端到端智驾的另一种实现形式小鹏这场技术分享会干货满满！

11-04 14480 陈靖航

10月24日，小鹏在广州举办了一场关于高阶智驾的技术分享会，这其实并不是一场单纯的技术研讨会，在分享会现场除了探讨了高阶智驾系统的端到端大模型的各种技术细节之外，这场活动还有另一个重点，小鹏正式发布了新版本的车机系统。

这个新版本改进巨大，从UI界面的多元化到智驾算法等等，几乎所有方面全都大升级，如果用手机行业去看，这个5.4.0版的新车机版本，足够称得上是一次大版本迭代了，性质其实已经接近MIUI升级到HyperOS，EMUI升级到鸿蒙1.0的状态了。

当然，今天这篇文章我们不打算和大家深入介绍这个新车机系统，我们打算从分享会中小鹏就端到端大模型系统的一些技术特征，进行一些基于我们理解下的分析。

其实所谓的端到端大模型智驾，本质上是一种基于AI的，对现有智驾系统的一种增强型系统。AI的威力大家都清楚，AI加持下的智驾确实能做到很多以往不敢想的事情。但从技术上看，AI的端侧实现形式，或者简单点说，到底如何布置AI算力，怎么实现有效的车端AI，这里是有不同技术流派的。

一个事实是，如今的端到端大模型智驾，由于需要高度依赖AI，而车载端算力即便硬件再强大也无法完全本地化处理所有数据，因此现行的所有AI智驾系统，主算力端全都在车企自己的超算上。

这里还有另一个问题，车企超算和车端是需要进行实时数据通信的，尽管现在但凡搭载了端到端大模型的全都用上了5G基带，有些车型甚至用上了5G-A（增强型5G，有些运营商叫5.5G），所以瞬发大流量的数据包通信是不需要担心带宽问题的。但仍然有必要针对车企端和车端的数据进行分开处理。

这里衍生出2种技术流派。第一种叫基于规则下的小型模型。这种流派的智驾脱胎自L2时代的规则式辅助驾驶，这种技术会把整个智驾流程切割成很多个相互独立的“加速-减速-方向控制及限速”模型，这些大量的相互独立的小模型会不断下发到车端。这种模式下实现的端到端智驾，虽然也能实现高阶智驾所需的能力，而且由于这种技术流派直接脱胎自成熟的L2级算法，对于车企来说这是入门难度最低的高阶智驾模式。但缺点在于，这种本质上属于一个个小模型叠加的高阶智驾，在实际智驾体验中会显得过于机械，缺乏“拟人性”，而且这种高阶智驾一般是无法自我学习的。

另一种技术流派是把智驾的处理放在车端，但至于控制逻辑等则由车企超算经过各种处理后再打包发送到车端，这也是现在比较主流的端到端智驾技术实现模式。这种技术的好处在于，智驾的执行端由车端实现，相比起基于规则的小模型，这种形式的高阶智驾有自我学习特征，而且能实现一定程度的拟人化智驾。

但这种模式的弱点在于，这种模式高度依赖硬件系统。考虑到车端的算力有限，传感器就变得非常重要，如果这台车搭载了诸如激光雷达这类可以生成空间点云阵的传感器，对于整个智驾系统会有不少帮助。但如果这台车没有激光雷达，只有毫米波，或者只有视觉方案，智驾能力多少会受到传感器系统的限制。

而小鹏这套高阶智驾系统，实际上是在上述的第二种技术路线的形式上，大幅度增强了云端数据处理量。小鹏这套几乎完全基于云端的智驾系统和上面第二种技术流派不一样的是，它不对车端传感器系统有强依赖。根据小鹏在分享会现场表态，现在小鹏的高阶智驾可以适配包括有激光雷达、毫米波雷达系统以及纯视觉方案这三种主流传感器系统，而且已经做到这三种系统最终实现的高阶智驾能力完全没有任何差距。

但实际上，小鹏这套几乎完全基于云端的高阶智驾系统，别家是很难复制的。首先，这套系统对车企服务器--车端的通信有非常高的要求，要实现这种事实的，完全基于AI的高阶智驾，不管是在网络、车端基带研发调优这些项目上都要投入大量的人力财力。其次，这种技术路线要求车企必须自建超级计算机阵列，只有自己有超算，才能实现如此快的数据迭代。而小鹏不仅每年会投入数以亿计的资金专门用于这方面的研发，而且小鹏也是目前国内为数不多的，自己有超算的车企。