自动驾驶：10家端到端方案简述

自动驾驶：10家端到端方案简述

基于今年发布的各类端到端智能驾驶方案，RoboX根据过往采访内容以及公开信息，高度概括出10家企业的端到端方案结构，以及相关负责人的观点，便于大家快速达成基本认知：

附赠自动驾驶最全的学习资料和量产经验：链接

01

理想汽车

**概述：**理想采用了「双系统」端到端——端到端「快系统」+VLM「慢系统」（视觉语言模型）。

其中，「快系统」负责实时响应、输出行为，「慢系统」则负责应对复杂逻辑判断，输出决策和参考轨迹。

理想汽车智能驾驶技术研发负责人-贾鹏：

“如果未来算力足够，VLM有望跑进10-20赫兹，达到实时。随着Thor等大算力芯片的到来，两个系统最终会合成一个统一的模型，而且兜底策略可能也会被VLM消化掉。”

02

蔚来汽车

**概述：**基于群体智能和生成式仿真，训练蔚来世界模型NWM，并基于该模型的时空认知和规划能力，进行端到端智能驾驶。

蔚来智能驾驶研发副总裁-任少卿：

“因为需要重建视频，接入信息也会更多，这使得NWM的收敛速度更快，想象的能力也会更强。同时，相比于之前的算法，NWM生成的视频长度会长很多。”

03

小鹏汽车

**概述：**小鹏的端到端智驾大模型包含：神经网络XNet（感知）、规控大模型XPlanner（决策控制）以及大语言模型XBrain（与用户交互）。其端到端方案也是fen分段式结构。

小鹏汽车董事长-何小鹏：

在Q2财报电话会上，何小鹏认为端到端的进步速度，会快速替代之前的L3甚至L4级自动驾驶，上限很高。但他同时认为端到端的下限还存在瓶颈，例如转角遇到流浪猫的特殊场景，端到端或许无法解决。

04

华为乾崑

概述：华为ADS 3.0进一步去掉了BEV网络，以GOD（通用障碍物识别）大模型负责感知，PDP（预测决策规控）网络负责预决策和规划，可实现「从原始信号输入到最终规划轨迹输出」的自动化过程，但同样是「分段式端到端」。

05

极氪汽车

**概述：**极氪的「浩瀚智驾2.0」由两个子系统组成，其中包括了两个自研的智驾大模型——场景认知大模型SCM + 规控大模型IPM，它们分别实现「感知端到端」和「规控端到端」。目前可以实现的是泊车场景端到端、路口场景端到端。

极氪智能科技副总裁-陈奇：

“「浩瀚智驾2.0」可大大提升复杂场景下的表现，也可以学习人类驾驶轨迹、变道时机等。接下来，极氪将分三个阶段实现实现「车位到车位全场景城市智驾」：从城市NZP通勤模式，到城市NZP，再到城市NZP+。”

06

长城汽车

**概述：**在采用端到端智驾大模型——SEE 2.0的同时，长城也做了多层兜底——通过数据共享和交换机制，该方案既要用一个感知模型替代多个模型，又要加上后处理的仲裁。以求既能直接输出驾驶轨迹，又能为感知加上模块化的决策规划，以此保证智能驾驶的拟人化和安全。

长城汽车智能平台开发中心的专家-吴国苏州：

“以当前的技术状态来说，谁也没办法达成完全端到端，更无法实现‘所有场景都能开’，所以将两种技术结合起来，是现阶段的比较好的方案。”

07

商汤绝影

**概述：**商汤绝影采用的是「完全端到端」方案UniAD——将感知、决策、规划等模块都整合到一个全栈Transformer端到端模型中，实现由传感器输入，直接输出行为轨迹。现阶段，该方案还需要规则兜底，而随着大模型的强化，亦有望舍弃规则。

未来，基于多模态大模型打造的DriveAGI将是可解释、可交互的下一代智驾方案。

商汤科技联合创始人、首席科学家、绝影智能汽车事业群总裁-王晓刚：

“「两段式」方案还是存在性能瓶颈的，因为其经过感知过滤后的信息，会出现较多损失。不过目前，一段式端到端还像一个孩子，需要规则兜底来帮扶一段时间，使其迭代；但这个孩子再怎么不成熟，也是属于人类，终究会成长起来。”

08

地平线

**概述：**地平线的SuperDrive采用了动态、静态、OCC「三合一的端到端感知架构」，该架构能够同时处理动态、静态目标，精准还原物理世界的真实环境。SuperDrive无需对感知数据进行抽象和逐级传递，提升了系统的遮挡准召率和降低了动态代码行数及网络负载。

09

Nullmax

**概述：**多模态大模型+「安全类脑」技术：通过多模态大模型，端到端系统可以根据理解来输出轨迹，并对其合理性进行一级仲裁；「安全类脑」则具备天然避障能力，可对多模态模型的控制输出进行二级仲裁，相当于监督功能。

Nullmax创始人、CEO、CTO -徐雷：

“之所以采用两个安全模块（一级仲裁+二级仲裁），是因为我们很难保证对规则的考虑都是全面的——不管是一段式端到端，还是模块化的端到端，都要基于感知结果设计规则，而感知的准确性不可能100%准确，并且终究会有一些规则是我们没有想到的。”

10

鉴智机器人

**概述：**鉴智机器人采用了端到端神经网络Agent——GraphAD，该范式将图模型思想引入motion和planning等任务中，对驾驶环境中的交互场景元素（Interaction Scene Graph，ISG）进行显性建模，使得学习和训练效率更强。目前，该方案已经部署到量产车载计算平台上。

鉴智机器人联合创始人、CTO都大龙：

“我们将真实世界的信息压缩成一个生成式模型，同时要不断对其进行几个层面的优化：包括真实度、可控度以及可交互度，使其无限逼近真实世界。