華為 ADS3.0 智駕體驗(yàn)：「端到端」是新的技術(shù)墻

智能輔助駕駛的「智能」表現(xiàn)，正伴隨著新能源汽車滲透率的快速提升而變得日新月異。

在領(lǐng)航輔助駕駛確立了從「有圖」到「無圖」的技術(shù)路線迭代之后，「端到端」成為了智駕領(lǐng)域的新目標(biāo)。

今年年初，特斯拉推送了首個(gè)搭載「端到端神經(jīng)網(wǎng)絡(luò)模型」的 FSD v12 Supervised 版本，緊接著包括鴻蒙智行、理想、小鵬在內(nèi)的一眾走在智駕前列的主機(jī)廠，都將量產(chǎn)推送「端到端」智駕作為了下半年的重要目標(biāo)之一。

最近，董車會(huì)也在公開道路上，體驗(yàn)了最新的華為 ADS 3.0 的「端到端」智駕表現(xiàn)。

事實(shí)上，它的確令人印象深刻。

華為 ADS3.0「端到端」的實(shí)際表現(xiàn)：從一個(gè)車位智駕到另一個(gè)車位

不看廣告，看療效。

「端到端」的 ADS3.0 在路上開起來會(huì)有怎樣的表現(xiàn)，應(yīng)該才是用戶們最為關(guān)心的事情。在實(shí)際的應(yīng)用層面上，華為 ADS 3.0 實(shí)現(xiàn)了 「從車位到車位」的物理端到端。

在稍早前，我們提前試駕了首發(fā)搭載華為 ADS3.0 的享界 S9。得益于「端到端」的仿生神經(jīng)網(wǎng)絡(luò)模型，享界 S9 在「全國都能開」的基礎(chǔ)上，獲得了車位啟動(dòng)、路邊啟動(dòng)、路邊臨停、目的地隨時(shí)變更、自主過閘機(jī)等一系列智駕能力的升級(jí)，力求做到用智能輔助駕駛來貫通全場景，實(shí)現(xiàn)「有路就能開」。

官方規(guī)劃的試駕路線也比較有趣，我們從蘇州四季酒店的地庫直接出發(fā)，目的地是太湖萬麗酒店的地庫，全程超過了 40 公里，耗時(shí)大約 1 個(gè)小時(shí)。

因?yàn)閮傻氐牡叵峦＼噲龆家呀?jīng)被掃描過，都可以被導(dǎo)航識(shí)別為「常用車位」了，所以我們可以在四季酒店地庫的靜止停車位上，設(shè)定好到萬麗酒店地庫車位的導(dǎo)航，然后直接點(diǎn)下方向盤上的智駕按鈕，享界 S9 就會(huì)智駕泊出車位，自己開出四季酒店的地庫。

即便四季酒店的地庫出入口是一個(gè)很窄的直角彎，但也沒有難倒享界 S9，它自己緊貼著墻就熟練地開出去了。識(shí)別閘機(jī)也能做到自動(dòng)減速，等抬桿之后再加速駛出。

酒店園區(qū)內(nèi)的道路本來沒有在導(dǎo)航地圖上顯示，但享界 S9 的環(huán)境感知和決策能力都有升級(jí)，不僅可以避讓快遞車輛，也能避讓臨時(shí)設(shè)立的障礙物。

面對環(huán)島也很從容，以較快的車速就完成了繞環(huán)島通行，方向盤也打得很迅猛。

以往需要接管的掉頭場景，現(xiàn)在用 ADS3.0 也無需接管，智駕將方向盤絲滑一打，掉頭彎就過去了。

識(shí)別紅綠燈的感覺也變得更加敏銳，在綠燈閃爍的時(shí)候，車輛就已經(jīng)捕捉到了，提前進(jìn)行了預(yù)判并且自動(dòng)地實(shí)現(xiàn)了舒緩減速，穩(wěn)穩(wěn)地停在紅燈之前。

在面對一些復(fù)雜場景時(shí)，ADS 3.0 端到端的優(yōu)勢就體現(xiàn)出來了。在一個(gè)需要走最右側(cè)車道的場景里，所需車道被占用，而且道路劃線不清晰的情況下，享界 S9 很果斷就取消了變道，選擇了加速繞行，絲滑程度堪比真人老司機(jī)一樣提前做了預(yù)判。

