嚴駿[汽車之家 行業(yè)] 自特斯拉針對自動駕駛提出“端到端”技術(shù)路徑，并于2023年8月進行路測直播后,，國內(nèi)自動駕駛行業(yè)對此密切關(guān)注,，并把“端到端”上車提上日程，為何業(yè)內(nèi)將“端到端”視為自動駕駛發(fā)展方向,？端到端技術(shù)落地需要面臨哪些挑戰(zhàn)？
『輕舟智航聯(lián)合創(chuàng)始人,、CEO 于騫』
在2024中國汽車論壇同期,，中國汽車工業(yè)協(xié)會聯(lián)合戰(zhàn)略合作伙伴汽車之家，特別策劃【車界先鋒】,，邀請行業(yè)領(lǐng)軍人物,，共同探討中國汽車產(chǎn)業(yè)的發(fā)展之道，本期嘉賓為輕舟智航聯(lián)合創(chuàng)始人,、CEO于騫,。
于騫指出，端到端技術(shù)的發(fā)展并非一蹴而就,，特斯拉在量產(chǎn)領(lǐng)域的成功,，讓這一技術(shù)路線變得異常火爆,。端到端技術(shù)的核心在于數(shù)據(jù)驅(qū)動,，它通過機器學(xué)習(xí)的方式,，將自動駕駛的各個模塊整合成一個統(tǒng)一的模型，實現(xiàn)了從感知到?jīng)Q策的全鏈條自動化,。這種技術(shù)趨勢的演進,，標志著自動駕駛技術(shù)棧的一次重大變革。
在談及純視覺技術(shù)對激光雷達行業(yè)的潛在影響時,，于騫認為,，無論是純視覺還是結(jié)合激光雷達，端到端的方法都能適用,。不過,。雖然激光雷達在當(dāng)前技術(shù)限制下提供了必要的安全冗余，但從長遠來看,，視覺技術(shù)完全有能力實現(xiàn)高等級的自動駕駛,。人眼作為一個高度復(fù)雜的傳感器，遠超現(xiàn)有攝像頭的能力,，隨著技術(shù)的進步,，純視覺系統(tǒng)有望達到甚至超越人類駕駛員的水平。
輕舟智航在端到端研發(fā)過程中展現(xiàn)出明顯的競爭優(yōu)勢,。于騫解釋說,，“端到端技術(shù)的發(fā)展依賴于數(shù)據(jù)的規(guī)模和質(zhì)量。隨著算力的提升和數(shù)據(jù)規(guī)模的擴大,，端到端成為了可能,。輕舟智航在機器學(xué)習(xí)領(lǐng)域的深厚積累，加上對大規(guī)模量產(chǎn)數(shù)據(jù)的接觸,，為公司在端到端模型的開發(fā)上提供了強大的優(yōu)勢,。”
于騫還提到,，自動駕駛技術(shù)棧的發(fā)展已經(jīng)從以模型為中心轉(zhuǎn)變?yōu)橐詳?shù)據(jù)為中心的研發(fā)范式,。輕舟智航堅持以數(shù)據(jù)驅(qū)動的方式推動自動駕駛技術(shù)的發(fā)展，并在數(shù)據(jù)閉環(huán)能力上積累了強大的護城河,。這種能力不依賴于傳感器或車載計算單元,，而是依賴于強大的數(shù)據(jù)篩選、標注,、訓(xùn)練和測試能力,。
面對端到端技術(shù)帶來的挑戰(zhàn)，如模型更新的快速性,、大規(guī)模數(shù)據(jù)訓(xùn)練,、數(shù)據(jù)篩選和自動化標注等，輕舟智航已經(jīng)有了充分的準備,。于騫認為,，這些挑戰(zhàn)的克服是實現(xiàn)端到端模型快速開發(fā),、迭代和部署的關(guān)鍵。
在談到特斯拉FSD可能進入中國市場的影響時,，于騫表示，這將為消費者提供更多選擇,，并對市場產(chǎn)生積極的教育和引領(lǐng)作用,。特斯拉作為行業(yè)的引領(lǐng)者，將推動更多的消費者和車企認可和接受自動駕駛產(chǎn)品,。
以下為對話實錄（精編）：
汽車之家：最近特斯拉提出了端到端自動駕駛技術(shù)路線后,，我們發(fā)現(xiàn)國內(nèi)的自動駕駛行業(yè)對此非常關(guān)注，也將之視為自動駕駛的發(fā)展方向,，您覺得為何端到端會成為行業(yè)的一個共同的方向,？
