近日，特斯拉股價開啟了一輪“猛烈反彈”。7月第一周，特斯拉股價累計漲幅超27%，7月5日的收盤價為251.55美元，只花了一周的時間，特斯拉就抹平了上半年的所有跌幅。

對于特斯拉突如其來的“狂飆”，不少業(yè)內(nèi)人士認為與其二季度的交付數(shù)據(jù)有關(guān)。今年二季度，特斯拉全球交付超44.4萬輛電動車，環(huán)比增長14.7%，優(yōu)于華爾街機構(gòu)預(yù)期的43.8萬輛。

不過，雖然特斯拉二季度的交付數(shù)據(jù)不錯，但仍然比去年同期的46.6輛少了。所以，交付數(shù)量并不是推動特斯拉股價狂飆的唯一因素，在人工智能、儲能業(yè)務(wù)方面的“新故事”，可能才是特斯拉的“市值光環(huán)”。

業(yè)內(nèi)人士指出，投資機構(gòu)開始意識到特斯拉可能是美股市場上最被低估的“AI投資標(biāo)的”，有分析團隊估算，特斯拉全自動駕駛（FSD）業(yè)務(wù)估值或高達1萬億美元，超過了特斯拉8000億美元左右的市值。

今年4月，隨著馬斯克訪華一同而來的，還有FSD即將入華的消息，也是從此時開始，特斯拉的股價就開始持續(xù)修復(fù)，國內(nèi)新能源車企的智能駕駛業(yè)務(wù)也迎來積極調(diào)整，特斯拉這條“鯰魚”，已經(jīng)開始攪動國內(nèi)的智駕市場了。

特斯拉引發(fā)“鯰魚效應(yīng)”，“端到端”一夜崛起

今年1月，特斯拉正式向普通車主推送了最新版本的全自動駕駛FSD Beta V12，這一版本在2023年就已經(jīng)發(fā)布了內(nèi)測版，并被業(yè)內(nèi)人士稱為是自動駕駛的“里程碑時刻”。

從技術(shù)層面上來看，特斯拉FSD V12與當(dāng)前車企通用的智駕方案，在實現(xiàn)路徑上有著本質(zhì)的區(qū)別。FSD V12采用的是“端到端”技術(shù)路線，只需輸入原始數(shù)據(jù)就能直接輸出最終結(jié)果的AI模型，可以通過觀察和模仿人類駕駛行為來優(yōu)化駕駛決策，反應(yīng)速度更快。

而傳統(tǒng)的智駕方案通常是將感知、決策和控制分為獨立的模塊，每個模塊專注于解決特定的問題，再依靠人工編程根據(jù)不同場景提前定義規(guī)則，讓智能駕駛基于規(guī)則來執(zhí)行。

傳統(tǒng)智駕方案的好處是模塊化的處理簡化了系統(tǒng)開發(fā)的難度，利于問題回溯與研發(fā)迭代；但缺點是基于人工設(shè)想的規(guī)則難以覆蓋道路駕駛的邊緣場景，難以應(yīng)對城市道路上的突發(fā)情況，導(dǎo)致使用體驗不如預(yù)期。

此外，為了應(yīng)對這些非常少見，卻又不能缺少的邊緣場景，一家企業(yè)可能需要數(shù)千個工程師，將90%的精力花費于編寫corner case的代碼上，這也增加了智能駕駛迭代的成本和難度。

但據(jù)馬斯克表示，F(xiàn)SD采用“端到端”技術(shù)之后，只需要用3000行代碼就能替代原來的30萬多萬行代碼。

因此，作為世界首個“端到端”AI自動駕駛模型，F(xiàn)SD V12從誕生之初就備受關(guān)注，特別是在新能源汽車競爭已經(jīng)進入白熱化階段的當(dāng)下，消費者已經(jīng)逐漸對車企卷價格、卷配置、卷營銷等招數(shù)“脫敏”，新能源汽車行業(yè)也急需一個“新故事”來刺激消費者的購買欲，而特斯拉FSD就成為了攪動智駕行業(yè)的“鯰魚”。

一直以來，特斯拉在自動駕駛技術(shù)方面都以獨立獨行的姿勢在發(fā)展。相較于國內(nèi)大多數(shù)自動駕駛方案供應(yīng)商們所選擇的激光雷達路線，特斯拉從2015年開始自動駕駛研究時，就一直堅持純視覺自駕方案FSD，馬斯克甚至表示，“任何依賴激光雷達的人都注定要失敗，昂貴的傳感器是不必要的”。

開始的時候，外界認為馬斯克之所以堅持純視覺路線，是因為激光雷達的成本太高，但事實上，隨著技術(shù)成熟和規(guī)模效應(yīng)，激光雷達的價格已從超10萬美元降至數(shù)百美元。

所以，馬斯克堅持純視覺路線的另一原因，則被認為是其對“第一性原理”的信仰。馬斯克認為既然人類是通過眼睛觀察來駕駛汽車的，那么攝像頭作為最接近人類眼睛的傳感器，其視覺能力也能夠超越雷達融合方案。

目前來看，外界對FSD V12的反饋普遍不錯，小鵬汽車董事長何小鵬表示，F(xiàn)SD在硅谷和高速表現(xiàn)極好，可以達到很高的分數(shù)；英偉達CEO黃仁勛則稱贊FSD是目前最先進的系統(tǒng)。

因此，隨著4月馬斯克訪華而傳來的“FSD即將入華”消息，也引起了新能源車圈的熱門話題。不少車圈人士，比如何小鵬、余承東等均表示支持；但也有人認為，考慮到中國較為復(fù)雜的路面情況和數(shù)據(jù)安全，F(xiàn)SD入華恐怕還有不少“未知數(shù)”。