在高速路上，享界 S9 現(xiàn)在在上下匝道的時(shí)候也無需接管了，即便是連續(xù)變道也能快速響應(yīng)。

唯一的缺點(diǎn)，就是變道一如既往地積極，即便是在標(biāo)準(zhǔn)狀態(tài)下，我感覺有很多時(shí)候其實(shí)它都不需要特意變道的，變道過去還是得變道回來。考慮到享界 S9 的后排經(jīng)常坐著老板，這樣子的變道體驗(yàn)，應(yīng)該會(huì)受到老板們的批評吧？

也許，享界 S9 可以考慮出一版不那么激進(jìn)變道，穩(wěn)妥駕駛的智駕特調(diào)版本？目前想要緩解這個(gè)情況，我們可以試著將 NCA 的變道偏好默認(rèn)設(shè)置為「柔和」，這樣它會(huì)降低變道超車的頻率，也可以考慮將智駕的變道策略改成人工確認(rèn)。但這樣，就不太能實(shí)現(xiàn)完全零接管的智駕表現(xiàn)了。

最終，我們順利抵達(dá)了導(dǎo)航目的地萬麗酒店的門口，然后享界 S9 緊接著無縫地自動(dòng)駛?cè)肓说叵萝噹欤⑶易约赫业搅四繕?biāo)車位并自行泊入。在全程 NCA 且完全零接管的情況下，實(shí)現(xiàn)了從車位到車位的端到端智駕。

用車位到車位的這種物理端到端表現(xiàn)來衡量端到端智駕的含金量，我覺得是比較易于理解也比較全面的。

有了「端到端」模型加持，ADS 3.0 的智駕表現(xiàn)更加符合我們對智能駕駛的主觀想象，它開起來更像人類司機(jī)，通行效率也有了長足的進(jìn)步。

此時(shí)，若是余總再說一遍「（華為 ADS）無限接近于 L3」的話，質(zhì)疑聲音也應(yīng)該會(huì)少了許多。

華為 ADS 3.0「端到端」的技術(shù)路線，有何不同？

在華為 ADS 2.0 智駕解決方案中，華為提出了基于激光融合的 GOD 網(wǎng)絡(luò)，配合 RCR 道路拓?fù)渫评砭W(wǎng)絡(luò)來實(shí)現(xiàn)「有圖無圖都能開」的智駕表現(xiàn)，讓車輛能夠自行識(shí)別真實(shí)世界的通用障礙物，基本做到類人的感知能力，最終量產(chǎn)實(shí)現(xiàn)「全國都能開」的無圖 NCA 智駕能力。

華為 ADS 2.0 BEV+GOD+RCR 網(wǎng)絡(luò)

其中，GOD 網(wǎng)絡(luò)（General Obstacle Detection，通用障礙物檢測網(wǎng)絡(luò)）可以通過激光雷達(dá)+攝像頭，來識(shí)別通用障礙物白名單外的異形物體，像游戲《我的世界》那樣，用 3D 像素塊來構(gòu)建出障礙物的輪廓，從而對路上的障礙物進(jìn)行精細(xì)識(shí)別，不但能夠識(shí)別障礙物的動(dòng)靜態(tài)，而且也能匹配區(qū)分出救護(hù)車、警車、行人等等。

GOD 感知算法示意（圖片來自：華為官網(wǎng)）

有了 GOD 網(wǎng)絡(luò)，智駕系統(tǒng)對路上障礙物的識(shí)別不再存在上限，真正地做到了 「看得懂物」。

異形障礙物「世界」（圖片來自：華為官網(wǎng)）

而 RCR 網(wǎng)絡(luò)（Road Cognition & Reasoning，道路拓?fù)渫评砭W(wǎng)絡(luò)）是為了進(jìn)一步讓智駕擺脫高精地圖的依賴，結(jié)合普通導(dǎo)航地圖來與現(xiàn)實(shí)進(jìn)行匹配和印證，再實(shí)時(shí)通過傳感器來拓補(bǔ)繪制一幅可用的行車地圖。

