今日明星「端到端」，能否撑起智能驾驶的未来？｜OpenTalk 回顾

微信邦

2024年6月5日，36氪联合未来汽车日报、圆周智行举办了“FSD来了，真正的智能驾驶还有多远？”OpenTalk直播分享活动，特邀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，昇启科技联合创始人、CTO刘敏俊共3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、智能交通流等多个要素展开了探讨，并与观众进行了现场Q&A互动。对于眼下风头无两的“端到端”技术，三位嘉宾分别有怎样的见解？特斯拉FSD的入华将如何搅动汽车产业生态？在智能驾驶领域，他们将分享哪些一手的行业洞察与技术、产品的实战经验？以下是本场直播的干货总结，欢迎阅读、分享与收藏：

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：辰韬资本合伙人，主要投资阶段为种子轮、天使轮、孵化及技术成果转化。有早期创业到公司IPO的完整CEO经历。管理的智驾基金及元氢基金，因投出多个细分赛道头部，多次在评选中获得自动驾驶及氢能赛道的全国Top10。分享关键词：#端到端 #特斯拉FSD #AGI辰韬资本合伙人萧伊婷 首先分享了对于端到端技术的产业革命意义的理解。萧伊婷提出端到端技术某种意义上将颠覆自动驾驶产业，就像是智能手机对传统手机的冲击。她认为，端到端技术减少了信息损失，提高了系统的感知和决策能力，这将让汽车更全面地理解交通环境，实现更自然的驾驶行为。从投资人的角度看，自动驾驶相关的投融资情况在前几年并不乐观。直到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CVPR 2023最佳论文、马斯克直播展示FSD，以及聚焦研发端到端自动驾驶系统的初创公司Wayve在2024年获10亿美元融资，各界才真的开始形成一个共识：端到端已经是一个全新的范式。通过对35组行业专家的访谈，萧伊婷发现87%的公司已投入或准备投入端到端的技术转型，这表明端到端技术已成为行业的广泛共识，它能让大多数公司将自动驾驶落地时间的预测提前至2到5年内，其加速自动驾驶商业化的重要意义不言而喻。不过，端到端是不是自动驾驶技术的终局呢？围绕此问题的分歧依然明显。访谈结果还显示，端到端的发展不可避免带来行业排名的大洗牌，其中就隐藏着未来的优质投资机会。萧伊婷解释了端到端技术的狭义和广义的四种类型，包括单一神经网络模型的One Model端到端、模块化端到端、两段式端到端和感知端到端。她强调，广义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。从VC的角度来看，除了早已备受关注的明星玩家，国内仍有一些端到端企业的进展值得关注。萧伊婷介绍了主机厂零一汽车，以及光轮智能和极佳科技等自动驾驶算法/系统研发商在端到端方面的进展，其端到端相关的技术和解决方案的进化速度，充分显示了国内企业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和掌握数据的主机厂有更多的发展机会。闭环仿真工具链对端到端技术测试至关重要，是实现技术快速迭代和优化的关键因素。

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：昇启科技联合创始人兼CTO，毕业于浙江大学计算机学院，前滴滴智慧交通数据算法团队负责人，交通大数据资深算法专家，主要研究方向为交通流建模，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 #智能交通流昇启科技联合创始人、CTO 刘敏俊 从特斯拉FSD谈起，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机遇。刘敏俊表示，自动驾驶模型在从人工设计的模块化系统逐步向神经网络模型系统发展，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，这种统一化趋势将极大提高系统的迭代速度和性能上限，同时降低研发和运维成本。他认为，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，这种转变将简化研发流程，加速模型的迭代。仿真工具在自动驾驶的演进中起着至关重要的作用。刘敏俊指出，在L1阶段，控制的精确性是关键，而进入L2阶段，感知性能成为瓶颈。随着智能化提升，决策规划成为智能化核心，多智能体、强交互的仿真环境是决策系统升级迭代的关键载体，这就需要新一代仿真工具来支撑复杂的交互和决策过程。刘敏俊对比了ADAS和高阶自动驾驶的仿真需求。前者对应的是相对标准化的场景和较为单一的需求，而高阶自动驾驶则被放置于极为复杂的道路环境与现实情况中。对此，昇启科技开发了千行平台，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，简化复杂道路设计。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实现测试任务的批量生成和时间加速，也能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，提供多视角仿真案例。模型训练平台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，研发范式也已经从模块化往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，仅是一个开始。




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：元戎启行副总裁、技术合伙人。曾任英特尔高级工程师，主导推动多个技术项目的研发落地及全球推广。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 #具身智能元戎启行副总裁、技术合伙人刘念邱 首先解释了端到端系统和传统智能驾驶系统的区别，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，提供更加自然和人性化的驾驶体验。从技术的发展路径来看，端到端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的Rule-based走向端到端系统的Learning-based，正是元戎启行近年的技术发展路径。Rule-based需要的是大量工程和适量的数据，而进入Learning-based的端到端模型的开发，整个自动驾驶系统由AI神经网络搭建，需要的工程更少了，但高质量、大体量的数据成为了关键。打造端到端模型，“无图”（无高精度地图）驾驶成为关键。因为端到端模型如同人类大脑的神经网络，更擅长看非结构化的数据，如图片与视频。而高精度地图是一堆精确的三维表征，是结构化数据的堆砌。对端到端模型来说，高精度地图是一堆深奥的数字代码，难以理解，反而更直观的图片与视频道路信息，可以与它同频，并让它轻松获取信息。通过视频，刘念邱具体展示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和与交通参与者的顺滑互动，体现出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的更加自然、符合人类驾驶习惯的驾驶体验，这将有助于建立消费者对于自动驾驶的信任。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、每一个机器人身上，赋能各行各业生产力升级。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成就。他提到，元戎启行在2023年已经开始和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，开始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，逐渐实现“所到之处都能开，任何场景都好开”，不断推进智能驾驶向AI 3.0时代迈进。