以特斯拉發(fā)布V12版FSD智能駕駛系統(tǒng)為標(biāo)志，智能駕駛一夜之間進(jìn)入了端到端時(shí)代。
“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(shí)間，在全球范圍內(nèi)就可以做到超越 L4 標(biāo)準(zhǔn)的能力?！痹?2024 杭州云棲大會(huì)上，小鵬汽車董事長(zhǎng)何小鵬說(shuō)道，采用端到端大模型之后，特斯拉的FSD和之前完全不一樣，明年就有可能比人類老司機(jī)強(qiáng)。
小鵬汽車是國(guó)內(nèi)最先跟進(jìn)特斯拉的車企之一，今年7月末，小鵬汽車就開始向用戶推送基于端到端大模型的XNGP智能駕駛系統(tǒng)。到今年9月，華為、理想等車企也已經(jīng)開始向用戶推送相應(yīng)基于端到端大模型的智能駕駛系統(tǒng)；蔚來(lái)則將端到端大模型應(yīng)用至AEB系統(tǒng)，并發(fā)布了自研的世界模型。
伴隨著端到端大模型的上車，車企們對(duì)智能駕駛的宣傳亦越發(fā)激進(jìn)，曾經(jīng)令人熱鬧喧囂的智駕開城、去高精地圖等不再是香餑餑，推出具備門到門、點(diǎn)到點(diǎn)的駕駛輔助系統(tǒng)被正式提升了日程表。小鵬汽車更是聲稱，可以用L2級(jí)別智能駕駛的硬件成本實(shí)現(xiàn)L3+級(jí)別的自動(dòng)駕駛用戶體驗(yàn)。
一時(shí)間，不具備端到端能力的智能駕駛系統(tǒng)，似乎已經(jīng)和落后掛上了鉤?！皼](méi)有使用大模型的智駕都將被淘汰?！焙涡※i還稱，所有的L4自動(dòng)駕駛公司都應(yīng)該盡快切換大模型。
辰韜資本聯(lián)合三方發(fā)布了《端到端自動(dòng)駕駛行業(yè)研究報(bào)告》（下稱《報(bào)告》），《報(bào)告》顯示，在其訪談的30余位自動(dòng)駕駛行業(yè)一線專家中，90%表示自己所供職的公司已投入研發(fā)端到端技術(shù)，大部分技術(shù)公司都認(rèn)為難以承受錯(cuò)過(guò)這一次技術(shù)革命的后果。
但并非所有“玩家”都認(rèn)可端到端大模型是當(dāng)前的智能駕駛系統(tǒng)格局的顛覆者。
輕舟智航CTO侯聰向第一財(cái)經(jīng)記者表示，他在美國(guó)體驗(yàn)了特斯拉FSD V12.3系統(tǒng)，雖然和特斯拉之前的FSD進(jìn)步很大，但是和以L4為目標(biāo)的Waymo Robotaxi相比仍有明顯的差距。前圖森未來(lái)創(chuàng)始人侯曉迪則呼吁行業(yè)要理性看待，不要神話端到端。
在這次技術(shù)的爭(zhēng)議之中，馬斯克、何小鵬等車企掌門人力挺端到端；而侯聰、侯曉迪、樓天城（小馬智行CTO）等L4智能駕駛公司的高管則認(rèn)為端到端大模型無(wú)法直接使得L2智能駕駛輔助在技術(shù)上升級(jí)至L4自動(dòng)駕駛。
《報(bào)告》中也顯示，因目前技術(shù)尚處于發(fā)展早期，端到端大模型上車仍有許多應(yīng)用困境與痛點(diǎn)亟待解決，如技術(shù)路線分歧大、數(shù)據(jù)和算力需求大、測(cè)試驗(yàn)證方法尚不成熟、資源投入巨大等。
在通往自動(dòng)駕駛終局的道路上，端到端大模型也成為純視覺(jué)感知、雷達(dá)融合感知等之后又一個(gè)技術(shù)路線的爭(zhēng)議。
特斯拉再次引領(lǐng)技術(shù)變革？
從一體化壓鑄、電池車身一體化等技術(shù)開始，特斯拉已成為新能源汽車技術(shù)的行業(yè)風(fēng)向標(biāo)。不少中國(guó)車企被認(rèn)為是“摸著特斯拉過(guò)河”，端到端大模型上車，特斯拉又一次引領(lǐng)了新能源汽車的變革。
