当技术发展遇到“瓶颈”，我们目标又该如何转变

“如果没有实现，我们智能驾驶负责人刘先明同学承诺在金门大桥裸跑”，何小鹏在美国体验完特斯拉 FSD V14.2 版本后在社交媒体打趣的说到。

这条帖子比较长，何小鹏主要是提到了接下来小鹏将在下个季度发布的 VLA2.0 ，并且要在明年 8 月底达到目前特斯拉 FSD V14.2 在美国的表现能力。

而在月初的地平线生态大会上，地平线副总裁苏箐也表示，只有完全一段式端到端才能带给我们最拟人的驾驶体验，这就是端到端意义所在，但这件事非常难。虽说特斯拉从 FSD V12 让大家看到了希望，但目前智能驾驶技术的发展确实进入了瓶颈期，未来数十年或许都是基于现在的成果做优化，而不是内核的重构。

这两位大佬的发言，都有相同的细节。一个是对于特斯拉 FSD 的肯定；另一个则是都抛弃了传统的智驾硬件与能力范畴，反而专注于智驾技术所带来的“体验”。

为什么现在的智驾行业会发生这样的转变，让我们细细道来。

「堆硬件」的时代已经过去

- 硬件成本过高

从早些年的“算力比拼”、“传感器数量竞赛” 到现在的 “拟人化体验”、“全场景可用度”，近年来智驾风口的转变并不是单纯的车企转移了营销噱头，而是在 “同质化困局”、“技术瓶颈”、“用户体验” 三重压力下的转变。

在智能驾驶的发展中，曾经不论是车企还是用户，都认为传感器数量越多、算力越高的车型智驾能力越强。于是我们看到了激光雷达数量越来越多，芯片算力从 100TOPS 跨越到 1000TOPS。

在这种近乎疯狂的军备竞赛下，车辆智驾的硬件成本巅峰时期一度要占据整车成本的 15%，并且这一成本压力最终都转嫁给了普通用户。

- 算力冗余过于超前

前些年大家听到最多的关键词，估计就是算力冗余和硬件冗余，美其名曰超前的配置可以承接后续的算法进步。

但现在来看，大家对于算力和硬件的利用度并没有那么高，例如据相关机构表明，目前行业整体的智驾算力利用率大概在 35-45%。并且高算力芯片的能耗也是偏高的，会形成一个“算力越高，能耗也越高”的闭环。

由于算法的进步速度不及预期，高算力也难以转化为实际性能，所以在算法能力差异不大的前提下，高算力所带来的细微优势也很难被用户感知到。

就像部分车企通过神经网络的结构优化，可以在算力水平低于“行业顶流”的情况下，响应速度与执行动作更加优秀。所以说脱离了算法的硬件堆砌，本质上是资源的浪费与成本的提高。

功能已经「同质化」

智驾行业经历多年的发展，从最早的 LCC 到现在的无图 NOA ，大家现在看各家在智驾上的功能点，在激烈竞争下其实已经偏向了我们所说的「同质化」。

在智驾竞赛时代，智驾功能是车企提升车型溢价的工具，例如我有高速 NOA 能力，但竞品车型还停留在 LCC ，那么我就有信心通过这个功能拉高产品溢价，用户也乐于为此买单。

这个现象一直存在，赛道上的竞争也从未停止，只不过内卷的功能一直在进化。从 LCC 到 高速 NOA 再到 城市 NOA ，以至于 车位到车位 这种都是功能上竞赛，谁能先做出来谁就拿到了先吃蛋糕的权利，至于体验如何都是后话，留下一句“持续 OTA 即可”。

“但是大人，时代变了”，前面的我们也说道，智驾的核心还是算法，而算法发展的放缓不止影响了硬件冗余，还有就是功能上的迭代。

现在我们仔细观察，核心的智驾功能已经是“你有我有大家有”的局面，功能上的同质化时代已经到来。

那么在如今的瓶颈之下，未来的智驾行业，该走向何处。

智驾重心的「转变」

现如今我们能发现，智驾发展的中心已经从单纯的硬件堆砌、功能加码转变为体验优先。

在摆脱了「军备竞赛」后，用户对智驾的不满，很大程度上已经不再是硬件或者能力“低人一等”，而是 “场景割裂”，例如车辆系统高速表现稳定，但城区道路频繁接管；晴天好用，雨天失效。

