“端到端”求L4，無異緣木求魚

而從國內的智駕現(xiàn)狀來說，過去數(shù)年，幾乎所有的智駕企業(yè)選擇的都是可解釋的“模塊化”的路線。在模塊化的結構中，智駕系統(tǒng)被拆解、融合為“感知-規(guī)劃-控制”三大模塊，像華為、小鵬的端到端大模型，就更近似于模塊化方案演變、融合后的結果。

當然，模塊化結構一直存在的“硬傷”是，盡管模塊數(shù)已經變少，但感知端為了保證規(guī)控端的平穩(wěn)運行，仍有可能出現(xiàn)被迫丟失信息的情況。而系統(tǒng)的決策又需要獲取足夠全面的信息，才有可能達到全局最優(yōu)。這是避不開的、最為矛盾的一環(huán)。

所以，為了解決近乎無窮的“Corner case”，大家又一股腦地投入“端到端”的熱潮中去。

而從基于規(guī)則的Rule based，到基于深度學習Learning based，所謂“數(shù)據(jù)驅動”，通過海量的數(shù)據(jù)支持，來歸納求解，這是業(yè)內車企競相選擇端到端大模型的重要因素之一。泛化能力雖然更強，但海量的數(shù)據(jù)并不一定能夠對系統(tǒng)產生正向的提升。

當下最極端的論點是，無人駕駛距距離攻克也就是幾千萬公里的Corner case，以及大量的算力。這是典型的圍繞“數(shù)據(jù)驅動”、“端到端”創(chuàng)造出來的愿景，兩者相輔相成，智駕領域的投資泡沫就是這么來的。

問題是，從技術角度來看，“端到端”極其依賴于大模型內部的神經網(wǎng)絡結構，而神經網(wǎng)絡本身又具備不可解釋性，所以業(yè)內關于端到端的應用和界定一直是各執(zhí)一詞。

眾所周知，人工智能的三大流派——連接主義、行為主義和符號主義，雖然當下連接主義成為主流，但這三大流派各有強項，且連接主義采用的是深度學習，是個歸納、統(tǒng)計型的算法，這種“連接主義解決一切”的想法能不能實現(xiàn)？是個問題。

歸根究底，成功落地、實現(xiàn)量產，提高駕駛安全性和便捷度，才是智駕的核心。所以，用一個主義解決全部問題是不太可能的，需要兼容并蓄。

這方面，我贊同侯曉迪說的，對于內行人來說，現(xiàn)在“端到端”不是一個學術概念，而是一個情緒載體，“很容易把機器學習領域沒有完成的夢想和未竟的事業(yè)都寄托到‘端到端’這個具體技術概念里。”

03、One Model，Two Model，World Model

質疑馬斯克的，不僅有侯曉迪，也包括小馬智行CTO樓天城和輕舟智航 CTO 侯聰。

侯聰對于馬斯克和Robotaxi的看法是，“Robotaxi 這個事情他有點吹牛了，低估了事情的難度?！倍鴺翘斐堑囊粋€結論是，L2做得越厲害，它離L4越遠。反之也是如此。一個越好的L4公司，它離L2越遠。

為什么？因為，輔助駕駛就是一個助手，它的成本和覆蓋區(qū)域很重要，跟人類交互很重要。而L4的駕駛主體是機器，所有事情都要機器端解決，不能交給別人。哪怕稍微慢一點，安全性100%一定要保證。

而特斯拉做Robotaxi的邏輯是通過L2輔助駕駛的數(shù)據(jù)不斷積累實現(xiàn)L4級的Robotaxi，這無異于緣木求魚。這也是幾位反共識的“異見者”的結論。

而且，有意思的地方在于，當初馬斯克是為數(shù)不多堅持通過L2數(shù)據(jù)積累不斷實現(xiàn)L4的人，在當時被外界認為是異類。如今反過來了。

換句話說，通過L2的漸進式路線做不出L4。L2的駕駛主體是人，L4的駕駛主體是機器；L2關注的核心是成本、覆蓋范圍和體驗，L4更關注的是安全。所以，L2和L4的產品設計出發(fā)點都不同。

