火热的智能驾驶，不同的故事线
2024-12-21 00:00:00江睿杰
第一财经 2024年12期
2024年1月，特斯拉正式推送了其智能驾驶辅助系统FSD（FullSelf-Driving）的V12版本，并称该版本已升级为“端到端神经网络”。“端到端”一词随后成为汽车业贯穿全年的关键词。
与此同时，智能驾驶开始大步跨入公众视野。百度的无人驾驶出租车服务“萝卜快跑”截至2月已覆盖武汉主城区大部分区域，引发热议；特斯拉的无人驾驶出租车Cybercab10月在公众面前亮相，也吸引大量目光。多家主攻智驾技术的公司今年先后上市，似乎重新成为资本市场的宠儿。
这些近乎同时涌现的事件在中文语境共享着同一个名词“智能驾驶”，很容易被联想到一起，但实际上它们有各自的独立故事线—“端到端”技术受益于这两年蓬勃发展的AI大潮，想让神经网络代替一条条具体的驾驶规则；而无人驾驶出租车长期使用的技术路线正是“端到端”想要淘汰的。此外，部分智能驾驶公司的资金遇到了新的瓶颈，这也不该由“端到端”背锅，而是因为整个赛道的融资节奏确实又到了需要输血的时候。
理解这些“各自独立”的故事线，才能更完整地理解它们彼此发生的交汇，也更能理解智能驾驶到底进展如何。
端到端的上限与下限
特斯拉FSDV12几乎是在第一时间改变了行业对自动驾驶技术时间线的判断。中国的创业者们也几乎都第一时间就意识到自己必须跟上。
小鹏汽车创始人何小鹏在2024年去美国体验了特斯拉FSD的V12版本后称“FSD在数月里有很大的进步”“在硅谷和高速表现极好”。智能驾驶独角兽Momenta的创始人曹旭东说得更直接，“FSD在这半年内进化了几十倍”。
根据何小鹏以及诸多试车者的体验视频来看，FSDV12最大的提升是操作“更像人”。一方面是新版本速度和转向控制丝滑平顺，极少出现急刹急转的顿挫感，也不会加速过猛。另一方面在面对复杂路况需要让行时，新版本也能更灵活高效地通过，而老版本相对更“老实”，有时候甚至会无法通过。
“蔚小理”等在智能驾驶领域走得比较快的主机厂，以及华为、Momenta等头部供应商，都开始推自己的“端到端”解决方案。对于主机厂而言，这么做的近期目标很明确，要维持自己在品牌和技术上的高端调性，必须紧跟技术潮流。端到端的方案能帮助它们快速地将自动转向、变道等辅助驾驶功能普及到更多车型和更多道路上。至于这些“端到端”实际上表现如何，到底能帮车企多卖多少车，很多时候还需要打个问号。而在宣传这一功能时，各个车厂一方面会使用“有路就能开”这种大胆的表述，同时又谨慎地提醒用户，这只是辅助功能，部分路况仍需驾驶员接管。
2024年智能驾驶公司融资大事件
每家研究智能驾驶技术的企业如今几乎都有自己一套关于“端到端”的解释。不过要准确理解这个概念，最好还是跳出这些复杂的词语迷雾，回到特斯拉使用这个词的初始语境。
在使用“端到端”技术之前，特斯拉的智能驾驶辅助系统FSD使用的是一套包含30多万行代码的规则体系。所谓“规则体系”，可以理解为一本试图做到详尽无遗的驾驶手册。这种技术思路试图把不同路况都归入这本手册中的特定章节，然后通过让智驾AI把这本超级手册完全背下来并照章执行来完成自动驾驶。具体而言，这种“照章执行”一般包括以下过程：感知、预测、规划、执行—这些过程各自有各自的算法和“规则体系”。
这一技术流派的代表是Google重金支持的Waymo。Waymo成立于2009年，基于凤凰城、洛杉矶、旧金山等少数城市的高精地图，在这些区域建立了极其详备的驾驶规则。根据官方数据，今年10月底时Waymo旗下的无人驾驶出租车每周付费订单量超过15万单，周里程超过160万公里。