于騫：其實端到端的技術(shù)演進不光是在特斯拉，更早的英偉達,、Waymo都有這方面的工作,，特斯拉對于整個行業(yè)的引領(lǐng)性很強，大家非常關(guān)注它,，把端到端這件事變得非常的火爆,，而且它確實也把這件事做到量產(chǎn)狀態(tài)，量產(chǎn)和不量產(chǎn)還是非常不一樣,，雖然更早都是在學(xué)術(shù)界論文上講得比較多,，真正大規(guī)模量產(chǎn)還是在特斯拉首先做到的，這個確實是非常不容易的,。
我們在自動駕駛的技術(shù)棧里面如果形成一個大的集合來講,，你可以發(fā)現(xiàn)技術(shù)趨勢是逐漸把非機器學(xué)習(xí)的部分擠的越來越小，在系統(tǒng)模型架構(gòu)這部分以前是把每一個模塊拼接起來,，現(xiàn)在整個都是一個模型,，實現(xiàn)完全的基于機器學(xué)習(xí)的方式，完全通過數(shù)據(jù)驅(qū)動來實現(xiàn)這樣的智能駕駛能力,，這一點來講我認為是一個必然趨勢,。
為什么端到端是大家都認可的一件事，因為趨勢是這樣走的,，可以講它實現(xiàn)了數(shù)據(jù)驅(qū)動里面的關(guān)鍵一環(huán),。
汽車之家：有觀點說純視覺技術(shù)可能更適合端到端，我們看到特斯拉馬上要發(fā)布Robotaxi,，如果真的能夠靠攝像頭就能實現(xiàn)無人駕駛,，這個對于激光雷達行業(yè)來說會不會是一個整體的打擊，您如何看待激光雷達的前景,？
于騫：其實端到端和傳感器是兩個不同維度的事情,，端到端不管是使用激光雷達還是不使用激光雷達,，純視覺或者激光雷達跟端到端并沒有直接的關(guān)系。視覺的傳感器可以用端到端的方法進行訓(xùn)練,，加了激光雷達一樣可以用端到端的方法訓(xùn)練,，其實本質(zhì)上對端到端并沒有很大的影響，兩個不同的維度,，一個是傳感器的維度,，一個是算法方法的維度。
我認為要真正實現(xiàn)大規(guī)模的自動駕駛甚至是無人駕駛,，其實激光雷達并不是必須的,，只是因為我們現(xiàn)有技術(shù)的限制、方法的限制,，使得我們比較依賴激光雷達,。其實我們在人的駕駛行為來講，人不會關(guān)注前面這輛車離我是185米還是187米,，我們照?？梢蚤_車。我們也不需要測速,，我們也不需要測那個車對我是80公里還是82公里,，相對速度我們也并不關(guān)心。是因為我們技術(shù)的限制,、技術(shù)的方法,、技術(shù)的范式使我們必須知道其它車對我們的距離、速度,，需要這樣的測量,。
真正來講，如果真正實現(xiàn)完全數(shù)據(jù)驅(qū)動的方式,，其實我認為是不需要額外的傳感器,，這個是從技術(shù)層面來講，長期來講我認為視覺是完全可以實現(xiàn)非常高等級的自動駕駛,。
回到現(xiàn)階段現(xiàn)實的產(chǎn)品角度來講,，對用戶提供接近L4或者已經(jīng)是L4的無人駕駛的話，我認為激光雷達在某一些場景下還是必須的,，因為它提供了更多安全的冗余,，提供了另外的一個視角，使得L4的應(yīng)用可以有很多冗余的備份,。從傳感器的角度,、從計算的角度，從算法和設(shè)計的角度有很多冗余的設(shè)計，你可以理解為激光雷達是視覺傳感器的一個備份,。如果我們的視覺傳感器壞了,，它可以作為一個有益的補充，或者視覺傳感器某種情況下視覺失效情況下激光雷達作為一個補充,。
從長期來講,，如果我們不講產(chǎn)品不講投入的話，我覺得視覺完全可以實現(xiàn)無人駕駛,，但是這個涉及到非常復(fù)雜的討論,。因為我們講的攝像頭和人眼還是有很大的差異，人眼是一個高度復(fù)雜的傳感器,，遠超現(xiàn)在攝像頭的傳感器，我們?nèi)搜凼且粋€高度復(fù)雜的帶各種各樣的高級功能的攝像頭,，這只是一個比喻,。長期來講我是非常堅信視覺是可以做非常高等級的自動駕駛。