所以，2024杭州云棲大會上，小鵬汽車董事長何小鵬對于特斯拉的盲目崇拜和盲目自信就很讓人擔心，“端到端的模型下限能力有望在明年快速提高，一旦提高后，不用2年時間，在全球范圍內就可以做到超越 L4 標準的能力。”

問題在于，L2級智能輔助駕駛背后有人類司機兜底，但是L4的Robotaxi不行，要做到更好的商業(yè)化，做到車內無人，沒有人給系統(tǒng)兜底，車輛的駕駛權屬于系統(tǒng)，責任屬于企業(yè)。所以系統(tǒng)就要無限提高安全上限。這是難點所在。

當然，就當下的情況而言，要達到“端到端”的目的需要不斷有突破性的手段。最近的動向是關于世界模型的。

現(xiàn)在是Two Model、World Model、One Model三部曲思路。因為，盡管端到端上車如火如荼，但目前大部分中國車企并未實現(xiàn)理論上的“One Model”。通行的做法是，將端到端模型的智駕應用分為兩個階段：

第一個階段是“Two Model”，由一個端到端的感知和一個端到端的規(guī)控組成，這是目前比較主流的一個方向。第二階段才是“One Model”，一個大模型解決信息輸入到決策輸出，但業(yè)內預估要3~5年之后才會有一些規(guī)?；膽谩?/p>

此外，蔚來、理想等車企都發(fā)布了自研的“世界模型World Model”，供應商中有地平線、小馬智行等。像樓天城就認為，“World Model”是目前最佳最重要的東西，將其理解為通往自動駕駛的唯一解。

所謂世界模型，可以理解為對真實世界的仿真與建模，可以真實準確地還原比如十字路口等場景的變化。同時，世界模型還是一個評分體系，對自動駕駛系統(tǒng)的表現(xiàn)做出評價，能夠得知A系統(tǒng)和B系統(tǒng)相比誰更好。

蔚來自動駕駛副總裁任少卿表示：“相比于常規(guī)的端到端的模型，新的世界模型有三個我們認為主要的優(yōu)勢。第一個是在空間理解上，通過生成式模型，從重構傳感器的方式，更加泛化地抽取了信息。第二個，通過自回歸模型，自動建模長時序環(huán)境。第三個，萬千世界需要更多數(shù)據(jù)，通過自監(jiān)督的方式，無須人工標注，它是一個多元自回歸生成模型結構，讓我們學得更好?！?/p>

此外，地平線也在感知上引入了“World Model”的概念。地平線認為，通過World Model的算法訓練可以解決場景的泛化、功能的連續(xù)性以及體驗的一致性的問題。不過，在規(guī)控算法上，保留了Rule-based的鏈路。

世界模型的作用能有多大，還屬于未知。但是，說到底，Rule-based（基于規(guī)則）或者說Principle-based是不能放棄的，妄圖完全依靠端到端的“黑盒子”來解決問題，包括特斯拉、華為、小鵬等頭部車企正在做的事情，都得當心，正在做不等于有結果。

L4的核心是如何完成一個穩(wěn)定的系統(tǒng)，尤其是用不穩(wěn)定的模塊去完成一個穩(wěn)定系統(tǒng)。L4需要的是智慧，而不僅僅是資本和算力、數(shù)據(jù)、智商。在這點上，即使強如馬斯克也同樣如此。根本的辦法還是，通過架構層創(chuàng)新來保證系統(tǒng)的安全性，做好安全冗余。

反觀當下各個企業(yè)喧囂的“端到端”宣傳，更多的目的還是打造差異化、把車賣出去。那么多的“心大了”的智駕事故，已經很說明問題。這是我們應該心里“門清”的。

作者丨王小西

責編丨北? ?岸

編輯丨王? ?越