随着渗透率快速上升，2025年智能驾驶只讲“端到端”可能不够用了
编者按：
回望2024年，展望2025年，汽车业此刻正站在一个新的节点上：汽车的样子会变，造车的企业会变。
为此，《财经》展望这一行业的关键变革之年，提出并分析2025年的八大悬念，期待与你一起见证并验证这一切，和汽车产业一起寻路未来。
本文是“寻路2025”系列的第5篇，第一篇是《新能源汽车增速遭遇天花板？》，第二篇是《价格战到底要打到什么时候？》，第三篇是《合资品牌能留下几家？》，第四篇是《汽车出海还能维持高增长吗？》……
文｜包校千
编辑 |王静仪 施智梁
2025年是不少预言的揭盅之年。
技术创新迎来了跃变。有人预测，智能驾驶将全面进化普及，司机在未来会逐渐消失。
自动驾驶正在加速落地。工信部相关人士曾披露，2024年上半年，中国乘用车L2级及以上自动驾驶的渗透率达55.7%。中国电动汽车百人会副理事长兼秘书长张永伟预计，这一数字到2025年可能会接近65%。
全自动无人驾驶是智能驾驶技术演进的终局。2024年，车企和供应商集体卷入了“端到端”智驾狂热赛，仿佛“端味儿”的浓和淡代表了技术领先与否。相当一部分人认为，这是通往高阶自动驾驶的一条必经之路。
超越人类是智驾价值跃升的拐点。地平线创始人兼CEO余凯认为，高阶智驾本质的比较对象是人类：“比不过人的时候，它就是高科技的玩具；当它有一天表现得比人好的时候，价值立刻就会跳上去。”
不过，仅凭 “传感器数据” 与 “人类驾驶轨迹” 的海量对照，不足以让智驾向更高阶跨越。而“端到端”就是让所有传感器的数据以及动力学或地图信息等，输入到车端模型，然后输出合理的驾驶轨迹。但人类司机的驾驶意图和一些潜移默化的习惯模式，是“端到端”模仿不来的。
最终，一切都指向了智驾安全性的问题上。
靠模仿，当不了老司机
波士顿咨询曾在一份报告中评价，智能驾驶是“自汽车发明以来影响最为深远的技术”。之所以如此重要，不仅在于它解放了驾驶员的双手，更在于能降低交通事故的风险。
虽然该机构指出，智能汽车和Robotaxi未来可以减少90%的道路交通事故，但就目前来说，智驾并非完全如想象中那么可靠。
比如某新势力品牌的辅助驾驶系统，曾错误地将广告牌上的小货车图片识别为障碍物，导致急刹车和后车的追尾；还有某品牌的车主遭遇了智驾系统在事故发生前退出的情况。部分用户对此表示担忧，认为不能完全依赖厂商推出的“智能驾驶”功能。
在“端到端”席卷之下，L2+辅助驾驶技术得到了更快普及。渗透率方面，比亚迪的入局是2025年国内智驾行业最大变量，有望推动L2+级别销量基盘快速从100万辆提升至1000万辆级别，带动L2+渗透率从14%提升到30%，实现翻倍以上增长。
图源：视觉中国
特别是以理想、小鹏为代表的新势力品牌，都推送了“车位到车位”的智驾方案（该方案是指从起点车位到终点车位，智驾系统全程可以激活无断点，包括上下匝道、环岛、停车场闸机等一系列难点场景），让智驾体验更加好用，但小马智行副总裁张宁指出，当监管频次越降越低，越容易让人产生“虚假的安全感”。
要知道，每个智驾系统迭代的版本之间都有不同程度的差异。也许上一个版本在这个路口能顺利通过，下一个版本就回退了。司机在开小差的过程当中，可能就会酿成交通事故。最终牵扯车辆失控后复杂的责任认定问题。
以“车位到车位”功能为例，这一功能虽已具备L3自动驾驶的核心能力，然而车企将其推向市场的过程中，为了避免提及L3后面临监管压力和潜在的责任风险，仍以L2+、L2++等命名方式来强调其智能化水平。这种回避L3的宣传口径，反映了目前技术落地和商业化过程中存在的谨慎态度。
2024年，是头部品牌全量推进“端到端”的一年。年初，特斯拉FSD V12上线，实现了从感知到决策的一体化，成为各路玩家竞相学习的对象。
对于大多数车企和智驾供应商来说，好的智驾方案应该更像一个老司机，因此各家都在借用“端到端”来模仿、学习人类司机是怎么开车的。
基于“端到端”大模型的智驾系统，各个AI模块通过transformer链接，信息传递更加隐秘，减少了信息传输过程中的丢失，具有上限很高的优势，但“端到端”的下限也很低。在常规场景下，它能够从容驾驶，提供更加舒适的驾驶体验，但在非常规场景下，这种从容很可能转成急躁冒进，带来安全风险。
2024年末，理想、华为、小鹏、蔚来、小米、极氪、智己、长安、长城等公司都加入了“端到端”的竞速中。大部分主流车企已实现了无高精度地图全国都能开，并从以规则为主的算法框架，向神经网络模型为主的新架构切换，也就是端到端。