汽車之家：您能不能介紹一下輕舟智航在端到端研發(fā)過程中的競爭優(yōu)勢,？
于騫：其實我覺得端到端是一種新的研發(fā)范式,，這種研發(fā)范式的到來其實很大程度上是依賴于數(shù)據(jù)的規(guī)模?，F(xiàn)在我們可以看到整個發(fā)展過程中不是單一的,，為什么端到端不是十年前發(fā)生或者五年前發(fā)生，為什么這個時間點發(fā)生,，很大程度上跟我們的算力和數(shù)據(jù)規(guī)模是相關(guān)的,。
如果你在更早的時間出現(xiàn)了端到端，即便有這樣的技術(shù),，它可能更多停留在論文和實驗室階段,。正是由于我們在算力水平提升了，我們的數(shù)據(jù)規(guī)模變大了,，相應(yīng)的方法就會出現(xiàn),，可以講這是一個事物發(fā)展必然的一個階段。
對于輕舟來講我們首先在技術(shù)方面積累了大量的基礎(chǔ),，在基于機器學(xué)習(xí),，不管是感知模型、預(yù)測模型,、規(guī)劃模型,，我們本身每一個模塊幾乎都是基于機器學(xué)習(xí)的方法。端到端是自然而然會發(fā)生的,，相應(yīng)來講把模型整合在一起實現(xiàn)端到端的訓(xùn)練,，這本身是一個必然的趨勢。
從人才角度來講我們輕舟也有很多的牛人和非常高的人才密度，在這方面我們不管是算法和算力都有很多的基礎(chǔ),。更重要的一點我們有機會接觸到大規(guī)模量產(chǎn)的數(shù)據(jù),，使得這些數(shù)據(jù)能夠幫我們在端到端方面獲得非常強的優(yōu)勢。所以我覺得最終在端到端的模型里,，它一定是把數(shù)據(jù)的優(yōu)勢發(fā)揮到極致,，臨界點可能在百萬臺車在路上跑，才會使端到端真的實現(xiàn)特別好的體驗,。
其實在我們?nèi)粘：芏嗄Ｐ偷拈_發(fā)中我們發(fā)現(xiàn),，當(dāng)你的數(shù)據(jù)規(guī)模達到一定的臨界點的時候，模型可能并沒有什么大的變化,，但是整個模型的能力泛化性變得非常好,，這一點也是非常重要的。這一點我講的數(shù)據(jù)并不僅是規(guī)模大,、數(shù)據(jù)量大而已,，一方面是數(shù)據(jù)的規(guī)模，還有數(shù)據(jù)的質(zhì)量,、數(shù)據(jù)的覆蓋都很重要,。如果你的量很大，但是你的質(zhì)量很差,，非常差的一些數(shù)據(jù)的話其實很難去訓(xùn)練,，另外來講如果你的數(shù)據(jù)分布不合理也會造成的很多的問題。
數(shù)據(jù)規(guī)模某種程度上不是說單純的規(guī)模越大越好,，相對你要保證數(shù)據(jù)整體的質(zhì)量,、分布，規(guī)模當(dāng)然也很重要,。我覺得整個的自動駕駛研發(fā)范式已經(jīng)逐漸從以模型為中心,，轉(zhuǎn)變成以數(shù)據(jù)為中心的研發(fā)范式，這個是非常大的變化,。
這一點也是輕舟一直以來堅持的一個研發(fā)范式,，堅持以數(shù)據(jù)為中心，數(shù)據(jù)驅(qū)動的方式推動整個自動駕駛的發(fā)展,。
所以我經(jīng)常會講自動駕駛技術(shù)棧是一種冰山理論,，我們經(jīng)常看到車載的計算單元,、車的傳感器,，甚至是傳感器安裝的位置，幾個攝像頭,、幾個毫米波幾個激光雷達,，這些東西更多是冰山能看到的一角，其實在冰山下面需要非常強大的數(shù)據(jù)閉環(huán)能力，包括怎么樣進行大規(guī)模的數(shù)據(jù)篩選,，怎么進行大規(guī)模的數(shù)據(jù)標注,，怎么能實現(xiàn)海量數(shù)據(jù)的訓(xùn)練，高效的訓(xùn)練實現(xiàn)大規(guī)模仿真的閉環(huán),，以及怎么進行高效測試,，這種能力其實是不依賴于你的傳感器、車載計算單元,，甚至不依賴于你的安裝位置,，這才是自動駕駛的核心，輕舟在這方面積累了非常強的護城河,。