但是Waymo的“硬规则”方案有一个根本上的限制，那就是有赖于完善的高精地图来为AI“指明”路况。高精地图非常昂贵，不仅需要费时费力测量，还要高频维护，这不仅使得Waymo的业务长期只局限于少数特定城市，无法大规模扩展张，而且让其业务模式变得非常烧钱。仅仅为了在少数城市做到“自动驾驶”，Waymo在2020年5月至今的四年半中已经融资了113亿美元。
与此相比，“端到端”方案的可拓展性要强得多。它试图让AI成为一个能够独立思考的大脑，让它像人一样学会理解模式路况，从而在驾驶时可以抛掉极其繁复的规则，根据自身的直觉反应来开车。所谓的“端到端”（end-to-end），最初始的含义，指的就是自动驾驶系统从输入端获得传感器的各项数据，到输出端的执行驾驶行为，中间全靠一个人工智能模型来完成。由于这个模型能够不断学习，并且对陌生的路况作出合适的决策，所以不依赖高精地图理论上也能适应各种路段。用曹旭东的话来说，Waymo方案虽然“下限相对高”，但是“上限低”，“端到端”模式则相反，上限高，但下限低。
下限低的原因，就是它可能出现各种各样的低级错误。用大语言模型的例子来对比，就是可能会出现各种“幻觉”。而在驾驶这件性命攸关的大事面前，“幻觉”是绝对不能被容许的。
会出现幻觉的核心原因在于神经网络模型是个“黑盒”，科学家能够基于它输出的结果来评估模型的好坏，但并不清楚模型内部的功能机制，很可能解决了一个问题的同时又会引发其他新问题。
解决这类问题的常见思路是“分而治之”，也就是把驾驶这件事拆分成不同的模块，一个一个解决其中的幻觉，避免互相干扰。但怎么拆是关键。Momenta尝试使用“功能场景树”的分类方案，拆出数以百计的细分场景，然后排查出真正容易出问题的场景，再去分析原因和解决。
拆完最后当然需要重新“合”起来，这其中有一个常见的误解，就是认为最后的整合程度越高，代表技术越强—最理想的情况就是上文提到的初始意义的端到端，即所谓的“一段式端到端”。
但“一段式”实际上是个伪概念。以人脑为例，看似是一个整体，其实仍旧可以细分为各不相同的功能区域，比如下丘脑管情绪，海马体管记忆。表面再怎么“一段”，内里的区分仍然不可避免，毕竟如果不做这些区分，就很难解决“幻觉”。所以不仅没必要过分追求“一段式”，甚至于即使在“端到端”模型中也可以接受部分代码仍旧以硬规则形式来托底，就好像我们虽然基本是在凭“感觉”开车，但牢记交通规则仍旧是必要的。
“端到端”的核心是一种技术思路，而不是包治百病的解决方案。曾任“自动驾驶第一股”图森未来CEO的侯晓迪认为“端到端”真正强调的是“一个神经元的集合和另外一个神经元集合之间的通信带宽增加”，也就是说在最后整合完成的“端到端”模型中，感知、决策等不同功能模块不再像“硬规则方案”里只是各管各，而是相互能够共享更多信息，让智驾AI得以在规划路径时考虑更广的上下文，从而作出更好的决策。
简而言之，真正衡量一个“端到端”模型优劣的并非模型本身的“段数”，而应该是其实际行驶表现。以最常见的指标而言，就是在城区道路行驶每千公里所需的接管次数。理想的状况是千公里零接管，而目前的行业头部水平基本是每数十公里需要接管一次。近期内如果能达到城区路况百公里零接管，就已经很不错。
另一家智能驾驶独角兽元戎启行CEO周光表示，如今“端到端”技术的进度条“仅相当于大语言模型的GPT2.0时刻”。
智驾公司集中上市，只是因为需要上市
在“端到端”的技术风潮席卷中美的同时，一些成立已久的智能驾驶行业创业公司在资本市场上也受到追捧。
