All in端到端，特斯拉的作业好抄吗

“去美国体验了特斯拉FSD，上限很高，但下限很低。AI有20%-30%的错误率，一次错误就有可能导致车毁人亡。”在享界S9发布会上，华为车BU董事长余承东如是说。

发布会上，华为ADS 3.0首发，实现端到端类人智驾，叫板特斯拉。不过，特斯拉的作业可不好抄。

不是优化，是颠覆

自动驾驶最怕的就是碰到coner case（边缘场景）。在美国，就有整活老哥穿着“STOP”T恤，成功干蒙了Waymo的无人驾驶出租车。

以前，一旦出现一个 Corner Case，开发人员就需要敲下相应的代码来应对。但是，这些边缘场景是无穷无尽的，需要耗费大量人力来应对。现在，端到端来了，就不需要这些代码了。你要做的就是将老司机驾驶数据喂给大模型，让它凭借学习到的经验来处理这些Corner Case。

具体剖析来看，以前自动驾驶的流程是感知、识别、决策、执行。感知到环境后，先要用大量的模型去识别画面中有哪些内容，然后再根据既定的规则进行决策。但是，现在传感器感知到的画面并不需要一个个识别出来，直接拿这个画面用大模型去匹配，让大模型自己去学习、选择，形成决策。这就是所谓的端到端，省去了其中的识别和决策，由感知端直接到执行端，只要一个模型就够了。

相比V11的30万行代码，特斯拉FSD V12的C++代码仅有2000行。其中，V12.3版本用数百万个视频片段替代了超30万行C++代码。至此，特斯拉坚持“纯视觉”路线的真相浮出水面，在为端到端铺路。更可怕的是迭代速度，“小鹏汽车端到端模型能够做到‘2天迭代一次’，在未来18个月内，智驾能力提升30倍。”小鹏汽车董事长何小鹏表示，2024年第三季度，小鹏汽车的智驾即可实现“全国都能开，每条路都能开”；到2025年实现城区智驾比肩高速公路智驾体验。

特斯拉的上下限

余承东感叹，特斯拉的上限很高，成长得很快。

要训练大模型，就需要大量的数据和足够的算力。这就是特斯拉的上限，国内车企目前很难做到。

根据特斯拉的规划，今年10月，Dojo智算中心总算力将达到100E FLOPs，相当于约30万块英伟达 A100的算力总和。

正如余承东所说，特斯拉的上限很高，但是下限也很低。最大的问题就是端到端由于决策过程不够透明，难以解释其行为，一旦出现问题，无法对症下药，容易产生黑箱难题。

所以，一方面需要保证喂的数据不会有下限低的驾驶习惯。另一方面，需要有安全规则来兜底下限。比如，可以选择端到端与传统方案并行，端到端网络后接一些后处理模块或者强安全的代码。华为ADS 3.0有“本能安全网络”保底。

严格来讲，华为、理想、小鹏这三家车企推出的所谓端到端，更准确的叫法是“分段式端到端”，或者叫“模块化端到端”，将感知网络、规划网络分开，中间用规则串联。相比一张网的激进，分段式端到端具有更高的解释性。

不过，端到端终究只是手段，最终还要看智驾体验好不好。