在端到端大模型上車之前，智能駕駛輔助系統(tǒng)多分為感知、規(guī)劃、決策、控制等多個(gè)模塊，其中人工智能和機(jī)器學(xué)習(xí)多應(yīng)用在感知、規(guī)劃等環(huán)節(jié)，但模塊主要由人工手寫規(guī)則來(lái)定義，被稱為“rule-based”（基于規(guī)則）。
但在系統(tǒng)實(shí)際工作中，車輛往往會(huì)遇到無(wú)窮無(wú)盡的corner case（長(zhǎng)尾問(wèn)題），為解決這類問(wèn)題，就需要工程師根據(jù)特定場(chǎng)景寫下代碼，設(shè)立規(guī)則。在這一模式下，智能駕駛輔助或自動(dòng)駕駛系統(tǒng)往往需要人工輸入大量的規(guī)則。
英偉達(dá)全球副總裁、汽車事業(yè)部負(fù)責(zé)人吳新宙則認(rèn)為，自動(dòng)駕駛現(xiàn)有的算法大多是基于規(guī)則的，講起來(lái)很簡(jiǎn)單，從看到什么到怎么做，但是要把它很好地設(shè)立規(guī)則是很難的事情，需要很多人類工程師盡可能想到所有可能性，而這種方法有上限。
和傳統(tǒng)的基于規(guī)則的智能駕駛輔助系統(tǒng)不同，端到端的自動(dòng)駕駛解決方案意味著從感知到規(guī)控的全過(guò)程都通過(guò)先進(jìn)的算法和深度學(xué)習(xí)技術(shù)進(jìn)行處理。
端到端技術(shù)在自動(dòng)駕駛上的應(yīng)用，把原本感知、預(yù)測(cè)、規(guī)劃等多個(gè)模型組合的架構(gòu)，變成了“感知決策一體化”的單模型架構(gòu)。
信達(dá)證券發(fā)布的一份研報(bào)顯示，“端到端”是指一端輸入圖像等環(huán)境數(shù)據(jù)信息，中間經(jīng)歷類似“黑箱”的多層神經(jīng)網(wǎng)絡(luò)模型，另一端直接輸出轉(zhuǎn)向、制動(dòng)、加速等駕駛指令。
與傳統(tǒng)規(guī)則驅(qū)動(dòng)的分模塊架構(gòu)相比，端到端的實(shí)現(xiàn)將帶來(lái)一系列優(yōu)勢(shì)：完全基于數(shù)據(jù)驅(qū)動(dòng)進(jìn)行全局任務(wù)優(yōu)化，具備更好、更快的糾錯(cuò)能力；能進(jìn)一步減少模塊間信息的有損傳遞、延遲和冗余，避免誤差累積，提升計(jì)算效率；泛化能力更強(qiáng)，由rule-based（基于規(guī)則）轉(zhuǎn)向learning-based（基于學(xué)習(xí)），具備零樣本學(xué)習(xí)能力，面對(duì)未知場(chǎng)景具備更強(qiáng)決策能力。
在端到端大模型的加持下，智能駕駛系統(tǒng)能夠?qū)崿F(xiàn)更快的迭代和進(jìn)步。以小鵬的XNGP為例，在應(yīng)用端到端大模型后，其三網(wǎng)合一神經(jīng)網(wǎng)絡(luò)XNet+規(guī)控大模型XPlanner+AI大語(yǔ)言模型XBrain可實(shí)現(xiàn)每2天迭代一次，智駕能力18個(gè)月提升30倍；數(shù)據(jù)體系能力和神經(jīng)網(wǎng)絡(luò)架構(gòu)，可實(shí)現(xiàn)快速診斷，以小時(shí)為單位解決長(zhǎng)尾問(wèn)題。
隨著特斯拉的端到端大模型上車，2024年，中國(guó)車企的智能駕駛技術(shù)路線也開始出現(xiàn)大幅的轉(zhuǎn)變。
過(guò)去數(shù)年當(dāng)中，中國(guó)車企智能駕駛輔助系統(tǒng)的技術(shù)路線爭(zhēng)議，大多聚焦在視覺(jué)感知、融合感知，在終端比拼的更多是開城速度、開城數(shù)量等。2024年初，華為、小鵬等企業(yè)仍在比拼無(wú)高精圖化和真正的“全國(guó)都能開”。
