在AI大模型技术蓬勃发展的背景下，智能驾驶领域正经历一场深刻的技术变革。过去，车企在探讨智能驾驶时，往往聚焦于算法与芯片算力的提升。然而，随着AI大模型的广泛应用，自动驾驶的技术路径迅速演进，从CNN、RNN、GAN等传统模型，迈向了Transformer大模型的新阶段。这一转变，使得曾经主流的轻高精地图城区智能驾驶方案，逐渐被“端对端”技术所取代。
特斯拉作为先行者，率先将端对端技术应用于FSD V12上，并取得了显著成效。随后，问界、理想、小鹏等车企纷纷跟进，端对端智能驾驶如同雨后春笋般在智能汽车行业迅速涌现。小米、零跑、蔚来等车企也相继公布了自家的端对端解决方案，标志着端对端智能驾驶已成为行业的新风口。
从技术角度看，端对端技术具有迭代快、路径短、信息损耗小的优势，对加速L4级智能驾驶的到来具有重要意义。通过将感知、规划与控制三大模块整合在一起，端对端模型消除了模块间的界限，简化了系统架构，提高了运行效率。这一整合使得模型能够更快地处理数据，提高系统的响应速度，从而加速智能驾驶的去高精地图化进程。
特斯拉在FSD V12上的成功应用，让行业内外的从业者和用户深刻感受到了端对端技术的魅力。小鹏汽车董事长何小鹏认为，端到端大模型将大幅缩短自动辅助驾驶到完全自动驾驶的过渡时间。轻舟智航CEO于骞也表示，端到端技术逐渐将非机器学习的部分挤压得越来越小，整个系统完全通过数据驱动来实现智能驾驶能力。
除了技术优势外，端对端技术还在成本上展现出巨大潜力。过去，智能驾驶技术主要应用于30万以上的车型，而在更低价格段的车型中几乎空白。这主要是由于技术不成熟导致的成本过高。然而，随着行业去高精地图和硬件的趋势，相关的智能驾驶方案变得越来越亲民。大疆表示，仅需7000元就能解决城市NOA问题，且适用于电车和油车。行业第一批AI+双目方案也仅需4000元就能实现领航辅助功能。
相比之下，端对端方案的成本更低。它依靠纯视觉方案去掉了所有激光雷达，变成了纯软件驱动的技术。这种技术可以不断迭代，成本可以无限下探，这正是特斯拉能够不断降价的原因所在。在技术与成本的双重驱动下，端对端技术方案已成为国内智能驾驶路线的核心趋势。
随着智能驾驶水平的不断提升，特别是端对端技术带来的新算法和模型的应用，消费者对于智能驾驶的体验要求也越来越高。这使得是否标配智能驾驶功能，逐渐成为消费者选择电动车的重要标志。在此背景下，端对端技术方案日益成为华为、小鹏等车企竞争的新焦点。
通过升级端对端智能驾驶方案，车企可以从价格与用户体验上吸引消费者，从而帮助车企提升销量。据乘联会联合科瑞咨询发布的数据，2024年前八个月，中国新能源乘用车L2级及以上的ADAS功能装车率达到66.6%，同比大幅提升21个百分点。高速NOA和城市NOA的渗透率也在不断提高。
随着更具成本优势的智能驾驶方案落地，城市NOA下沉到10万元级的车型越来越近，并逐渐呈现出一个普及化的趋势。对于车企来说，谁的智能驾驶方案好、体验佳、车型性价比高，谁就能赢得市场。因此，无论是小鹏等新智驾车型的爆发，还是蔚来、理想等车企新规划的大众车型，都在朝着这一方向努力。
然而，随着端对端智能驾驶技术的逐步深入，车企也面临着新的挑战。首先，随着围绕用户体验展开的VLA模型升级，汽车所需的算力在快速飙升，对硬件算力和数据资源闭环的要求也越来越高。部署VLA模型对芯片算力的要求极高，当前高阶智能驾驶的算力硬件已难以满足需求。
其次，数据问题带来的挑战也不容忽视。想要训练出高性能的端到端模型，数据质量的要求比一般性能模型高出几个数量级。目前国内车企的数据储备还落后于特斯拉，仍处于初期阶段。加之对数据质量的高要求，国内车企在数据积累的道路上还有很长的路要走。
随着端对端技术的持续升级，车企的试错成本在逐步升高，商业化也面临市场检验。车企需要平衡效率与成本的问题，同时在验证落地方面也面临诸多考验。实车验证成本高昂，而云端测试可能与实际情况不匹配。在市场层面，消费者对于智能驾驶的兴趣与期望在上升，但支付意愿却在普遍下降。
因此，即便完成了端对端智能驾驶的量产，倘若市场不买单，一切努力也将付诸东流。从这个角度看，端对端智能驾驶的进阶，不仅仅是技术和数据的比拼，更需要市场对其商业化的实际认可。