有了 RCR 網(wǎng)絡(luò)，智駕系統(tǒng)能夠做到「具體路況具體分析」，真正地做到了 「看得懂路」。

可見，以往的智駕都是基于「感知 — 規(guī)劃（決策）— 控制」的研發(fā)邏輯，就是將感知數(shù)據(jù)傳輸?shù)揭?guī)控進(jìn)行匹配識(shí)別，再輸出控制指令來操控車輛駕駛。

如果傳感器感知到的「這道題」（路況信息）是題庫里面有做過的（訓(xùn)練過的特征信息），那么控制端就能給出一個(gè)「正確答案」（正確的決策方案），讓車輛完美地應(yīng)對好當(dāng)前的路況。

畢竟道路千萬條，安全第一條。路面狀況瞬息萬變，遇到一些未曾訓(xùn)練好的場景，智駕系統(tǒng)就會(huì)手足無措，只能提示人類駕駛者去接管車輛了。

要想提升智駕的控制表現(xiàn)能力，讓智駕能像人類一樣開車，就需要智駕系統(tǒng)能夠像人類一樣思考。

由此，智能駕駛開始引入了像 ChatGPT 這樣，基于龐大神經(jīng)網(wǎng)絡(luò)而構(gòu)建的大語言模型，智駕系統(tǒng)直接由一個(gè)「端到端模型」來全流程地處理從傳感器接收到的感知數(shù)據(jù)，并完成判斷和決策，最終輸出控制指令。

在 ADS 3.0 當(dāng)中，華為將 GOD 和 RCR 都神經(jīng)網(wǎng)絡(luò)化，并將這部分算法納入到一個(gè)完整的 GOD 感知神經(jīng)網(wǎng)絡(luò)之中，而后再將感知數(shù)據(jù)交由 PDP 決策神經(jīng)網(wǎng)絡(luò)來規(guī)劃行車路線，輸出「思考」結(jié)果。

構(gòu)建好的 GOD+PDP 神經(jīng)網(wǎng)絡(luò)模型之后，華為再利用自己的云端 AI 訓(xùn)練平臺(tái)進(jìn)行大量的數(shù)據(jù)訓(xùn)練，讓模型得以快速迭代升級(jí)。

ADS3.0 提升了 GOD 大網(wǎng)的多維立體感知能力并使用「端到端」決策的 PDP 之后，就能實(shí)現(xiàn)去 BEV 化，從原來的「看得懂物」升級(jí)到「看得懂路」，讓智駕系統(tǒng)更高效且精準(zhǔn)地「理解駕駛場景」，以低延時(shí)的決策速度，自主地處理好復(fù)雜路況，更多時(shí)候會(huì)給用戶帶來一種平穩(wěn)、放心、無需接管的智駕體驗(yàn)。

只不過按照目前的初見成效的訓(xùn)練效果來說，讓 AI 直接坐在駕駛位去開車，還是過于激進(jìn)。目前華為的端到端模型之中，還加入了一個(gè) 「本能安全網(wǎng)絡(luò)」進(jìn)行智駕的下限兜底，確保決策神經(jīng)網(wǎng)絡(luò)不會(huì)逾越安全紅線。

吳新宙曾經(jīng)提到，端到端將在長期與傳統(tǒng)自動(dòng)駕駛堆棧并行運(yùn)行，最初端到端模型將在影子模式下運(yùn)行，以便在相同的場景下比較人類駕駛、傳統(tǒng)堆棧和端到端算法三者輸出的行為差異，并根據(jù)人類反饋進(jìn)行微調(diào)；之后端到端可以和傳統(tǒng)技術(shù)堆棧并行，兩者形成互補(bǔ)；成熟之后則可以逐步淘汰傳統(tǒng)堆棧。

端到端算法像襁褓里的天才少年，盡管未來可能成為博士，但成長過程中需要小學(xué)、初中老師去帶教，這便是當(dāng)前傳統(tǒng)堆棧起到的作用，隨著時(shí)間的推移，端到端將最終成長成為強(qiáng)大的可以獨(dú)擋一面的「專家」。

所以，無論是華為 ADS3.0 的端到端仿生大腦，還是理想 AD 的快/慢系統(tǒng)，以及小鵬的 Xnet+Xbrain+Xplanner 架構(gòu)，都在端到端決策和車輛控制之間，做了相當(dāng)多的約束和冗余措施。