小马智行联合创始人兼CTO（首席技术官）楼天城透露，当前大部分L2系统的MPCI（Miles Per Critical Intervention，指每干预一次行驶的英里数）最高在300公里左右，驾驶员如果不接管很可能发生危险。
以前，智能驾驶的行驶跟车能力通常是从ACC自适应巡航到高速NOA，再到城市NOA，由易到难逐步培养的。现在，AI去掉准则模型后，很难知道它的下限在哪儿。这就导致智驾系统面对非常复杂的场景也有处理应对的能力，但同时很可能连旁边的垃圾桶都识别不到。
比如采用“端到端”的特斯拉FSD V12版本，泛化能力提升了不少，不再严格按照之前的“准则”进行，智驾系统开起来更像老司机了。但出现的问题也不少，比如之前就有撞到一名摩托车手，这种情况在上一个版本是很难出现的。
余承东此前去美国体验FSD时就发现，“路上停着静止不动的白色货车，特斯拉减都不减速直接撞过去，绿色的货车不减速也去撞，可能是识别成白云和树木了，一旦出问题就是车毁人亡。”
端到端2.0如何升级
面对复杂罕见的驾驶场景，“端到端”无法摆脱局限性。2025年，智驾只讲“端到端”可能不够了。
相较而言，“大家开始研究多模态大模型，行业里都在讨论VLM、VLA。”余凯表示，视觉语言多模态大模型（Large Vision-Language Models，LVLM）能很好地与端到端模型互为补充，充当驾驶决策的“大脑”，让智驾“越来越类人”“越来越从感知到认知”。
此前基于大模型的自动驾驶方案，往往将大模型直接作为“端到端”模型，即直接用大模型预测规划轨迹或者控制信号，但是大模型并不擅长预测精准的数值，因此这种方案并不一定是最优解。
为了弥补“端到端”模型鲁棒性差，泛化性弱的问题，VLM（视觉语言模型）、VLA（视觉语言动作模型）、世界模型等概念不断涌现，代表智驾玩家的技术路线和投入重心。
比如理想采用的“端到端+VLM”双系统，官方称VLM具备复杂场景的理解能力、读懂导航地图能力，以及交通规则的理解能力。接下来，VLM还将用于识别交警手势、施工改道等更复杂的场景。
图源：IC
如果说VLM是端到端的1.0版本，那么VLA则是“端到端2.0”的技术方向。二者最大的不同，在于时间层面的推理能力。“前者在7秒钟左右，后者能达到几十秒。”元戎启行CEO周光表示。
元戎启行技术副总裁刘轩提到，之前做泛化测试时，团队遇到过一个特别离谱的路口。直行等红灯，下面竖了一块牌子：保持安全的情况下红灯可以直行。“就算是人类驾驶员，尤其外地人，看到这个路口肯定也懵。这些和驾驶相关的信息，需要世界模型进行理解。”
2024年11月，Waymo推出了基于多模态大语言模型Gemini的EMMA模型，被业内人士称为VLA模型。该模型在多个关键的自动驾驶任务中展现出良好的任务迁移能力，与为每个任务训练单独模型相比，EMMA 在路径预测、物体检测和道路图理解等方面的表现显著提升。
以上，是部分玩家基于“端到端”智驾的探索。李想认为，掌握VLA基础模型能力是在技术上真正实现L4级智能驾驶的基础条件之一。楼天城则认为，通过搭建训练模型的虚拟环境，即 “世界模型”，能确保车辆不再发生由系统错误产生的问题和事故。
余凯在前不久的地平线智驾科技畅想日上感慨：“前几年大家嘴上在喊‘拐点拐点’，实际上大家在找‘卖点’。嘴上说着‘拐了拐了’，心里想其实是‘赶紧卖了赶紧卖了’。”但随着算法、算力和数据三大要素兼备，他认为2025年是智驾“真拐点”。
从2004年美国国防部高等研究计划局(DARPA)组织首届无人驾驶挑战赛，掀起自动驾驶江湖的波澜开始，这一领域在过去20年经历了深度学习技术的大爆发，从而让汽车行业正在经历一场深刻的变革。
但作为一套极其复杂的系统，自动驾驶的技术切换并不立竿见影，挑战难度大到足以让从业者痛苦绝望。楼天城坦言，“这两年别说对外，对内都很难展示进展。但我不断告诉他们，这是正确的，我们应该这么做。”
无独有偶，前华为智能驾驶负责人苏箐，前不久首次以地平线副总裁兼首席架构师的身份亮相。他认为，自动驾驶代表了物理世界与人类交互的第一个半规则、半非规则的场景，蕴含着极高的研究与发展价值。但“全世界最聪明的人花了这么多钱干这件事情，到目前为止还没有一个系统真正达到‘超越人类驾驶水平’的拐点”。
“但是绝望归绝望，干了这么多年还是能看到希望，因为整个内核技术演进了5-6代以后，你会发现整个系统能看到曙光在前面了，整套数据驱动范式起来以后能看到这点，我觉得这是我们能看到的东西。”苏箐感叹。
责编：张生婷