端到端大模型上車之后，智能駕駛輔助系統(tǒng)的泛化能力大幅提升，針對(duì)單一地區(qū)的驗(yàn)證、開城，重要性下降。同時(shí)，端到端弱化了此前感知、規(guī)劃、決策、控制等模塊區(qū)分，多家車企也開始基于端到端大模型的需求，重新調(diào)整自動(dòng)駕駛團(tuán)隊(duì)的組織架構(gòu)。
2023年年底，理想對(duì)智能駕駛團(tuán)隊(duì)進(jìn)行了一次組織架構(gòu)調(diào)整，在這次調(diào)整中，理想將大模型重新組成一個(gè)團(tuán)隊(duì)，放在前端算法研發(fā)團(tuán)隊(duì)之下，整體負(fù)責(zé)端到端架構(gòu)的研發(fā)、上車；2024年，蔚來(lái)成立大模型部、部署架構(gòu)與方案部、時(shí)空信息部，撤銷原來(lái)的感知部、規(guī)劃與控制部、環(huán)境信息部及方案交付部。
盡管端到端上車如火如荼，但目前大部分中國(guó)車企并未實(shí)現(xiàn)理論上的“One-Mode”端到端智能駕駛。
某自動(dòng)駕駛公司CTO告訴記者，可以將端到端模型的智駕應(yīng)用分為兩個(gè)階段：第一個(gè)階段是two-model的方案，由一個(gè)端到端的感知和一個(gè)端到端的規(guī)控組成，這是目前業(yè)界用得比較主流的一個(gè)方向；第二階段是one-model的方案，一個(gè)大模型解決信息輸入到?jīng)Q策輸出，更加接近AGI的方向，但這個(gè)方向難度比較高，預(yù)估要到3~5年之后才會(huì)得到一些規(guī)?；膽?yīng)用。
目前行業(yè)普遍認(rèn)為，國(guó)內(nèi)車企與特斯拉的研發(fā)進(jìn)度差大概在1.5~2年。奇瑞汽車股份有限公司副總經(jīng)理谷俊麗認(rèn)為，要在商業(yè)模式上追趕特斯拉，必須形成產(chǎn)品的規(guī)?；！爱?dāng)數(shù)據(jù)達(dá)到特斯拉級(jí)別的百萬(wàn)量級(jí)以上，通過(guò)對(duì)模型的強(qiáng)化訓(xùn)練，智駕可學(xué)習(xí)視頻流，就能直接告訴司機(jī)駕駛的方向，像當(dāng)下流行的ChatGPT一樣?！惫瓤←惐硎尽?/p>
整車廠和供應(yīng)商產(chǎn)生路線分歧？
在眾多車企接連上線端到端大模型，并鼓吹自動(dòng)駕駛時(shí)代有望來(lái)臨的時(shí)候，不少專注于自動(dòng)駕駛的供應(yīng)商們卻發(fā)出了不同的聲音。
“特斯拉推出端到端的FSD之后出現(xiàn)了一些問(wèn)題，出現(xiàn)過(guò)車沖上路肩的情況，尤其是夜間，有的時(shí)候會(huì)出現(xiàn)剮蹭，有的時(shí)候就直接沖上路肩，把輪胎給撞癟。”侯聰告訴記者，同樣是在美國(guó)，Waymo并沒(méi)有采用端到端大模型，但已經(jīng)能夠在多個(gè)城市實(shí)現(xiàn)無(wú)人化的Robotaxi運(yùn)營(yíng)，用戶反響也相當(dāng)不錯(cuò)。
端到端大模型本身并不是一個(gè)近幾年才實(shí)現(xiàn)突破的新技術(shù)。
“2010年前后深度學(xué)習(xí)出現(xiàn)之前，都叫模型分析算法。當(dāng)時(shí)我們?cè)谇迦A大學(xué)做過(guò)行人檢測(cè)，要從圖像里提取一些特征信息，比如人肩膀的弧度、眼睛的顏色等等，這些特征是我們?nèi)肆w納出來(lái)的，也就是rule-based；而深度學(xué)習(xí)出來(lái)之后，我們輸入圖像，讓深度學(xué)習(xí)自主學(xué)習(xí)，最后每個(gè)人不同的特征是深度學(xué)習(xí)學(xué)出來(lái)的，不是人力定義出來(lái)的。這和如今的端到端一樣，是基于learning-based?！焙盥敻嬖V記者，而這一系統(tǒng)和當(dāng)前的端到端智能駕駛輔助一樣，需要海量的數(shù)據(jù)支持。
