听起来高高有力的“端到端”大型模型到底是什么？

什么是“端到端大模型”？传统智能驾驶系统则像一条“流水线”，分为感知、决策、规划、控制等多个独立模块。例如，摄像头先识别车道线（感知模块），再交给决策模块判断是

传统的智能驾驶系统就像“装配线”，分为多个独立的模块，例如感知，决策，计划和控制。例如，相机首先识别车道线（感知模块），然后将其交给决策模块以确定是否要更改车道，并最终计划模块生成轨迹。尽管这种人工划分很容易调试，但模块之间的信息传输可能会导致错误，并且手动书面规则很难涵盖所有复杂的情况。

端到端的大型模型使用大规模的数据培训，使AI可以自己学习驾驶规则，消除中间链接，从而更灵活地响应紧急情况。例如，Tesla FSD V12版本通过300万个视频剪辑培训，驾驶决策几乎完全由AI产生，并且手动代码从300,000行减少到3,000行。

端到端的模型如何改变驾驶体验？

听起来高高有力的“端到端”大型模型到底是什么？

更多的拟人驾驶风格的传统系统容易容易“机械”，例如犹豫或突然制动。端到端模型通过筛选最佳轨迹（而不是简单地模仿）来使车辆更加平滑。小米的测试表明，连接到这项技术后，急性加速和突然制动的频率大大降低。 Zhiji Auto的反应时间甚至缩短了30，这接近了人类“旧驾驶员”的直观判断。

涵盖更复杂的方案传统系统依靠手动规则，很难解决长时间的问题（例如施工部分和特殊天气）。端到端模型可以通过数据驱动来独立发现隐藏的规则。例如，特斯拉FSD V12已经可以处理障碍绕道，改变车道的游戏和其他场景。

整个过程从识别等与停车位无缝连接，并且端到端技术可以在整个过程中实现无断点的操作。例如，小米使系统智能降低了刺刀之前的速度，并在抬起杆后立即开始以减少人体干预。

听起来高高有力的“端到端”大型模型到底是什么？

汽车公司的“端到头”有什么区别？

尽管有类似的技术原则，但不同的汽车公司仍有自己的重点：

特斯拉：最早将是大规模生产的端到端大型模型，依靠纯的视觉解决方案和超级计算能力（目标100eflops）。木彭：强调“云大型模型”的重要性。云参数是车辆的80倍，可以涵盖更多的长尾方案。它计划将来扩展到飞行汽车领域。小米：从“模仿轨道”转到“滤镜”，实时生成所有合理的路径，然后选择最佳解决方案以提高安全性和舒适性。

听起来高高有力的“端到端”大型模型到底是什么？

Zhiji：启动“一阶段端到端”模型，整合感知和决策，并通过深度学习来优化预测能力，例如事先逃避公交车道限制。挑战和争议：技术还不完美

“黑匣子”问题的端到端模型的决策过程是不透明的，如果原因犯错，很难追踪原因。例如，某些汽车无缘无故地在开放道路上加速。计算能力和数据瓶颈训练大型模型需要大量的高质量数据（例如特斯拉的数千万视频剪辑）和巨大的计算功率支持。当前，小米和Nio等家用汽车公司的云计算能力仅1-1.4eflops，远低于特斯拉的计划。汽车公司通常强调，端到端技术仍然需要传统的规则作为安全冗余。例如，当AI决策异常时，小米的“安全逻辑网络”介入校正偏差。

未来前景：从“工具”到“合作伙伴”