- 手机：
- 13564805630
- 电话：
- 021-57708796
- 邮箱：
- 838717855@qq.com
- 地址：
- 上海市奉贤区民乐路88号3幢110室
《端到端自动驾驶行业研究报告》由辰韬资本、南京大学上海校友会自动驾驶分会和九章智驾联合发布，报告指出，端到端自动驾驶已经成为明确的行业共识，预计将于2025年开始上车，并带动上游技术进步、市场和产业格局演变。报告还对端到端自动驾驶的基本概念、发展驱动力、落地挑战和未来展望进行了深入分析。
- 传统自动驾驶架构：典型的自动驾驶系统通常包含感知、定位、预测、决策与规划、控制等模块。
- 端到端自动驾驶的定义：端到端自动驾驶是指从传感器输入到控制输出的单一神经网络模型，能够实现自动驾驶系统的全局优化。
- 端到端相关概念的联系与区别：端到端与决策规划模型化、大模型、世界模型、纯视觉传感器方案等相关概念常常被混淆，本报告对其区别与联系做了辨析。
- 自动驾驶算法和系统公司：元戎启行、商汤绝影、小马智行、鉴智机器人、英伟达、地平线等。
- 技术路线分歧：行业内尚未出现可供参考的最佳实践案例，技术路线将会逐渐收敛。
- 对训练数据的需求量空前提升：端到端自动驾驶是数据驱动的模型，因此，训练数据的重要性前得到所未有 的提升。
- 对训练算力的需求越来越高：随着自动驾驶系统的AI模型化程度越来越高，其对训练算力资源的需求越来越大。
- 测试验证方法尚不成熟：实车测试验证的成本高昂，针对经典的自动驾驶架构，行业已经有一套行之有效的方案进行模型上车前的测试验证，即感知算法使用回灌数据进行离线开环测试，规控算法基于模拟器进行闭环测试验证。
- 组织资源投入的挑战：端到端将带来自动驾驶团队的组织重塑，大部分All in端到端的公司都在削减原有团队规模，将团队重心调整到AI大模型和数据基建方向。
- 车载芯片算力会不会成为瓶颈：车载芯片算力限制并不是端到端落地的主要矛盾，软件与芯片一直是动态演化的，与其思考“端到端模型需要多少算力”，不如考虑“基于当前的芯片，应该如何优化端到端模型以实现高效的部署”。
- 模型缺乏“可解释性”是否构成障碍：大部分受访专家认为，缺乏“可解释性”并不会成为限制端到端模型应用的问题。
- 量产进度：2025年模块化端到端开始上车，2026年至2027年One Model端到端开始上车。
- 技术发展趋势：开源生态在端到端算法的发展中扮演重要角色，闭环仿真将成为端到端量产的重要基础，车载芯片架构创新将更好地支持端到端模型部署。
- 产业发展趋势：端到端加速自动驾驶整体渗透率提升，数据和AI人才的重要性提升，产业分工格局演变，自动驾驶国际化和场景迁移进程提速。
- 阶段一：机器人赋能自动驾驶早期的发展，自动驾驶的早期发展过程中，借鉴了大量机器人技术的积累。
- 阶段二：自动驾驶产业化加速，端到端技术可反哺机器人，自动驾驶端到端代表的数据驱动学习范式同样可以应用于机器人。