這也被認(rèn)為是車企競(jìng)相選擇端到端大模型的重要因素之一。
和僅運(yùn)營(yíng)百余輛測(cè)試車隊(duì)的L4自動(dòng)駕駛供應(yīng)商相比，車企通常擁有數(shù)十萬(wàn)甚至百萬(wàn)輛以上的產(chǎn)品在道路上行駛，用戶駕駛過(guò)程中能夠產(chǎn)生海量的數(shù)據(jù)，這有助于車企來(lái)訓(xùn)練自己的端到端智能駕駛系統(tǒng)，幫助系統(tǒng)實(shí)現(xiàn)快速的迭代。
此外，某L2+智能駕駛輔助系統(tǒng)供應(yīng)商的工程師董軍告訴記者，對(duì)于供應(yīng)商而言，端到端智駕很難成為一個(gè)標(biāo)準(zhǔn)化的產(chǎn)品；車身形式的變化、傳感器安裝位置的變化等，整個(gè)系統(tǒng)需要重新訓(xùn)練模型，需要較多的成本和時(shí)間，效率不佳。
端到端大模型對(duì)于L2駕駛輔助的意義在于能夠加快開城速度，加速實(shí)現(xiàn)車企口中的“全國(guó)都能開”。但對(duì)于L4級(jí)別自動(dòng)駕駛公司而言，端到端大模型也能夠在運(yùn)營(yíng)的初始階段降低系統(tǒng)對(duì)于高精地圖的依賴，使得公司能用更快的時(shí)間擴(kuò)大運(yùn)營(yíng)范圍；但到運(yùn)營(yíng)的中后期，高精地圖仍舊有著重要影響，能夠進(jìn)一步提升自動(dòng)駕駛系統(tǒng)的可靠性、安全性和流暢性。
另一方面，和特斯拉、理想這樣已經(jīng)實(shí)現(xiàn)盈利的車企相比，目前，絕大部分自動(dòng)駕駛公司主要靠融資輸血。而端到端大模型上車，不僅需要海量的數(shù)據(jù)，還需要大量的資金投入。
“未來(lái)智能駕駛進(jìn)入到L4階段，每年數(shù)據(jù)和算力都是呈指數(shù)級(jí)的增長(zhǎng)，這意味著每年至少需要10億美金，5年之后需要持續(xù)迭代。在這樣的量級(jí)下，一家企業(yè)的盈利和利潤(rùn)不能支撐投入的話是很困難的。所以，現(xiàn)在不需要關(guān)注投入多少億做自動(dòng)駕駛，而是從本質(zhì)上出發(fā)，是否有充分的算力和數(shù)據(jù)支持，再看看需要投入多少錢?！崩硐肫囍悄荞{駛研發(fā)副總裁郎咸朋對(duì)記者表示。
極越汽車CEO夏一平則認(rèn)為，200億元曾被公認(rèn)是造車的資金門檻，現(xiàn)在企業(yè)沒(méi)有500億元也做不好智駕。
更重要的是，對(duì)于Waymo、小馬智行這樣志在實(shí)現(xiàn)L4 Robotaxi的自動(dòng)駕駛公司而言，他們對(duì)于系統(tǒng)權(quán)重、成本等方面的考慮，與整車廠有著巨大的差異。
和L2駕駛輔助不同，L3級(jí)以上自動(dòng)駕駛，事故的責(zé)任主體將轉(zhuǎn)移到車輛，這對(duì)自動(dòng)駕駛系統(tǒng)的穩(wěn)定性、安全性提出了極高的要求。端到端大模型黑盒的不可解釋性，給自動(dòng)駕駛系統(tǒng)帶來(lái)了一定的風(fēng)險(xiǎn)。
“車企接二連三推出端到端大模型的智駕，并大肆宣傳，核心還是為了打造差異化，目的是把車賣出去?！倍姳硎尽?/p>