普遍來看，當(dāng)下端到端智駕的目的，就是為了簡化智駕系統(tǒng)架構(gòu)，通過單一的神經(jīng)網(wǎng)絡(luò)模型來完成整個(gè)智駕系統(tǒng)的感知和決策任務(wù)，減少對海量場景規(guī)則代碼的依賴，從而提升智駕的實(shí)際效果，滿足用戶真正的智駕需求。

換作是之前的智駕策略，別說從一個(gè)車位到另一個(gè)車位的智駕零接管，單拎繞環(huán)島通行和掉頭場景來說，智駕甚少能夠正常自主行駛的，大多數(shù)時(shí)候都得提醒人類駕駛員去接管行駛。

簡單來說，結(jié)合 ADS 3.0 端到端的實(shí)際體驗(yàn)來看，用大模型來將智駕變得更類人化。從全國都能開，升級(jí)到有路就能開。

大勢所趨的端到端智駕，車企爭先恐后迎頭而上

中國汽車在電動(dòng)化和智能化方面的一日千里，正在重塑消費(fèi)者對汽車的偏好與選擇。其中，智駕已成為新能源汽車智能化的顯著特征，消費(fèi)者對于汽車智駕的了解程度、價(jià)值感知正日益提升。

消費(fèi)市場的需求選擇，也反過來促使車企更加緊密地?fù)肀щ妱?dòng)化和智能化，唯有做好智能座艙和智能駕駛，才能在智能化的下半場站穩(wěn)腳跟。

所以，那些在智駕方面競爭優(yōu)勢不太突出的車企，正在使出渾身解數(shù)，試圖補(bǔ)齊智駕短板。

就像近期飽受爭議的極氪，在 2024 款極氪 001 上市數(shù)月之后，馬上就迫不及待推出了 2025 款車型，新款計(jì)算平臺(tái)由雙 Mobileye EyeQ5H 升級(jí)到了雙英偉達(dá) OrinX。兩者相比之下，24 款只有 48Tops 的算力， 25 款的算力則達(dá)到了 508Tops，足足強(qiáng)了十倍。

雖然此舉引發(fā)了不少老車主的不滿，但對于極氪來說卻是不得已而為之。

按照極氪的回應(yīng)，此時(shí)就推出 2025 款極氪 001，是為了滿足更多的潛在用戶：

極氪 007 搭載的浩瀚智駕受到了廣泛的用戶和行業(yè)好評，很多極氪 001 的潛在用戶呼吁能夠選擇浩瀚智駕方案，同時(shí)我們自己的品牌 NPS（Net Promoter Score，凈推薦值）調(diào)研也發(fā)現(xiàn)，智駕是影響用戶選擇極氪 001 的一個(gè)因素。因此，內(nèi)部決策立項(xiàng)自研智駕方案上車，給用戶多一種選擇。

相較于 Mobileye 的智駕方案，自研的浩瀚智駕方案顯然能夠在智駕體驗(yàn)上挽回一些用戶口碑，只是恐怕切換成自研智駕還是來得太晚，加上這樣的換代更新頻率，勢必會(huì)從保值的角度影響到潛在用戶的信心。

正當(dāng)成績偏科的同學(xué)在決心勤能補(bǔ)拙，而排名靠前的優(yōu)等生們已經(jīng)開始研讀新學(xué)期的課題了。

對于那些已經(jīng)將「智駕」做成品牌顯著標(biāo)簽的車企，像是鴻蒙智行、小鵬、理想等等，都已經(jīng)量產(chǎn)推送了「全國都能開」的無圖智駕，現(xiàn)在更是著手布局端到端的大模型智駕方案。

他們都有一個(gè)相近的目標(biāo)，就是完全覆蓋用戶從出門到進(jìn)門之間的通勤，完全交給 AI 智駕來開車。與循規(guī)蹈矩的傳統(tǒng)智駕方案相比，端到端的智駕方案，將推動(dòng)智駕從算法工程轉(zhuǎn)變?yōu)閿?shù)據(jù)工程。

要坐到端到端智駕的牌桌上，需要足夠多的籌碼

從 ADS1.0 迭代到 ADS2.0 的時(shí)候，華為 ADS 團(tuán)隊(duì)就曾經(jīng)披露過他們?nèi)珬Ｗ匝械?AI 訓(xùn)練體系。

