(资料图)

FSD V12 实现 End - to - End AI （ 端到端） 自动驾驶。什么是“端到端”？“端到端”是深度学习中的概念，英文为“End-to-End（E2E）”，指的是一个AI模型，只要输入原始数据就可以输出最终结果。比如最近很火的ChatGPT，它就是一个典型的端到端模型，输入文字语句，直接就能得到回答。那对于智能驾驶来说，指的是什么？踩油门还是踩刹车？方向盘向左打还是向右打？这就是智能驾驶AI模型应该输出的“最终结果”。马斯克在描述FSD Beta v12 时，就提到了它可以实现输入图像，输出转向、刹车、加速等车辆控制信号的能力，因此说它是“端到端”的。还有一种说法，叫做“感知决策一体化”，也就是将“感知”和“决策”融合到一个模型中，这种描述则相对更为准确一些。「端到端」的优势目前已量产的智能驾驶，绝大多数采用的是模块化架构。所谓“模块化”其实很好理解，就是把智能驾驶拆分成一个个典型任务，然后将这些任务交由专门的AI模型或模块来处理，比如说感知、预测、规划等等。实际应用中，感知模型的任务就是输入摄像头等传感器信息，然后在里面找到车辆周围的障碍物、车辆、车道线、红绿灯等一切与驾驶相关的元素，然后把感知信息汇总给规划模型，规划模型就会根据得到的信息规划出车辆的最佳行驶路线，再交给控制模块（控制模块一般并非AI模型），实现车辆最终的控制。在这种架构中，每个大的模块下，又可能是以多种模型组合而来的，例如感知，其中可能包含了分类、追踪、定位等AI模型，各司其职。也就是说，一个智能驾驶系统里，可能包含了很多很多个模型，每个模型都要专门进行训练、优化、迭代，随着模型的不断进化，参数量提高，所需的研发人员也水涨船高，研发投入极高。而端到端架构，则是通过一个模型实现了以上多种模型的功能，研发人员只需要针对这一个模型进行整体训练、调整优化，即可实现性能上的提升，因此可以更好地集中资源，实现功能聚焦。另一方面，传统的模块化架构可以看做是一种流水线，很多模型的输入参数，其实是前级模型的输出结果。如果前级模型输出的结果有误差，就会影响下一级模型的输出，导致级联误差的出现，最终影响整套系统的性能。这很好理解，在这种架构下，不同模块间就相当于不同的人，负责决策的人是不能直接看到环境的，需要“观察员”转告，因此将不可避免地产生误差。而端到端架构，输入传感器信号后可以直接输出车控信号，大大降低了级联误差的概率，也因此大大提升了系统性能的上限，整体潜力极大。「端到端」的难点在量产车上看，模块化架构依然是目前智能驾驶的绝对主流，可见端到端架构依然存在一些关键的问题未能解决。“涌现”是不可控的、不能预知的，即便一个模型发生了“涌现”，人们也不知道其内部发生了什么，是因为什么导致了能力的巨大变化。如果一个模型的可解释性很差，那说明人们对这个模型内部知之甚少，甚至都不能理解这个模型为什么能跑起来，是一个黑盒。他虽然能做出正确的决策，但方法是什么，理由又是什么，都不知道。端到端智能驾驶，就是一种可解释性很差的模型，这就导致了一系列的问题。首当其冲的就是安全性。还是拿ChatGPT为例，作为端到端的大模型，它的能力很强，但“胡说八道”的情况也不少见，对于一个语言模型来说，错了就错了，纠正一下就是，但对于驾驶来说，如果决策规划出错了，就有可能导致严重的事故，甚至危及生命。可端到端智能驾驶是个黑盒子，即便出了差错，研究人员也不知道它为什么会出差错，到底是哪一部分出了问题，又该如何去避免。只能通过不断的训练、调参、增加参数量，来尽可能地提高模型的准确率，但最终能否达到100%的安全，还是要打一个问号。另一方面，端到端智能驾驶，它的训练本就是很复杂的。感知模型训练时，需要的是经过标注的图片，这是一种比较容易获得的素材，而端到端智能驾驶，它需要学习的是驾驶行为，因此需要大量标注有驾驶行为的视频才能进行进行训练，采集和标注都很困难。因此，端到端智能驾驶，它的闭环验证比较困难，缺少足够的真实数据，目前主要还是在仿真环境中进行训练和验证，这也直接影响了它的量产落地。端到端智能驾驶一旦成功落地，对于整个行业的影响将是颠覆性的。但我们也要认识到，端到端有优势也有挑战，并且挑战依然是极大的，在现阶段甚至是未来很长一段时间内，当我们看到“端到端”时，只要看不到实物落地，就应该理性看待。

转自：水月的投资笔记

$特斯拉(TSLA)$