端到端自动驾驶行业研究报告-2024.docx

端到端自动驾驶行业研究报告

报告摘要

端到端逐渐成为自动驾驶行业的共识

2023年以来，在行业龙头特斯拉的标杆作用、大模型代表的AGI技术范式、

以及自动驾驶拟人化和安全性需求的共同推动下，自动驾驶行业对于端到端的关注度一路升温。产业界、学术界和资本市场在端到端自动驾驶领域都有里程碑事件发生。

端到端自动驾驶已经成为明确的行业共识。本行研报告访谈了30余位自动驾

驶行业一线专家，其中90%表示自己所供职的公司已投入研发端到端技术。

作为新兴技术领域，端到端的基本概念存在误区，本报告提出一套可供参考的概念定义和术语体系

早期，端到端的核心定义是“从传感器输入到控制输出的单一神经网络模型”，

近年来，端到端的概念有了更大范围的延展。本报告认为，端到端的核心定义标

准应为：感知信息无损传递、可以实现自动驾驶系统的全局优化。

基于以上定义标准，并结合自动驾驶系统中AI的应用，本报告将自动驾驶技术架构分为四个阶段，分别是感知“端到端”、决策规划模型化、模块化端到端、以及OneModel端到端，其中，后两个阶段符合前述端到端的定义标准。

同时，端到端与大模型、世界模型、纯视觉传感器方案等相关概念常常被混淆，

本报告也对其区别与联系做了辨析。

端到端的落地面临诸多挑战，包括技术路线、数据和算力需求、测试验证、组织资源投入等

技术路线：端到端技术路线还未形成最佳实践，技术路线存在分歧。

数据：在端到端技术架构下，训练数据的重要性得到前所未有的提升，其中，数据量、数据标注、数据质量和数据分布的相关问题都可能成为限制端到端应用

的挑战。

训练算力：端到端训练算力需求急剧提升，行业头部玩家均储备千卡~万卡级训练算力。

测试验证：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。

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。端到端自动驾驶与通用人形机器人相互启发，竞逐物理世对于通用人形机器人的有较强的借鉴作用。

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。

端到端自动驾驶与通用人形机器人相互启发，竞逐物理世

对于通用人形机器人的有较强的借鉴作用。

端到端自动驾驶行业研究报告

组织资源投入：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。

另一方面，虽然有观点认为车端算力不足和可解释性问题是端到端落地的限

制因素，但本报告提出相反结论并进行辨析。

展望：端到端将于2025年开始上车，带动上游技术进步、市场和产业格局演变

技术上，端到端的落地会推动其依赖的上游工具链、芯片等加速进步。市场

端，端到端带来的自动驾驶体验提升，将会带来高阶辅助驾驶渗透率的提升；由

于其强泛化性，端到端也可能驱动自动驾驶跨地理区域、跨国家、跨场景的应用。产业格局方面，端到端使数据和AI人才的重要性进一步提升，可能催生新的产

业分工和商业模式。

界AGI落地之路

自动驾驶在发展的早期借鉴了很多机器人行业的积累，包括感知算法、规划

算法、中间件和传感器等多个层面。近年来，自动驾驶技术和产业成熟度提高，

其中端到端自动驾驶提供了一套已验证、可量产的基于数据驱动的AGI技术范式，

目前，自动驾驶和通用人形机器人已经成为物理世界AGI发展最重要的两个

应用领域，比较二者在落地之路上遇到问题和解决路径，可以给另一个领域更大的启发。

前言内容目录端到端的基本概念

前言

内容目录

端到端的基本概念

端到端自动驾驶行业研究报告

端到端开启新一轮自动驾驶产业革命

端到端开