但在6月中旬，據(jù)財新報道，一名接近上海市政策制定部門的人士稱，上海自動駕駛示范區(qū)已向特斯拉發(fā)放了道路測試牌照，F(xiàn)SD可能正在測試。雖然特斯拉中國對此未有回應(yīng)，但“FSD入華”顯然已經(jīng)成為國內(nèi)車圈必須直面的競爭因素。

大模型加速“上車”，車企開展軍備競賽

在去年特斯拉發(fā)布了首個“端到端”自動駕駛模型FSD V12之后，多家新能源車企也開始對旗下的智能駕駛業(yè)務(wù)進行調(diào)整，并紛紛發(fā)布了端到端模型的“上車”規(guī)劃。

小鵬汽車是國內(nèi)首個發(fā)布量產(chǎn)上車的端到端模型的整車企業(yè)，預(yù)計在2024年第三季度實現(xiàn)全國范圍內(nèi)的無障礙駕駛。去年，小鵬汽車智駕負責(zé)人吳新宙離職后，目前由曾任阿里巴巴達摩院的自動駕駛實驗室運營負責(zé)人袁婷婷，擔(dān)任小鵬自動駕駛產(chǎn)品高級總監(jiān)。

蔚來則單獨設(shè)立了一個大模型部，專門負責(zé)端到端的模型研發(fā)。據(jù)蔚來自動駕駛副總裁任少卿表示，蔚來已經(jīng)在布局端到端，預(yù)計今年將實現(xiàn)上車量產(chǎn)。

理想雖然在5月對智駕團隊的規(guī)模進行了縮減，但依然保留了算法研發(fā)團隊，主要負責(zé)無圖城市NOA以及端到端智駕的研發(fā)。在近日舉辦的智駕發(fā)布會中，理想發(fā)布了基于端到端模型、VLM視覺語言模型和世界模型的全新自動駕駛技術(shù)架構(gòu)，并在7月內(nèi)向用戶推送“全國都能開”的無圖NOA。

華為則在今年4月發(fā)布了ADS 3.0端到端架構(gòu)，并表示將于8月隨著享界S9正式上市。據(jù)辰韜資本發(fā)布的《2024端到端自動駕駛行業(yè)研究報告》顯示，端到端方案上車量產(chǎn)時間預(yù)計會出現(xiàn)在2025年。

長城汽車則在3月宣布將引入元戎啟行作為第二家智能駕駛供應(yīng)商，元戎將為長城提供端到端的智能駕駛方案，今年計劃落地三款車。

車企扎堆“端到端”背后，一方面是它們對智能駕駛應(yīng)用落地的迫切追求，近年，車圈的同質(zhì)化競爭趨勢已經(jīng)越來越明顯，所以智能駕駛成為各家的必爭之地。

但即便是新勢力中將智能駕駛做到前列的小鵬，也只是完成了NGP覆蓋243座城市的目標(biāo)，隨著“FSD入華”，車企提升智駕能力也將變得更加迫切，誰能更高效、更低成本地支持城市NOA，誰就能搶先一步與友商拉開差距。

另一方面，在智駕升級的壓力之下，各大車企也通過大量實踐、試錯，逐漸認識到“端對端”是提升智能能力的“有效解法”，在自動駕駛領(lǐng)域，端到端大模型將能帶來更加突出的算法能力躍升。

但端到端對自動駕駛來說，可能是“有效解法”，但卻不一定是“最佳解法”。馬斯克曾發(fā)文表示，特斯拉今年將在綜合訓(xùn)練和推理人工智能方面（主要用于汽車）投入約100億美元，任何公司如果不能達到這一水平的支出，且不能高效地進行支出，就無法競爭。

這其實也揭示了端到端模型背后的三大棘手問題：高質(zhì)量數(shù)據(jù)、算力和算法。首先，自動駕駛系統(tǒng)需要大量的高質(zhì)量訓(xùn)練數(shù)據(jù)，但收集、標(biāo)注和維護這些數(shù)據(jù)也成為了一項挑戰(zhàn)。

比如馬斯克就曾在自傳中提到，特斯拉全球200萬臺車每天可收集1600億幀的駕駛視頻，但絕大多數(shù)視頻都是無用的。毫末智行數(shù)據(jù)智能科學(xué)家賀翔曾表示，數(shù)據(jù)占端到端自動駕駛開發(fā)成本的80%。

另外，要將來自于不同的傳感器、設(shè)備和環(huán)境的數(shù)據(jù)用于自動駕駛的訓(xùn)練和應(yīng)用，就需要進行準確的數(shù)據(jù)對齊，這不僅需要先進的算法和技術(shù)支持，還需要對這個領(lǐng)域有深入理解。

最后，算力問題也是攻克端到端方案的必由之路，就連馬斯克都曾抱怨FSD的最大限制因素是算力，如果以上述其提到的百億元作為“算力門檻”，即便不考慮國內(nèi)主機廠和智駕廠商能否購買到足夠多的高算力GPU，光研發(fā)費用就已經(jīng)攔下了不少車企。

所以，端到端模型看似是智能駕駛的“最優(yōu)解”，但卻是“簡約不簡單”。而且，當(dāng)前業(yè)內(nèi)對“端對端”的概念也還沒有一個清晰的定義。

據(jù)辰韜資本研報顯示，自動駕駛架構(gòu)的演進可以分為四個階段，分別是感知端到端；決策規(guī)劃模型化；模塊化端到端；單一模型端到端。