構(gòu)建智駕大模型最堅(jiān)實(shí)的基礎(chǔ)和底氣，來自于華為擁有自己的云端 AI 訓(xùn)練平臺(tái)。彼時(shí)他們就已經(jīng)用領(lǐng)先于大多數(shù)同行的超高算力，24 小時(shí)不間斷地進(jìn)行模型訓(xùn)練，實(shí)現(xiàn)了五天迭代一次的升級(jí)速度。

來到 ADS3.0 的端到端，學(xué)習(xí)訓(xùn)練的算力已經(jīng)從半年前公布的 3.5E FLOPS 更新到 5E FLOPS（余總還說 3.5E 算力當(dāng)時(shí)已經(jīng)是中國第二名和第三名的總和），模型每天訓(xùn)練的里程數(shù)達(dá)到了 3500 萬公里。而且這個(gè)算力數(shù)字對于華為 ADS 來說并非一個(gè)終點(diǎn)，而是會(huì)繼續(xù)去加大投入，持續(xù)提升。

隨著智能駕駛步入深水區(qū)，智駕 AI 大模型的訓(xùn)練離不開海量的、多樣化的優(yōu)質(zhì)數(shù)據(jù)，同時(shí)自動(dòng)化、高水平的數(shù)據(jù)處理體系也至關(guān)重要。可以說數(shù)據(jù)，將會(huì)占據(jù)端到端智駕開發(fā)中高達(dá)八成的研發(fā)成本。

正如大語言模型之前已經(jīng)強(qiáng)調(diào)過參數(shù)量之大那樣，端到端的多模態(tài)模型也對數(shù)據(jù)有著旺盛需求。特斯拉在 FSD V12 上率先實(shí)用了端到端模型，馬斯克曾經(jīng)對此說過：

用 100 萬個(gè)視頻切片訓(xùn)練，勉強(qiáng)夠用；200 萬個(gè)，稍好一些；300 萬個(gè)，就會(huì)感到 Wow（驚嘆）；1000 萬個(gè)，那就難以置信了。

所以，車企量產(chǎn)的智能駕駛車輛正成為最佳的數(shù)據(jù)采集工具。當(dāng)足夠多的量產(chǎn)智駕車輛在道路上行駛時(shí)，它們所收集的真實(shí)數(shù)據(jù)將成為智駕算法不斷優(yōu)化和迭代的關(guān)鍵資源。

Tesla Fleet. 圖片來自：特斯拉北美官網(wǎng)

根據(jù)車企公布的數(shù)據(jù)，特斯拉在北美擁有約 300-400 萬輛車組成的用戶車隊(duì)；預(yù)計(jì)到 2024 年年底，搭載華為智能駕駛系統(tǒng)的車輛數(shù)量將超過 50 萬輛；截至 2024 年第一季度，理想已累計(jì)交付超過 70 萬輛汽車，所有車型均標(biāo)配 AD 智能駕駛功能；截止 2024 年 4 月份，蔚來智能駕駛總用戶數(shù)達(dá) 49.53 萬人，NOP+ 總用戶數(shù)達(dá) 24.58 萬人。

所以說，浩瀚的算力背后，是自研實(shí)力和充沛資金以及高額市占率的相輔相成。

華為 ADS3.0 的量產(chǎn)，足以證明一個(gè)可以量產(chǎn)商用的端到端智駕大模型，是需要掌握數(shù)據(jù)資源、充裕資金、技術(shù)積累的頭部廠商，堅(jiān)定正確的技術(shù)路線并付諸長期投入才能實(shí)現(xiàn)。

從這個(gè)角度來看，軟硬實(shí)力一體構(gòu)建起來的「端到端」智駕模型，將會(huì)成為智能駕駛的一道「AI 技術(shù)墻」。

有路就能開的端到端智駕，顯然是智駕領(lǐng)域的新標(biāo)桿，但在技術(shù)墻之外，其實(shí)仍有大量車企的車型，無法如期兌現(xiàn)全國都能開的智駕承諾。

最終能夠下場「端到端智駕」牌桌競爭的玩家，非但需要前瞻的勇氣，也需要足夠多的籌碼，短期內(nèi)也只會(huì)有寥寥數(shù)家。