汽車之家：馬斯克也在前段時間說過,，沒有像特斯拉一樣那么多的車隊通過影子模式對系統(tǒng)進行閉環(huán)測試的話就無法參加端到端的游戲，單單用大模型的數(shù)據(jù)是否能跟得上,？
于騫：我覺得大模型和端到端也是兩個概念,，我非常認同數(shù)據(jù)規(guī)模是非常重要的，一定是要有很大的車隊的規(guī)模,，有很多數(shù)據(jù)的閉環(huán)的機會。如果只是在相對來講很小的數(shù)據(jù)規(guī)模上,，很多的簡單的測試車隊很小規(guī)模,，其實你的數(shù)據(jù)覆蓋、數(shù)據(jù)的質(zhì)量和數(shù)據(jù)的分布是很難達到,，都沒有辦法訓(xùn)練出一個真正端到端的體驗,，這一點來講他說的是蠻對的。
整個技術(shù)的發(fā)展其實是一個比較有意思的過程,，比如說早期大家在做機器學(xué)習(xí)訓(xùn)練的時候很多情況下大家是使用CPU的訓(xùn)練,，需要的CPU是一個很大的集群，比如說在谷歌需要巨量的CPU集群去做訓(xùn)練,，那個是早期的時候,。
當(dāng)GPU出現(xiàn)的時候就把巨量CPU的訓(xùn)練集群變成了一塊GPU的板卡就搞定了，整個技術(shù)的發(fā)展是在不斷進化的,，包括早期GPT的一次訓(xùn)練,，GPT2.0訓(xùn)練要花很多的錢，現(xiàn)在可能隨便一臺臺式機就可以搞定,，技術(shù)演進是在變化的,。
我認為端到端的技術(shù)發(fā)展最終都會進入到端到端的技術(shù)范式里面，甚至說這一點來講,，大家都在進入這么一個技術(shù)范式,，就在于誰能夠把海量的數(shù)據(jù)用好，能夠?qū)崿F(xiàn)這樣數(shù)據(jù)快速的閉環(huán)，這才是核心能力,。
汽車之家：除了您提到的數(shù)據(jù),，您覺得端到端還面臨哪些方面的挑戰(zhàn)？
于騫：其實我覺得端到端這件事之前大家很多會講不可解釋性,、黑盒,，這些早就已經(jīng)不是問題了，其實我覺得很大程度上怎么能夠更快實現(xiàn)模型的更新,。我們在一些應(yīng)用場景里面想快速修復(fù)一些問題的時候,，比如說如果原來基于規(guī)則、基于模塊的設(shè)計,，這一塊的問題更新了把這個地方修改了,，馬上就立竿見影。但是在端到端的模型里面會發(fā)現(xiàn)很難針對某一個case專門修復(fù)它,，怎么能夠?qū)崿F(xiàn)這樣的模型快速的更新迭代,，這是一個比較有挑戰(zhàn)的問題，當(dāng)然這里面還有很多你怎么大規(guī)模訓(xùn)練這些數(shù)據(jù),，怎么進行數(shù)據(jù)的篩選,，怎么能夠進行快速的數(shù)據(jù)的自動化標注，怎么能夠在仿真的情況下進行高效的測試,，這些都是在端到端的使用和部署中都在講的實際中的困難,，這些我們輕舟都有很多的儲備，可以使得我們在這方面快速實現(xiàn)端到端模型快速的開發(fā),、迭代和部署,。
汽車之家：大家都在猜測FSD很快要進入到中國，您覺得會對中國車企也好,、智能駕駛企業(yè)也好帶來哪些影響呢,？
于騫：我覺得是特別好的一件事，對于特斯拉如果能進入中國的話,，首先消費者大家有一個更好的選擇,，同時我覺得對這個市場也會有更好的教育和更好的引領(lǐng)。我們始終是把特斯拉看成是一個行業(yè)的引領(lǐng)者,，它使得更多的消費者,、更多的用戶、更多車企能夠看到產(chǎn)品可以做成這樣子,，教育市場的作用,，讓更多的消費者來認可這樣的產(chǎn)品，所以我覺得這件事對行業(yè)來進是一個大好事,。