今年港股IPO金额最高的是地平线科技，上市当日公司市值一度突破600亿港元（约合551亿元人民币），它为智能驾驶系统提供芯片；另一家业务类似的公司黑芝麻智能也在今年登陆港交所；地平线上市之后的第二天，文远知行在纽约纳斯达克交易所上市，市值近45亿美元，它的目标是研发全自动驾驶的系统，而与它目标类似的创业公司小马智行、Momenta等也都拟在纳斯达克上市。
上市对这些公司来说当然可喜可贺，但并不意味着这些公司已经成功“上岸”，成为一家持续赚钱的好公司。事实上，它们仍处于大规模烧钱的阶段，只不过先前的投资方已经到了需要退出的阶段，而公司也需要进一步补充弹药，上市成了一个自然的选择。
一个可以对比的案例是，完全自动驾驶的领先者Waymo今年也再次获得了由母公司Alphabet领投的56亿美元融资。相较之下，中国公司的上市只是另一种融资方式而已。
以地平线为例，截至2024年年中，公司的累计亏损额接近297亿元。虽然公司毛利早已转正，为了在激烈竞争中占得先机，每年要投入数十亿元的研发开支，而相比之下，公司去年的总收入才15.5亿元。这样的资本规模要寻求风险投资基金的支持已经不太现实，上市可以说几乎是必然的。
端到端与传统智能驾驶方案的主要区别
地平线主营的是智能驾驶芯片以及基于芯片的软硬件综合解决方案，相比于只做软件方案的公司，它的市场需求其实增长更快，公司的营收、毛利同比和环比也都在持续增长。而以Robotaxi为目标的文远知行，资金压力更大一些。公司2023年的营收较上一年同比下降24%，今年上半年的营收同比下降达18%，毛利同比也在快速缩水，再加上每年10亿元左右的研发费用，融资的需求更为迫切。
事实上，为了缓解财务紧张，这几年智驾公司已经做了很多努力。很多原本专注做Robotaxi的公司也开始为量产车提供解决方案，小马智行、文远知行等创业公司，早已在开拓可商用的自动驾驶场景，比如港口、机场、工厂、矿区等封闭区域道路。
另一方面，以元戎启行为代表的创业公司则积极寻找传统主机厂的支持，想把当下可量产的辅助驾驶功能应用于量产乘用车上。比如Momenta在2021年获得戴姆勒、丰田、上汽、通用、博世等头部车企或供应商的超10亿美元融资，逐步敲定了多笔量产订单。截至今年6月底，中国道路上已经有近10万辆搭载Momenta量产辅助驾驶功能的车在行驶。元戎启行则在2024年获得了长城汽车的战略投资，并进入其供应链，每月新增装机量数千辆。滴滴自动驾驶也于2024年获得C轮3亿美元融资，领投方广汽旗下的电动车品牌埃安还与其成立合资公司，计划在2025年推出自动驾驶出租车。
随着规模增长，为量产车配套智能驾驶方案的人效正在快速提升。曹旭东在接受播客《晚点聊》采访时提到，Momenta的第一个量产配套项目投入了400多个人，花了一年半时间，而如今只需要几个人花半年时间就能完成。可即便如此，Momenta仍然缺钱。据彭博社报道，公司计划通过上市在2025年继续募集2亿至3亿美元的资金。在目前这个仍在快速烧钱做研发的赛道里，盈利依旧遥遥无期。
对于这场商业长跑，不同资方的考量不尽相同。比如在智能驾驶公司初创阶段就积极参与的风险投资基金，它们最主要的考量是让被投公司以合理的价格上市，便于卖出股份获取投资收益。而车企投资通常发生在初创阶段的尾声，这时车企已经认可了企业的技术潜力，把投资作为锁定未来量产合作的一种方式。等到智驾公司已经获得足够多量产客户之后，公司的业务模式及其竞争力对于一般公众已经拥有一定的说服力，在公开市场上市才会成为可能。
