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。

前面两期视频，我用最直白的方式解释了一下上一代和当前最火的自动驾驶技术，以后大家再听到“端到端”、“神经网络算法”、“大语言模型”等专业名词，就知道车企在说什么了。

但可能很多人也发现，自动驾驶技术说的好听，落到实际应用层面，却是八斤八两，没觉得谁家的自动驾驶功能达到了让人惊艳的程度。

刨除法规限制、车辆硬件等因素不谈，首先，企业采用的是不是端到端架构，又是哪种层次的端到端架构，我们很难知晓。

其次，端到端算法本身有一个先天问题，就是它更像一个黑盒。因为端到端模型被构建为一个整体，无法像传统自动驾驶任务一样，把中间某个环节单独拿出来进行分析，所以端到端算法的可解释性和闭环验证性都不好。

目前，“端到端自动驾驶”的引领者还是特斯拉，去年8月马斯克亲测了FSD Beta V12，这是第一个端到端AI自动驾驶系统。国内头部企业大多采取渐进的策略，先将决策和规控算法神经网络化，小步快跑逐步为未来的全栈端到端打下基础。像华为在2024年智能汽车解决方案发布会上，推出了GOD（感知大模型）+PDP（端到端规控大模型）算法；小鹏也推动了感知大模型升级和规控大模型上车，形成了Xnet+Xbrain+Xplanner的端到端自动驾驶架构。即使目前已经表示采用全栈端到端架构的玩家，如元戎启行和商汤，也会用规则化的策略来兜底，保障安全。

此外，就像我们学开车一样，基础的“脑力”、好的教练以及大量的练习都是不可或缺的，自动驾驶也是如此，它和所有AI应用类似，必须算力、算法和数据都给力，才能实现媲美老司机的效果。

这里需要多说两句，算力指的不是车上安的那颗英伟达8295芯片，而是车企用于训练自动驾驶模型的超算中心。数据指的也不是随随便便的驾驶数据，而是成熟驾驶员的优质驾驶数据。

所以综上所述，虽然自动驾驶现在更像是一门玄学，但我们还是能够通过一些硬性条件，推测出哪些企业的自动驾驶会越来越强的。

比如，这家企业一定要有算力足够强的超算中心。可以观察到的是，伴随端到端的落地，特斯拉对算力的需求出现了大幅提升，这也反过来帮助其算法实现更加快速的迭代。当然，这背后都是白花花的银子，特斯拉计划2024年底前对DOJO超算中心投资超过10亿美元，以提升总算力至10万PFLOPS。

国内车企里，蔚小理、吉利长安等头部主机厂也都在加速提升算力，上游供应链里，华为、商汤、毫末等，已经拥有了可观的算力布局，但总体来看，量级和特斯拉还是有不小差距的。

另外，海量优质数据将成为自动驾驶行业的稀缺资源。截至今年4月，特斯拉已经拥有累计20亿公里的行驶里程数，并且有望在年底接近100亿公里。观察特斯拉的功能迭代也可以看出，要想达到特斯拉的自动驾驶水准，海量、多样化、高质量的数据不可或缺。

海量优质数据，最主要的来源是用户，这要看你的车保有量多有大，具不具备收集驾驶数据的能力，用户会不会用你的自动驾驶功能。根据公开信息，特斯拉在这方面还是遥遥领先的。

不过特斯拉的数据并不是在国内收集的，很可能不适应咱们国家的复杂路况，而国内像华为这样的头部玩家，自动驾驶实际体验已经很出色了。

总而言之，自动驾驶目前正处在爆发的前夜，国内外头部企业都在进行有关算力、算法和数据的新一轮军备竞赛，未来强者恒强的马太效应会越来越明显，赢家将是大力出奇迹的那些企业。