本期视频专业性有点高，适合对智能汽车尤其是自动驾驶感兴趣的朋友们。

如果你看过华为或者车企的新车发布会，在讲到自动驾驶能力时，他们一定会提到“端到端”、“神经网络算法”、“大语言模型”等专业名词，这些词究竟是什么意思？自动驾驶现在到底发展到什么阶段了？哪家实力更强？

这些年我跟不少专家、工程师探讨过，也翻看了大量券商研报，接下来我就尝试用人话给你讲清自动驾驶那些事。因为内容有点多，我们分几期跟大家唠唠。

首先，需要介绍一下自动驾驶整体上的工作原理，以及这些年技术发展的脉络，这样有助于大家理解各个专业名词。

自动驾驶功能的实现需要硬件和软件共同支持，硬件大家看得见摸得着，包括激光雷达、毫米波雷达、摄像头、高算力芯片等，无论是厂家还是4S店的销售，都愿意大力介绍这些硬件，因为它们能让你错觉这辆车很牛，然后心甘情愿地掏更多钱买单。

但其实，堆硬件说明不了问题，反而很可能是“差生文具多”，自动驾驶能力的高下，更多取决于软件，也就是算法。打个比方，小孩儿虽然视力、记忆力、反应速度都比大人好，但处事能力却差很多，原因就是心智不够成熟，自动驾驶的软件算法正是这个心智。

所以接下来我们着重说说软件算法。通常情况下，自动驾驶算法分为感知、预测、规划控制几个部分，几年前大家采取的是模块化+流水线式的工作模式，雷达和摄像头相当于从外面拍了很多视频回来，交给感知模块识别，认出这是一辆车，那是一个行人，它们的速度位置都是什么，感知模块完成这道工序后，继续交给预测模块去分析；预测模块要搞清这辆车和这个行人接下来要往哪里去，会和我的车发生什么关系，分析好之后再交给规划控制模块去处理；规划控制模块的任务，则是做出驾驶决策，指挥车辆接下来是该调整方向，还是加大油门，还是刹车制动。

简单概括，在传统模块化算法架构下，外部信息输入进来到最终输出成可执行的驾驶指令，需要经过一连串的模块，模块和模块之间泾渭分明，就像流水线上的一个个车间。而上一个车间如何与下一个车间交接工作，必须由人为规定好。

了解了模块化算法的工作模式，就很容易理解它的弊端：第一就是非常依赖规则，条条框框都要写清楚，像做题一样把各种数据套入公式，得出明确的解之后，才能交付给下一个模块进一步处理。这就导致程序员要写海量的代码，同时高精地图也是不可或缺的。

但即便花费了巨大的人力物力成本，也不可能把所有路况都提前标注清楚，一旦出现规则以外的特殊情况，车辆还是不知道该怎么办。

此外，用抽象死板的规则去界定复杂的外部世界，本身就会带来误差，而这些误差又会在模块与模块间的信息传递中，被进一步放大，最终在下游累积，如果你玩过传话的游戏，应该能想象这种差之毫厘谬以千里的结果。同时，模块之间的数据传输和计算都需要花费时间，导致整体算法延时较高，处理紧急场景能力较弱。

上述这些问题对于自动驾驶来说都是非常致命的问题，稍有差池就是车毁人亡，所以必须要对软件算法进行迭代升级，也就有了端到端算法架构的诞生。那下一期视频，我们就来具体说说，什么是“端到端”、“神经网络算法”和“大语言模型”。