侯曉迪在接受媒體采訪時(shí)說(shuō)道，如果特斯拉的FSD發(fā)生事故，那么責(zé)任還是駕駛員，特斯拉要求駕駛員全程將手放在方向盤上，事故和特斯拉無(wú)關(guān)；此外，特斯拉的業(yè)務(wù)是賣車，F(xiàn)SD是賣車的附加價(jià)值。如果要考慮如何賣更多車，就不能像L4一樣在限定區(qū)域深耕，把這個(gè)區(qū)域所有corner case（長(zhǎng)尾問(wèn)題）解決。
侯聰?shù)茸詣?dòng)駕駛公司的采訪對(duì)象提出，L4自動(dòng)駕駛要求100%的安全，無(wú)法接受端到端的“黑盒”帶來(lái)的不可解釋和不確定性。此外，L2和L4在商業(yè)邏輯上有著巨大的差異。
對(duì)于整車廠而言，賣車是主要業(yè)務(wù)，成本決定了利潤(rùn)和市場(chǎng)競(jìng)爭(zhēng)力，那在產(chǎn)品上勢(shì)必?zé)o法布置太多的安全冗余；而L4 Robotaxi更重運(yùn)營(yíng)，在相當(dāng)長(zhǎng)時(shí)間里會(huì)是to b的業(yè)務(wù)為主，并不會(huì)直接服務(wù)消費(fèi)者，那么相關(guān)公司不僅僅需要考慮車，還需要考慮車輛運(yùn)營(yíng)中的各種情況。
“比如車卡住了怎么辦，硬件壞了怎么辦，發(fā)生事故了怎么辦，這就需要更多的冗余，而特斯拉就不能和Waymo一樣，預(yù)留很多冗余，因?yàn)閮烧叩纳虡I(yè)邏輯不一樣。”侯聰說(shuō)道。
世界模型成就自動(dòng)駕駛？
盡管存在分歧，但多位自動(dòng)駕駛公司技術(shù)人員在接受采訪時(shí)，也認(rèn)同端到端大模型上車，能夠提升當(dāng)前汽車智能駕駛輔助系統(tǒng)的能力上限。多位從業(yè)者表示，端到端大模型呈現(xiàn)出了“蹺蹺板”的狀態(tài)，端到端大模型上車能夠提升智能駕駛輔助系統(tǒng)能力上限，但也會(huì)降低系統(tǒng)表現(xiàn)的下限。
“端到端大模型是基于一個(gè)概率模型訓(xùn)練，它有一個(gè)問(wèn)題是對(duì)于比較簡(jiǎn)單、比較容易描述的場(chǎng)景，往往它的輸出沒(méi)有那么精確，底線比較低；特斯拉在這塊已經(jīng)做得相當(dāng)不錯(cuò)了，但是還沒(méi)有完全解決這個(gè)問(wèn)題。我們認(rèn)為在目前缺乏足夠數(shù)據(jù)的條件下，還是需要逐步實(shí)現(xiàn)端到端，一個(gè)模塊、一個(gè)模塊去替代，完成端到端的同時(shí)做好安全兜底，以這種比較堅(jiān)實(shí)的工程基建和快速迭代的方式，能夠一步步提升系統(tǒng)的性能上限，同時(shí)也能夠保證系統(tǒng)性能的下限?！钡仄骄€總裁陳黎明表示。
端到端大模型基于數(shù)據(jù)驅(qū)動(dòng)，輸入端是傳感器數(shù)據(jù)，輸出端是駕駛決策，但中間具有較強(qiáng)的不可解釋性，人無(wú)法得知系統(tǒng)作出最終決斷的過(guò)程，也常被比喻為一個(gè)黑盒。
侯聰認(rèn)為，當(dāng)前的端到端大模型智駕和此前的基于規(guī)則控制的智駕，和汽車的生產(chǎn)流程有一些相似，“以前造車，車企買不同公司的零件去拼在一起，一方面是方便采購(gòu)，把供應(yīng)商分散開，也不容易被‘卡脖子’；第二點(diǎn)是好維修，什么地方壞了就修哪里。多模塊的自動(dòng)駕駛也一樣，優(yōu)點(diǎn)是可以更好地定義問(wèn)題、解決問(wèn)題。”
以傳統(tǒng)的多模塊自動(dòng)駕駛為例，如果系統(tǒng)在測(cè)試中出現(xiàn)問(wèn)題，研發(fā)人員可根據(jù)情況在相應(yīng)的板塊發(fā)現(xiàn)bug，并進(jìn)行修復(fù)。但對(duì)于端到端大模型這樣的黑盒而言，研發(fā)人員只能訓(xùn)練策略、重新訓(xùn)練，或修改模型，但不能修改“黑盒”中參數(shù)。并且隨著系統(tǒng)的升級(jí)和迭代，系統(tǒng)解決的問(wèn)題越難，就需要越多的成本投入，這個(gè)給端到端大模型設(shè)立了較高的門檻。
