在AI大模型技术蓬勃发展的背景下，智能驾驶领域正经历着一场深刻的变革。曾经，车企在探讨智能驾驶时，往往聚焦于算法与芯片算力的提升。然而，随着AI大模型的广泛应用，自动驾驶技术路径迅速演进，从CNN、RNN、GAN等传统模型，迈向了Transformer大模型时代，轻高精地图城区智驾方案也逐渐被“端对端”技术所取代。
特斯拉作为这一领域的先行者，率先采用了端对端技术，并取得了显著成效。随后，问界、理想、小鹏等车企纷纷跟进，端对端智能驾驶技术如雨后春笋般在智能汽车市场迅速普及。小米、零跑、蔚来等车企也相继公布了自家的端对端解决方案，标志着端对端智驾已成为行业的新风口。
从技术层面来看，端对端技术以其迭代迅速、路径短、信息损耗小的特点，对加速L4级智能驾驶的到来具有重要意义。该技术将感知、规划与控制三大模块整合为一个整体，消除了模块间的界限，简化了系统架构，提高了运行效率。整合后的模型能够更快速地处理数据，提升系统响应速度，进一步推动智能驾驶去高精地图化。
特斯拉在FSD V12上成功应用端对端技术，取得了令人瞩目的成果，让行业内外深刻感受到了这一技术的魅力。小鹏汽车董事长何小鹏预测，端到端大模型将大幅缩短自动辅助驾驶向完全自动驾驶过渡的时间，小鹏汽车有望在2025年在中国实现类L4级智能驾驶体验。轻舟智航CEO于骞也认为，端到端技术将逐渐取代非机器学习部分，使整个系统完全通过数据驱动实现智能驾驶能力。
除了技术上的优势，端对端技术在成本上也更具竞争力。以往，智能驾驶技术主要应用于30万以上的车型，而更低价格段的车型则鲜有配备。这主要是由于技术不成熟导致成本过高所致。然而，随着行业去高精地图和硬件的趋势，智能驾驶方案变得越来越亲民。例如，大疆表示仅需7000元即可解决城市NOA问题，且适用于电车和油车；行业首批AI+双目方案仅需4000元即可实现领航辅助功能。相比之下，端对端方案的成本更低，依靠纯视觉方案去掉了所有激光雷达，转变为纯软件驱动的技术，成本可无限下探。
端对端技术的普及不仅提升了消费者体验，还成为了车企竞争的新焦点。随着国内智能驾驶水平的提升，特别是端对端技术带来的新算法和模型的应用，消费者对于智能驾驶的需求日益增强。是否标配智能驾驶功能已成为消费者选择电动车的重要考量因素。在此背景下，华为、小鹏等车企纷纷加大在端对端技术方案上的投入，以吸引消费者并提升市场竞争力。
根据乘联会联合科瑞咨询发布的数据，2024年1至8月，中国新能源乘用车L2级及以上的ADAS功能装车率达到66.6%，同比大幅提升21个百分点。预计明年将是自动驾驶的决胜年，NOA等高级智能驾驶功能将普及至10万元左右的车型，市场渗透率将超过40%。这标志着智能驾驶技术正逐步走向普及化，对于车企而言，谁的智驾方案更优秀、体验更佳、车型性价比更高，谁就能赢得更多消费者和市场份额。
然而，随着端对端技术的深入发展，车企也面临着新的挑战。一方面，随着围绕用户体验展开的VLA模型升级，汽车所需的算力在快速飙升，对硬件算力和数据资源闭环的要求也越来越高。部署VLA模型对芯片算力的要求已提升至英伟达DRIVE Thor级别，这对于当前配备高阶智驾系统的车型来说，无疑是一个巨大的挑战。
另一方面，数据问题也成为制约端对端技术发展的关键因素。想要训练出高性能的端到端模型，对数据质量的要求极高。目前国内车企的数据储备仍落后于特斯拉，且数据积累的过程漫长而艰巨。随着端对端技术的持续升级，车企在堆数据、堆算力等高门槛操作下，试错成本也在逐步升高，商业化面临市场检验。
在市场层面，消费者对于智能驾驶的兴趣与期望在上升，但支付意愿却在普遍下降。因此，即便车企完成了端对端智能驾驶的量产，也需要经过市场的检验和认可。端对端技术的验证落地也面临诸多考验，实车验证成本高昂，云端测试可能与实际情况不匹配。这些因素都增加了车企在端对端智能驾驶技术上的投入和风险。
尽管如此，端对端智能驾驶技术仍然是未来发展的重要趋势。随着技术的不断进步和成本的逐步降低，更多消费者将能够享受到智能驾驶带来的便捷和乐趣。同时，车企也将继续加大在端对端技术方案上的投入和研发力度，以提升自身在智能驾驶领域的竞争力和市场份额。
