得益于特斯拉的标杆引领作用，自动驾驶领域正掀起一股端到端布局热潮。
纵观市场，当前以蔚来、小鹏、理想等为代表的整车厂，以及元戎启行、商汤绝影、小马智行、鉴智机器人等在内的自动驾驶产业链公司，都在争相研发端到端自动驾驶，以实现更出色的智驾体验，以及功能进阶。
据辰韬资本联合南京大学上海校友会自动驾驶分会、九章智驾共同发布的《端到端自动驾驶行业研究报告》显示（以下简称《报告》），基于自动驾驶行业头部玩家纷纷提出端到端量产规划，预计模块化端到端系统将于2025年开始上车。
而真正的One Model端到端系统，作为广泛认定的端到端终局方案，由于需要更多模型、数据、训练算力和芯片层面的升级，中性预期其落地时间会晚于模块化端到端1~2年时间，从2026年至2027年开始上车量产。
图片来源： 《端到端自动驾驶行业研究报告》
这背后，端到端因为可以实现感知、预测、规划三个模型的高度融合，并通过海量数据持续训练算法，让机器拥有自主学习、思考和分析的能力，可以更好地处理复杂的驾驶任务，从而带来自动驾驶体验提升。
以特斯拉为例，其城市NOA软件FSD 以前版本只有 2% 左右的订阅率，但是自 2024年3月特斯拉开启引入了“端到端神经网络”技术的FSD v12大规模推送和免费试用后，据马斯克透露，其订阅率有大幅度提升。
不仅如此，由于该算法架构的强泛化性，端到端还被认为有可能驱动自动驾驶跨车型、跨地理区域、跨国家、跨场景的应用，在智驾出海中将大有可为，甚至催生新的产业分工和商业模式。
不过，尽管端到端在自动驾驶领域应用前景广阔，这一全新架构面临的落地挑战亦不容忽略。
《报告》指出，目前端到端自动驾驶在落地方面主要面临技术路线分歧、对训练数据需求量空前提升、对训练算力需求越来越高、测试验证方法尚不成熟、组织资源重塑等多重挑战。
图片来源：辰韬资本
在技术路线方面，现阶段无论是“ 模块化端到端”还是面向终局的“One Model 端到端” ，都有相应的追随者，并且由于行业内尚未出现可供参考的最佳实践案例，预计这种路线分歧还将持续一段时间。未来 1~2 年内，随着更多公司和研究机构在端到端领域加大投入并推出产品，技术路线才会逐渐收敛。
数据方面，端到端自动驾驶更是在数据量、数据标注、数据质量和数据分布等多个维度提出了更高的要求。小马智行 CTO 楼天城就表示，现阶 段，训练出一个一般性能的端到端模型，自动驾驶的数据量已经不是一个问题； 但是要训练出一个高性能的端到端模型，对数据的质量要求可能是几个量级的提 升，这是自动驾驶行业都会面临的挑战。
而在算力需求方面，特斯拉曾在2024Q1 财报电话会上表示，公司已经有35000张 H100 GPU，并计划在2024年内增加到85000张H100以上，但国内主机厂和自动驾驶公司的训练算力，目前鲜有企业能达到特斯拉的规模。
另外，测试验证方面，现有测试验证方法不适用于端到端自动驾驶，行业亟需新的测试验证方法论和工具链；组织资源投入方面，端到端需要组织架构重塑，也需要将资源投入倾斜到数据侧，对现有模式提出挑战。
也正因如此，尽管业界已经对端到端重构自动驾驶形成普遍共识，目前的量产方案大多仍停留在“决策规划模型化” 阶段，距离模块化端到端或 One Model 端到端自动驾驶真正规模化落地还有一段距离。