特斯拉_特斯拉购买_特斯拉modely

9月5日，特斯拉AI团队在社交媒体平台上发帖称，特斯拉计划明年第一季度在中国和欧洲推出被其称为全自动驾驶（FSD）的高级驾驶辅助系统，目前正在等待监管部门的批准。消息一出，再次引发人们对于自动驾驶的热议。

业内人士表示，随着技术不断迭代，端到端技术量产加速，产业链上下游企业提前布局，产业和市场格局或将发生重大变化。

特斯拉激起鲶鱼效应

“特斯拉FSD入华肯定会带来一定冲击，搅动国内市场。同时，技术进步也将为产业发展带来新的发展机遇，中国企业拥有不少发展机会。”同济大学汽车学院教授朱西产表示。上汽赛可CTO于乾坤告诉记者，与其将特斯拉视为竞争对手，不如期望更多从业者共同努力，扩展无人驾驶市场，推动行业整体不断发展。

随着特斯拉FSD入华的动态引起人们的关注，特斯拉所应用的端到端技术也再次回到聚光灯下。

“论及特斯拉FSD给业界带来的启示，就是特斯拉让人们看到端到端模型的能力：通过更多数据的收集、更多模型的训练，更好的性能得以实现。这让不少企业坚定技术路线，并选择采集更多数据、构建更大算力平台来训练端到端模型。对于端到端技术，其实国内也早有研究，该技术并非特斯拉独有。”朱西产表示。

相关产业链企业加速布局。7月发布的埃安战略车型搭载了广汽与梦腾智驾环球有限公司（以下称“”）共同打造的端到端高阶智驾方案。该方案应用的算法5.0是应用端到端模型的智驾大模型，搭建了全流程数据驱动的研发体系和算法架构。

“算法5.0已在多个汽车品牌上实现量产交付，通过积累海量数据，持续提升算法能力和产品体验。” CEO曹旭东介绍，通过量产车带来的乘用车数据，能够更好地解决长尾问题，实现真正的可规模化无人驾驶。“目前，国内很多主机厂已经用上了公司的端到端无图NOA。”

此前，国内以小鹏汽车、元戎启行、商汤绝影、零一汽车为代表的汽车主机厂和智能驾驶公司纷纷在端到端系统投入研发，并对外披露上车量产规划。

数据和算力需求加大

“AI的发展离不开好模型、大数据、高算力。自动驾驶技术还没有完全找到安全边界。”朱西产表示，端到端模型训练需要大量的数据和算力支撑，对于专注端到端模型的企业而言，未来如何满足更大的数据需求和算力需求极为关键。

辰韬资本执行总经理刘煜冬同样关注数据与算力的需求。刘煜冬表示，在端到端模型的技术架构中，训练数据的重要性达到了前所未有的高度。数据的规模、标注、质量和分布等因素都可能成为制约端到端应用发展的障碍。同时，端到端训练对算力的需求正在急剧增加。

刘煜冬说，在技术路线方面，端到端技术尚未形成统一的最佳实践，存在一定的分歧。同时，传统的测试验证方法并不适用于端到端自动驾驶，行业迫切需要开发新的测试验证方法论和工具链。从资源配置的角度来看，端到端技术要求对组织架构进行重塑，并将更多的资源投入到数据方面，这对现有的运作模式构成了挑战。

“目前，端到端技术尚处于发展早期，仍有许多应用困境与痛点亟待解决，这些尚未被满足的需求所形成的新的痛点及机会，也将成为从业者未来进化与迭代的方向。”刘煜冬说。

市场和产业格局演变

“未来随着算法不断迭代，自动驾驶渗透率的加速提升，将大大带动自动驾驶行业上游技术进步、市场和产业格局演变。”《端到端自动驾驶行业研究报告》（以下简称《报告》）显示。

朱西产表示，目前，不少端到端技术已经上车，但是“好不好用”还有待考量。在端到端技术上，未来至少还有两轮技术迭代。一是快慢双系统并存阶段。在反应速度较快的端到端模型之外，车辆通过类似“大脑”的慢系统来处理复杂问题。二是通过视觉语言模型来解决端到端模型无法解释的问题。

光轮智能创始人兼CEO谢晨表示，端到端模型对行业而言，意味着行业重点从算法向数据倾斜。传统主机厂迎来新机会，对于那些已经有成熟量产项目和数据闭环的自动驾驶公司来说，这意味着降本增效的机会。目前，端到端技术的核心瓶颈还是在评测验证与数据能力，这或许可以通过合成数据的大规模应用解决。

《报告》显示，在技术上，端到端的落地会推动上游工具链、芯片等加速进步。在市场端，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；在产业格局方面，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。