汽車之家：價格戰(zhàn)持續(xù)了一年,，這個壓力會不會傳導(dǎo)到智能化的一些供應(yīng)鏈上面,？在這個背景下，我們是如何兼顧性能的同時又發(fā)揮更高的一個效益和成本優(yōu)勢,？
于騫：首先我覺得在整個中國新能源市場上大家確實是卷得不得了,，這個和整個行業(yè)是相關(guān)的。很多車企都不盈利或者盈利情況堪憂,，競爭環(huán)境是非常惡劣的或者非常激烈的競爭態(tài)勢,。我覺得在這個時間點我們很大程度上還是要堅持我們的用戶價值，如果我們進入到一個不講用戶價值,、純殺價這么一個過程,，這個市場我們就徹底毀掉了。
其實可以看到在這個行業(yè)里面為什么所謂的智能駕駛大家覺得沒有那么好用,，還是回到你沒有給到消費者帶來“iPhone”時刻,，他沒有覺得這個事兒我用了以后太好了再也回不去了，我們還是有各種各樣的問題,。所以我覺得智能駕駛這個行業(yè)正好處在一個行業(yè)發(fā)展的關(guān)鍵期,，正在不斷產(chǎn)生新的用戶價值，用戶在越來越接受這件事,。但是我們還差一步,，只要我們跨過用戶價值這一步。舉個例子,，我們現(xiàn)在誰會想到智能手機里沒有一個拍照的功能,，這是必須有的功能，什么時候我們的智能駕駛變成汽車的一個必須功能,，沒有這個功能車就不叫車，可能這件事的用戶價值就真的凸顯出來,，我覺得很快會進入到這個階段,。
我們現(xiàn)在所區(qū)分的產(chǎn)品形態(tài)還是中間形態(tài)，包括高速NOA,、城市NOA,，甚至是記憶行車，我認為這個是產(chǎn)品的中間形態(tài),。真正再往前發(fā)展我們就應(yīng)該進入到讓用戶的學(xué)習(xí)門檻非常低,，上車按一個鍵馬上就可以開，基本上可以從脫手到脫眼這么一個狀態(tài),，雖然可能還是在高階輔助駕駛這么一個階段,，產(chǎn)品的體驗學(xué)習(xí)的曲線會非常短，讓用戶真的覺得這個事兒是一個必需品,。
當(dāng)然這個一定是在前提安全的基礎(chǔ)上,，我相信很快會有這樣的體驗出來,，現(xiàn)在都是手扶著，甚至手不用扶著也可以開得非常好,，達到了一定安全的水平之后,，我覺得很快會有這樣的產(chǎn)品出現(xiàn)。
汽車之家：現(xiàn)在很多的企業(yè)也把出海作為一個業(yè)務(wù)增長點,，相比整車出口,，智駕出海還是一件新鮮的事兒，您能不能跟我們透露一下輕舟智航有沒有一些出海的計劃,？
于騫：我們是非?？粗睾Ｍ馐袌觯矣X得在整個智能駕駛和新能源汽車還是一個相對來講不是一個單一市場,，我們其實在車來講,，不管在全球任何地方開車，好的駕駛體驗是相通的,，這一點上目前來講我們是基于在中國的市場環(huán)境下,，我們還是要看整個全世界的機會。
尤其是我們看到中國的智能駕駛,、中國的新能源車在全世界范圍內(nèi)已經(jīng)進入到引領(lǐng)者的階段,，走到了全世界的前面，甚至成為舞臺的中央,。
尤其是在智能駕駛領(lǐng)域,，我們中國的智能駕駛的體驗其實比海外來講,，在客戶體驗上來講,，用戶價值上來講已經(jīng)領(lǐng)先了,。在中國很多會先體驗一些新的產(chǎn)品,、新發(fā)布了一些新的產(chǎn)品,，新的用戶體驗的出現(xiàn),，海外可能會在2-3年之后才會出現(xiàn)，這正是我們的機會,，我們也在積極布局海外的客戶拓展的機會。
可以看到不管是在智駕芯片還是傳感器,，包括產(chǎn)品的功能和方案全世界的首發(fā)都是在中國，這是一個顯而易見的事實,。不光是國產(chǎn)的芯片，海外的芯片首發(fā)車型也是在中國,，這一點來講中國市場已經(jīng)成為一個行業(yè)的聚光燈下,，甚至比海外的市場還要再領(lǐng)先一段時間,，正是我們這些企業(yè)利用好的機會，我們在積極布局,。