另一方面，端到端大模型基于數(shù)據(jù)驅(qū)動(dòng)，但海量的數(shù)據(jù)并不一定能夠?qū)ο到y(tǒng)產(chǎn)生正向的提升。
小馬智行AI團(tuán)隊(duì)負(fù)責(zé)人肖波認(rèn)為，即便算法很好、系統(tǒng)訓(xùn)練做得也很好，從海量人類駕駛數(shù)據(jù)里學(xué)習(xí)到的能力，差不多就是一個(gè)平均人類駕駛的水平，那么這足以應(yīng)對(duì)L2級(jí)別的智能駕駛輔助；但L4或者以上的自動(dòng)駕駛，能力需要達(dá)到人類駕駛員的10倍甚至更多，這一模式并不足以支撐。
就在端到端呈快速普及趨勢(shì)的時(shí)候，國(guó)內(nèi)車企和供應(yīng)商們?cè)俣忍岢隽诵碌摹笆澜缒Ｐ汀备拍?。樓天城認(rèn)為，世界模型是目前最佳最重要的東西，將其理解為通往自動(dòng)駕駛的唯一解。
世界模型可以理解為對(duì)真實(shí)世界的仿真與建模，可以真實(shí)準(zhǔn)確地還原比如十字路口等場(chǎng)景的變化。比如鬼探頭時(shí)被遮擋的行人軌跡；車輛碰撞瞬間的行人與他車反應(yīng)；甚至反映出人在跑步時(shí)減速度可以達(dá)到重力加速度等細(xì)節(jié)。同時(shí)，世界模型還是一個(gè)評(píng)分體系，對(duì)自動(dòng)駕駛系統(tǒng)的表現(xiàn)做出評(píng)價(jià)，能夠得知A系統(tǒng)和B系統(tǒng)相比誰(shuí)更好。
此前，蔚來(lái)、理想等車企已經(jīng)接連發(fā)布旗下的“世界模型”。
蔚來(lái)自動(dòng)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(gè)我們認(rèn)為主要的優(yōu)勢(shì)。第一個(gè)是在空間理解上，通過(guò)生成式模型，從重構(gòu)傳感器的方式，更加泛化地抽取了信息。第二個(gè)是通過(guò)自回歸模型，自動(dòng)建模長(zhǎng)時(shí)序環(huán)境。第三個(gè)，萬(wàn)千世界需要更多數(shù)據(jù)，通過(guò)自監(jiān)督的方式，無(wú)須人工標(biāo)注，它是一個(gè)多元自回歸生成模型結(jié)構(gòu)，讓我們學(xué)得更好。”
樓天城則認(rèn)為，世界模型可以理解成一個(gè)人類模擬出來(lái)的“教練”，對(duì)L2系統(tǒng)而言，它的駕駛能力等同老司機(jī)；對(duì)L4系統(tǒng)而言，它的駕駛水平遠(yuǎn)高于人類司機(jī)，由他來(lái)訓(xùn)練智駕系統(tǒng)，結(jié)果肯定也好于人類司機(jī)。
盡管仍存在爭(zhēng)議，大部分受訪者仍認(rèn)為，在L2智能駕駛輔助階段，端到端大模型的確可以提升相關(guān)系統(tǒng)的性能上限。大多數(shù)L4自動(dòng)駕駛公司的從業(yè)人員所不認(rèn)同的是，特斯拉、小鵬等車企大肆宣揚(yáng)端到端技術(shù)加持下，產(chǎn)品以L2智能駕駛為基礎(chǔ)，甚至在L2的硬件水平上實(shí)現(xiàn)L4自動(dòng)駕駛能力。
“現(xiàn)階段的車企大肆宣傳端到端，把端到端塑造成一個(gè)通向自動(dòng)駕駛的尖端技術(shù)，背后更多還是為了多賣車?！倍娬f(shuō)道。
（責(zé)任編輯：蔡文斌）
晉公網(wǎng)安備 14090202000008號(hào) 
