端到端模型落地量产，自动驾驶企业争抢上车(3)

他表示，目前公司已经掌握了足够的数据量去证明自己的智能驾驶系统，但如果选择端到端模型，其需要的数据量将呈指数级增长。

“毫不夸张地说，数据会占据端到端自动驾驶开发中80%以上的研发成本。”贺翔判断。

根据特斯拉的计算，完成一个端到端自动驾驶的训练至少需要100万个、分布多样、高质量的 clips （视频片段）才能正常工作。而在2023 年初，特斯拉就声称已经分析了从特斯拉客户的汽车中收集的1000万个clips。

解决数据采集问题只是第一步，算力也是很大的限制。为了能在云端处理这些数据，当前特斯拉拥有近10万张英伟达的A100，位居全球top5。其目标是，依靠英伟达的GPU和自身的Dojo超级计算机，要在2024年底达到100EFlops的算力，遥遥领先。

而在美国多轮制裁之下，国内采购GPU难上加难。贺翔表示，“大部分企业手里拥有的算力资源非常有限，拥有超过1000张A100的企业寥寥无几，甚至全国加起来都没有特斯拉一家企业多。”

即使有了数据和算力，如何设计合适的自动驾驶算法来进行端到端训练，依然没有统一的谜底。端到端自动驾驶的评估也十分困难。如何将系统从云端搬到算力和功耗都有限制的车上进行泛化又是难题。

端到端模型还有一个关键的弱点在于可解释性。当出现问题时，其无法像传统自动驾驶任务一样将中间结果拿出来进行分析，难以对事故、售后定责等问题给出有效的证据，也难以直接对出现问题的环节进行改进。

纵然面对各种挑战，业界对端对端模型也抱有不同看法。仍有企业相信，端到端自动驾驶是未来最有希望实现无人驾驶的途径之一，并且已经开始在这条道路上加深探索。

“我认为特斯拉也会迎来一个所谓的‘ChatGPT 时刻’，就算不是今年，我认为也不会迟于明年。这意味着某一天，突然之间，300万辆特斯拉汽车可以自己驾驶……然后是500万辆，然后是1000万辆……”马斯克在去年5月接受CNBC专访时说。

周光也在公司内部提到过，他希望元戎启行能够做端对端自动驾驶Scaling Law的验证者。

元戎启行是国内第一家能够将端到端模型成功上车的人工智能企业，并宣布已与英伟达达成合作，将于2025年采用英伟达的DRIVE Thor芯片适配公司的端到端智能驾驶模型。在2023年8月，公司已经运用端到端模型完成了道路测试。

在安全性问题上，元戎表示，刚开始把端到端模型上车的时候，融易新媒体消息，会有很多兜底策略保证安全。譬如，发现将要发生碰撞时，系统就会启动安全模型，让车很早就进入保守的策略，避免出现安全事故。未来，随着端到端模型表现越来越好，兜底策略会越来越简化。

“算法上元戎有很深的积累，算力资源层面我们和英伟达有深度技术合作，我们的大股东阿里也会为我们提供支持，数据层面，我们已经和多家车企有了量产合作，客户为我们提供了很多有价值的数据。”周光对端对端的路线有着很大的信心。