从智驾公司的角度来说，筹钱永远只是公司发展的手段，而非目的。在目前这个红海市场中，上市最多只能算预赛的终点，正赛才刚要开始。至于“端到端”是否能帮助它们在这局比赛中取胜，周光的看法很直接：“上端到端可能赢，不上一定输”。
Robotaxi真正的商业逻辑是成本
在智能驾驶领域，向来有泾渭分明的两条路：俗称“L2”和“L4”。端到端在这两条路上的受青睐程度并不同：L2面向量产乘用车，提供辅助驾驶功能，上“端到端”很积极；L4则专注于Robotaxi，旨在造出完全不需要人驾驶的出租车，彻底改变城市出行，这条赛道上的许多头部企业并不热衷于“端到端”。
Robotaxi的目标很高，但大多数Robotaxi产品背后的技术尚且无法与之匹配。今年7月，小鹏汽车创始人何小鹏对此有一个概括，“L4（指无人驾驶）公司很多的技术路线还是算法+小AI模型的组合”，也就是说，仍旧严重依赖于刚性规则的设定，AI泛化能力不足。
这很大程度上是受Robotaxi的运营方式所限。由于Robotaxi的定位是完全无人驾驶，因而政策通常限制其只能在人流不太密集的特定区域、甚至特定时间段试运营。美国的Waymo、百度旗下的“萝卜快跑”都面临类似情况。这一限制使得基于有限区域的高精地图方案能够快速见效，但也暴露出“难以泛化”这一短板。虽然里程数据可以不断积累，但是由仅限于少数道路，其新增数据对算法优化的价值会持续递减。
与之相反，量产车仍旧需要驾驶员坐镇这一“劣势”，从积累数据的角度来看倒成了优势。由于只要有路的地方就能开，量产车上搭载的智驾AI能够获取的训练数据要多得多。2024年上半年中国售出的带有量产辅助驾驶功能（NOA）的新车已经有61万辆，遍布全国各地，而百度的“萝卜快跑”的绝大多数订单都来自武汉一地，它在当地运营的车辆截至2024年年中时总共仅在500辆上下。
Robotaxi产品通常需要在量产车的基础上加装定制的硬件传感器，因此前期成本昂贵。而凭借快速凸显的规模效应，量产车所使用的辅助驾驶传感器成本快速降低，这也使得量产车可以更容易地配置不亚于Robotaxi的硬件，从而抹去很多Robotaxi产品原本通过后装昂贵传感器形成的感知性能优势。而当两者采用的硬件性能相当的时候，更好的软件就成了胜负手。
“端到端”就是这个改变天平的“软件”。和“硬规则”方案主要靠人工设定不同，“端到端”模型性能的提升很大程度上靠AI从行驶数据中自己学习，而在行驶数据方面拥有显著优势的量产车显然拥有更好的发展前景。
这就是特斯拉在做的事：在它眼中，当下量产车的驾驶辅助系统和未来的无人驾驶出租车是一条故事线，将它们串起来的就是基于神经网络模型的“端到端”方案。一辆车完全可以内置“辅助驾驶”和“自动驾驶”两种不同的模式，对应不同的运营场景，Robotaxi公司不需要再费心改装。甚至按照周光的判断，都“不需要为Robotaxi和L2级别辅助驾驶分别开发算法，只需要基于同一套算法来调整基本参数就行”。当然，除了特斯拉目前明确希望将两者真正融合的公司并不多。
在技术之上，Robotaxi其实还有一个更根本的问题有待解决：它的营收模型。马斯克2024年10月首次公布了他对Robotaxi项目的综合运营成本估算：每英里0.2美元（约合每公里0.9元人民币），含税价格可能在此基础上增加50%到100%。这个水平相比目前行业的主流推测明显乐观。侯晓迪简单算了一下：“电池的成本每英里一毛五，电力的成本每英里五分钱，然后轮胎的成本每英里五分钱，仅这三项加起来就超标了。”
归根结底，减少人类司机所产生的“价值”，真的能支撑一个庞大的产业吗？
