2024年6月5日，36氪联合未来汽车日报、圆周智行举办了一场主题为“FSD来了，真正的智能驾驶还有多远？”的OpenTalk直播分享。活动邀请了辰韬资本合伙人萧伊婷，元戎启行副总裁、技术合伙人刘念邱，以及昇启科技联合创始人、CTO刘敏俊三位嘉宾。他们围绕端到端、特斯拉FSD、AGI、AI汽车、具身智能、高保真仿真、智能交通流等多个前沿话题展开了深入探讨，并与在线观众进行了实时问答。
那么，对于当下风头无两的“端到端”技术，三位专家各自有何独到见解？特斯拉FSD进入中国市场，又将如何搅动汽车产业的现有格局？以下是这场直播的干货整理。
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
萧伊婷首先从产业革命的高度，解读了端到端技术的意义。在她看来，端到端技术对自动驾驶产业的碘伏性，不亚于智能手机对传统手机的冲击。其核心价值在于减少了信息传递中的损失，显著提升了系统的感知与决策能力，这让汽车能更全面地理解交通环境，从而表现出更接近人类司机的驾驶行为。
回顾投资领域的风向，前几年自动驾驶相关的投融资情况并不乐观。直到2023年，上海人工智能实验室的端到端架构UniAD拿下CVPR最佳论文、马斯克直播演示FSD，以及2024年专注端到端的初创公司Wayve获得10亿美元融资，整个行业才逐渐形成共识：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的技术转型中。这充分说明，端到端已成为行业共识，它让大多数公司对自动驾驶落地的预期时间提前到了2至5年内，其加速商业化进程的意义不言而喻。不过，端到端是否是自动驾驶技术的终极形态？围绕这一问题的分歧依然存在。访谈结果同样显示，端到端的发展将不可避免地引发行业排名的重新洗牌，而其中就隐藏着未来的优质投资机会。
萧伊婷进一步解释了端到端技术的狭义与广义之分，具体包括四种类型：单一神经网络模型的One Model端到端、模块化端到端、两段式端到端和感知端到端。她强调，广义的端到端至少应具备无损信息传递和模块间反馈的能力，这是实现高效自动驾驶的关键。
从风险投资人的视角出发，除了那些早已备受瞩目的明星公司，国内一些端到端企业的进展同样值得关注。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与系统研发商在端到端领域的突破。这些企业技术和解决方案的进化速度，充分显示出国内玩家在这一领域的强大竞争力。
最后，萧伊婷总结了端到端技术落地过程中面临的挑战，主要集中在人才需求以及验证、测试流程的变革上。可以确定的是，拥有顶级AI人才的端到端算法公司和掌握数据的主机厂，将获得更多发展机会。而闭环仿真工具链对于端到端技术的测试至关重要，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
刘敏俊的分享从特斯拉FSD谈起，他认为FSD的正式上线，标志着端到端模型开始大规模落地推送，这为自动驾驶技术的发展带来了全新机遇。
他指出，自动驾驶模型正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，所有模型可能会统一到一个大型的端到端神经网络上。这种统一化趋势将极大提升系统的迭代速度和性能上限，同时有效降低研发与运维成本。相应地，自动驾驶的研发模式也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。这一转变将简化研发流程，加速模型迭代。
仿真工具在自动驾驶的演进中扮演着至关重要的角色。刘敏俊解释，在L1阶段，控制的精确性是核心；到了L2阶段，感知性能成为瓶颈。随着智能化程度提升，决策规划能力成为智能化核心，多智能体、强交互的仿真环境则是决策系统升级迭代的关键载体。这就催生了对新一代仿真工具的需求，以支撑复杂的交互和决策过程。
对比ADAS与高阶自动驾驶的仿真需求，前者对应相对标准化的场景和较为单一的需求，而高阶自动驾驶则被置于极为复杂的道路环境与现实情况中。为此，昇启科技开发了“千行平台”。该平台基于云原生架构，构建了数据与模型两大中台，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，平台能够实现自主进化与闭环迭代。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，提供从场景生成、仿真测试、模型训练到数据开放的全套能力，为自动驾驶构建了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，能简化复杂道路的设计。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，批量生成多样化场景。仿真引擎通过自迭代任务管理，完成测试任务的批量生成和时间加速，同时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。它能够生成高保真、强交互的交通场景，模拟现实世界的复杂交通行为，并提供多视角的仿真案例。模型训练平台则可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。
总结来看，刘敏俊强调，决策和规划能力是高阶自动驾驶的核心瓶颈，研发范式也已从模块化向端到端革新。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，而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？
刘念邱首先解释了端到端系统与传统智能驾驶系统的本质区别，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，端到端系统能够更好地模拟人类驾驶员的决策过程，从而提供更自然、更具人性化的驾驶体验。
从技术路径来看，端到端能够处理更复杂的路况，进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Rule-based（基于规则）的智能驾驶系统，走向Learning-based（基于学习）的端到端系统，正是元戎启行近年来的技术发展路径。Rule-based需要的是大量工程和适量数据，而进入Learning-based的端到端模型开发，整个系统由AI神经网络搭建，所需的工程变少了，但高质量、大体量的数据成为了决定性因素。
打造端到端模型，“无图”（不依赖高精度地图）驾驶成为关键。原因在于，端到端模型如同人类大脑的神经网络，更擅长处理图片与视频这类非结构化数据。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。对端到端模型而言，高精度地图是一堆深奥的数字代码，难以理解；反倒是直观的图片与视频道路信息，能与它“同频”，让它轻松获取信息。
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，充分体现出端到端模型在提升驾驶效率和舒适度方面的巨大潜力。他还指出，端到端模型能够带来的、更符合人类驾驶习惯的体验，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，会使自动驾驶系统更加智能和自主。这项技术未来也能复用到每一台机器、每一个机器人身上，从而赋能各行各业的生产力升级。
最后，刘念邱介绍了元戎启行在自动驾驶领域的合作进展与成就。他提到，公司在2023年已开始与多家主机厂开展量产合作，发布了不依赖高清地图的智能驾驶系统，并启动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，持续推动智能驾驶向AI 3.0时代迈进。
点击放大 查看脑图细节
在直播过程中，三位嘉宾还就观众在线提出的问题进行了逐一解答，并在活动社群中与观众就相关话题展开了持续的技术交流和业务探讨。
以上是本期OpenTalk的精华总结。
