The following article is from 差評汽車部 Author 脖子哥
大夥兒有沒有發現，之前都是新勢力愛吹智駕，現在老牌車企卻一個比一個積極。
前不久有消息說，比亞迪正在瘋狂加碼智駕，整合了一波智駕部門，把人碼齊錢管夠，就爲了明年要在全系車型推出智駕版，連 6.98 萬起售的海鷗也要上。
同時，背靠東風的岚圖也在大規模招聘智駕團隊，準備大幹一場。人家還挺貼心，專門給極越員工開了綠色通道，待遇從優，直接一個無縫接力。
還有奇瑞剛發布了自己的獵鷹智駕系統，首搭在新上市的星紀元 ET 上。像廣汽、長城等大廠，今年也都在智駕上賊積極，就給人一種傳統車企集體大發力的感覺。
那就有人說了，你們這幫傳統車企這會兒才來弄智駕，有點晚了吧。。。畢竟隔壁華子的智駕， 3.0 版本都滿大街在跑了。
不過脖子哥倒是覺得，傳統車企現在出智駕并不晚，而且這個時間點反而還挺好的。
爲啥這麽說呢？
首先，要說明一下，大夥兒看到的傳統車廠最近動作多，不是說他們才開始研究智駕，其實各家在這一塊的布局都有幾年了。
比如迪子那邊，他們從 2021 年就開始積累智駕人員，然後在 23 年上半年，把智駕升級到核心戰略之一。到了今年 6 月，王傳福表示，比亞迪已經投入了接近五千人的智駕研發團隊。
之所以咱普通消費者感覺不到，一是因爲這些車企以前偏向于自己摸索，一直是在預研階段；二是原來這些品牌在售車型基本都不到 30 萬元，像激光雷達早年死貴死貴的，也沒法硬上。
但現在，智駕已經逐漸從高端車走向平民車，甚至有些 10 來萬的車都來标配智駕。之所以會這樣，其實和智駕這幾年的技術變化有關。
早幾年，智駕路線五花八門的，就比如純視覺和激光雷達的融合派，天天吵來吵去。還有是先做 L4 再降維向下，還是先從 L2 起步，慢慢向上走，這兩種路線也是各有信徒。
不同的技術路線就造成，車企明明是一起在做智駕這場考試，但有人早早交卷，有人還一字未寫。跑得快的車企，早就出了高速 NOA ，然後又進入到城市 NOA ，跑得慢的呢，高速 NOA 這個餅都還沒畫完。
特别是在 NOA 開城階段，那就是有和沒有，能用和不能用的區别。所以那會兒，當新勢力掏出了高階智駕，大家都覺得新奇牛逼。
但後來，随着技術發展，智駕的技術路線變得清晰。
比如特斯拉先用的 BEV 感知，和 AI 界的當紅炸子雞 Transformer 模型（ 就是 ChatGPT 最後的字母 T ）出來後，就慢慢成爲了智駕的主流方案。
這倆東西加一起，可以讓車子對周圍環境有一個實時的三維感知。以前還需要高精地圖這個輔助，後來就可以做到 " 無圖 " 。
技術成熟的好處就是後入場玩家可以快速趕上，最典型的就是背靠吉利的極氪。
一開始，極氪是買供應商 MobileEye 的方案，叠代速度又慢又難用。後來他們決定自研，在 21 年年底從華爲挖來了大佬陳奇來當智駕負責人，一頓招兵買馬後，很快出了成果。
先是在 007 上推出自研智駕，然後一年磨三劍，在 All New 001 上也更新了 NZP 。
而現在，智駕又到了一個新的技術領域——端到端方案。這個新東西，把大家又拉到一個起跑線上了。
端到端這個詞大夥兒今年肯定都沒少聽，一開始特斯拉先用，後來國内車企齊刷刷跟上。
一句話解釋，它代表了從傳感器輸入到控制輸出的單一神經網絡模型。我們知道，之前自動駕駛系統裏，是會有感知、預測、規劃和控制這幾個模塊，模塊裏寫滿了紅燈停綠燈行這樣的規則算法。這些模塊各司其職，整個過程像一條流水線。
端到端就是用神經網絡模型替換掉這些規則算法，用真實的數據去訓練這個大模型，讓機器的表現更 " 拟人 " 。
理論上端到端的上限會更高，比如遇到前車一直停着，這條道又是實線的情況，擱以前車子肯定就不敢動了，但端到端可能就從人類數據上學到了變通，壓一下線繞過去。
但車企們研究起端到端後發現，這玩意兒也不是說提升就提升的。
因爲端到端的神經網絡是一個黑箱，裏面很多東西沒辦法解釋。不是說喂得數據越多，機器表現就一定越好，而且還會出現，你想優化一個功能的時候，卻導緻另一個功能在倒退。
馬斯克之前解釋過 FSD V12.4.2 推遲發布的原因，他們發現投喂了大量需要人工接管的複雜場景數據後，機器在簡單場景的駕駛平順性反而倒退了。
類似的情況在理想等車企上也有發生。其實這種也沒什麽特别的招，隻能繼續喂數據，讓機器反複學，把忘掉的再學會。
所以到了端到端階段，你會發現頭部玩家的進步速度開始放緩，有種瓶頸期的感覺，不像以前開城階段，隔三差五就能吹一波更新。
畢竟大家都是剛接觸這個東西，早一步晚一步不會差太多，傳統車企現在進來也有機會趕上。
至少在消費者層面，目前市面上各家智駕的差距，也并沒有那種一個天上一個地下的程度。
脖子哥結合我的實際體驗來看，華爲智駕是第一梯隊的，但也不是沒有問題。
之前我試駕 ADS 3.0 的時候，晚上下着雨，路面有積水和反光，在通過一個無車道線路口的時候車子突然丢失了前方道路開始向左拐彎，爲了不去到隔壁的對向車道我們隻能上手接管。
然後像極氪、小米、智己等車企的智駕，功能差不多，實現表現上有好的地方，但也都會在某些方面有點小問題，很難看出哪家有明顯的版本領先。
當然，也不是說到了端到端，大家就都把智駕碗裏的水端得一樣平， NOA 沒有技術差距了。
說到底，端到端比拼的是數據和算力。數據質量越好，算力越高，對模型的優化速度也就越快。
至少在算力上，特斯拉還是蠻領先的。特斯拉之前透露的是今年 10 月，算力會達到 100 ExaFlops （也有數據是 87.5 ExaFlops ）。
什麽概念呢？就是它一家儲備的算力，比咱國内叫得出名字的華爲、理想、小鵬這些，加起來都要多。
這些是基礎。基礎打牢了，才有可能做到未來在哪個階段，某家車企手裏的數據積累得夠多，量變帶來質變，又迎來一波技術爆發。
說不定那個時候，智駕的馬太效應顯現，這個行業會像互聯網那樣，赢者通吃。
隻不過現在誰也不好說，那個節點什麽時候來，會不會來。
至少在當下，在大夥兒 " 卡 " 在端到端前面的這個階段，車企們推出自己的智駕，應該還能吃上熱乎的飯。
對于消費者來說，更多人來卷智駕肯定好事，迪子把電車價格打下來了，後面看看能不能把智駕的門檻也給打下來。
唯一不好受的，恐怕就是那些還沒入局的車企。之前已經慢了一截，現在再不抓緊整點啥出來，以後搞不好真的會變成被吃掉的那個。
撰文：白日夢
