地图的智能驾驶系统，开启了端到端模型的道路测试。2024年4月，公司正式推出了基于端到端模型的IO平台，逐步实现“所到之处都能开，任何场景都好开”的目标，不断推动智能驾驶向AI 3.0时代迈进。
点击放大 查看脑图细节
在直播间，三位嘉宾还针对在线观众提出的问题进行了深入解答，并在活动社群中与参与者就相关话题展开了持续的技术交流和业务探讨。
以上内容即本期OpenTalk活动的完整精华总结。从技术趋势到产品实践，三位嘉宾提供的多维洞察为智能驾驶领域带来了有价值的参考。