特斯拉将在中国推出FSD “端到端”技术仍有诸多挑战

　　原标
题：每经热评|特斯拉将(jiāng)在中(zhōng)国推出FSD “端到端”技术仍(réng)有诸多挑战

　　每经评论(lùn)员 范文清(qīng)

　　日前，特斯拉宣(xuān)布将于(yú)明年一(yī)季度在中国市场推(tuī)出FSD（全自动驾驶(shǐ)）功(gōng)能。这一消
息再度引(yǐn)发汽车行业对“端到端”技术的(de)关注。当(dāng)前特斯拉的FSD V12方(fāng)案(àn)是基于“端到端”技术迭代推进(jìn)的。为了应对挑战，今年以来，包括“蔚小理”等车企和华为、地平线等服务商在内，多家企业纷纷加码端到端自动驾(jià)驶技术。有业内人士甚至认为，“端到(dào)端”是目前通往(wǎng)自动驾驶终局的唯一可行方案(àn)。

　　不(bù)过，笔者认为，目前下这 个结论还为时尚早。

　　所谓“端到端(duān)”，其实是源自深度(dù)学习中的概念，它指的是(shì)一个AI模型，只需输(shū)入原始数据即可输出最(zuì)终结果。应用到自动驾驶领域，这意味着只需(xū)要一个模型，就能将摄像头、毫米波雷达、激光雷达等传感器收集到(dào)的感知(zhī)信息，转换(huàn)成车辆方向盘的(de)转动(dòng)角度、加速踏板的(de)踩踏深度(dù)以及制(zhì)动的力度等具体操作指令，从而使汽车实现自动行驶。

　　相比传统的“感知-决策-控制”智驾系(xì)统，“端到端”技术由于(yú)中间没(méi)有规(guī)则介入，将(jiāng)原(yuán)本感知、预测、规划等多(duō)个模型组合的架(jià)构简化为“感(gǎn)知决策一体化”的单模型架构(gòu)，在信息(xī)传递、推理计算、模型迭代上(shàng)更具优势。同时，“端到端”架构由数据驱(qū)动(dòng)的模块构建(jiàn)，使其人为维护的模块比例相应减少，因此“端到(dào)端(duān)”系统不仅能显著提升计算效率，还能降低(dī)维护成(chéng)本。

　　然而，这些优点并不意味着“端到端”技术没有短板。事实上，“端(duān)到端(duān)”自动驾驶在(zài)实现量产落地与普及(jí)方面仍面临诸多挑战。

　　首先，“端到端”模型的训练成本非常高，需要厂商不断提升GPU的采购规模，这提高了“玩家”的进入门槛。以特斯拉为(wèi)例，目前其(qí)FSD累计(jì)学习的人类驾驶视频片段超过2000万个，仅采集(jí特斯拉将在中国推出FSD “端到端”技术仍有诸多挑战)成本就需要(yào)50亿元至80亿元。

　　其次，“端到端”模型的训练需要大量数据，而(ér)对
海量数据（维权）的采集、清洗和筛(shāi)选，对企(qǐ)业来(lái)说是一项(xiàng)极具挑战性的工作。强大的 算力可以实(shí)时处理海量数 据，降(jiàng)低数据传输延迟，有利于高级别自(zì)动(dòng)驾(jià)驶的落地，但(dàn)目前包括“蔚小理”在内的多家车企在(zài)算力(lì)增长方面均面临较大挑战。

　　此外(wài)，当前(qián)“端到端”智驾的安 全性还没有得到完全保障，特别是对于不常见或极端场景的(de)数据，这 对感知模型的泛(fàn)化性(xìng)能提
出了极高要求。“端到端”技术需要能够处理这些长尾(wěi)场景，以确保 在任何情况(kuàng)下都能作出正(zhèng)确响(xiǎng)应。

　　目前行业对“端(duān)到端”技术的探索才刚刚起步，对许多基础问题还缺乏(fá)深入讨论。因此，现在还不能确定“端到(dào)端”就是自动(dòng)驾驶的终局解(jiě)决方(fāng)案，从而(ér)摒弃其他路径。只(zhǐ)有不(bù)同技术路线同台竞(jìng)技共同发展(zhǎn)，才能推(tuī)动自动驾驶更安全、更快速地(dì)向更高阶段(duàn)发展。

未经允许不得转载：橘子百科-橘子都知道 特斯拉将在中国推出FSD “端到端”技术仍有诸多挑战