从近两年我们能看到，各家都在注重如何能将系统表现做得更加拟人化。 智驾体验的本质是 “人机协同”，而非 “机器主导”，只有让用户感受到 “系统懂我、可控”，才能建立真正的人与车之间信任。 

在今年，我们也见证了 VLA 与世界模型的并行发展，VLA 解决系统“不会说话”的人机交互问题，而世界模型则赋予了系统“脑补”的能力，像人一样接收到环境信息后预测接下来会发生什么。

前段时间的 L3 级自动驾驶车型准入试点，也是体验上的进步，其算法与硬件并没有质的飞跃，但通过“脱手+免注视”的体验升级，为行业的下一步发展提供了一个长期目标。

端到端是瓶颈也是目标

开头我们也提到，在地平线生态大会上苏箐发言说：“ 只有完全一段式的革命，才能真正做到类人的体验，这就是端到端意义所在，但这件事非常难。 ”

- 为什么一段式端到端是突破瓶颈的“圣杯”

在端到端还未到来之前，传统架构的智驾系统就像是“工厂的流水线”，环环相扣且容错率极低，如果第一步数据就不对那么后面的步骤就会逐步累积，最终执行时就会发生严重的错误。例如系统第一步数据库中没有的障碍物误判成阴影，后面的行车规划与执行动作就会全部错误，最终导致事故。

一段式端到端则是尽可能的学习了人类做动作的方式，眼睛看到-大脑处理-身体做出动作，例如人类驾驶员在遇到障碍物时，本能的反应就是需要刹车或者躲避，不会先去尝试理解这个障碍物是人还是柱子。

此外，传统架构的系统，需要工程师尽可能把我们在路上所遇到的情况写入系统中去，但这样不可能面面俱到，总会有意想不到的情况出现在车辆行驶过程中，这也是为什么传统架构系统在高速会更加稳定一些，因为高速上的交通状况并没有城市中那么“多样化”。

一段式端到端通过深度学习神经网络，让模型自己学会 “该干什么”。它不需要工程师告诉它 “那是什么障碍物”，它只需要知道 “妈妈跟我说过，我看到的画面有这种像素分布，踩刹车就是正确的”。

所以特斯拉从 FSD V12 开始，通过一段式端到端，砍掉了 V11 传统架构的 30 万行感知与规划代码，并且系统处理能力也得到了较大的提升。

并且其在 V14 版本也实现了近似 L3 的能力（可脱手+免注视），这也是为什么开头何小鹏表示要在明年追上特斯拉 V14 版本的能力。

- 为什么完全一段式又很困难

既是目标也是瓶颈，一段式端到端虽说相较于传统分段式架构更加“聪明”，但这就好像一个好学生和笨学生。

传统分段式架构就是笨学生，考试时答题喜欢一步步做，答案不对老师也能知道他哪一步做错了。这就是传统分段式的优点，那就是错误的可追溯性，有错就能改掉。

而一段式端到端的深度学习神经网络虽然让它变成了好学生，但它答题更倾向于直接写答案，虽然大部分时间答题又快又正确，但只要出现一次答案错误，老师也不知道它哪一步做错了。这就是一段式最大的缺点-错误不可解释、不可回溯，它只知道根据题目应该这样写答案，但并不知道过程哪里错了。

一段式的“终局之战”

端到端需要老师不断的教导才能变成一个好学生，但如果老师教的不好，他也会把老师的缺点都学过去。也就是说如果你的车在智驾过程中出现了违反交规等危险动作，那么他就是在海量的数据训练中学到了一些“不好的驾驶习惯”。

并且在遇到一些从未训练过的场景时（多数为极端场景），如何保证让其给出正确的执行动作也是困难之一。如果因为老师没教过这道题就乱写答案，那肯定是不行的。

所以对于一段式的云端训练，消耗的也是天文数字的算力，例如特斯拉 Dojo、小鹏扶摇超算等等。

总的来说就是一段式端到端试图通过模仿人类大脑的直觉反应，来解决传统逻辑代码无法全部解决的复杂路况，但如今在法规与安全性上还需要持续攻坚突破。

这也是为什么苏箐说：“未来几年，整个 AD 可能还是基于现在的系统不断做优化，而不是内核的重构。”

如今的军备竞赛降温正是最好的表现，大家从大步迈进变成了小步快跑，相信智驾行业在重回“体验至上”的本质之后，我们能够得到更好的体验。