端到端催熟了智能駕駛體驗(yàn)，處于智駕領(lǐng)域絕對(duì)頭部領(lǐng)先身位的小鵬汽車成功翻身，足以證明端到端的巨大優(yōu)點(diǎn)。

但是，被國(guó)內(nèi)車企吹上天的端到端也有一些不容忽視的缺點(diǎn)。

01

萬事萬物大都既有優(yōu)點(diǎn)也有缺點(diǎn)，很多東西都是一把雙刃劍！

端到端重構(gòu)了自動(dòng)駕駛的技術(shù)棧，算法的全面AI化，使得數(shù)據(jù)成為驅(qū)動(dòng)自動(dòng)駕駛模型迭代的基礎(chǔ)養(yǎng)料。

從此，自動(dòng)駕駛系統(tǒng)在一定程度上擺脫了傳統(tǒng)范式下有多少人工就有多少智能的尷尬，也杜絕了算法工程師有意無意埋一些bug的做法。

天道昭昭，人心可鑒，在裁員四起、人心惶惶的大背景下，理解一下程序員們養(yǎng)bug自重的無奈吧。

 

在給定參數(shù)量和模型架構(gòu)的前提下，自動(dòng)駕駛模型的能力完全取決于訓(xùn)練的數(shù)據(jù)規(guī)模有多大、數(shù)據(jù)的質(zhì)量有多高、分布性有多么豐富。

在規(guī)則+算法的范式下，自動(dòng)駕駛系統(tǒng)尚有部分知識(shí)來自于人工設(shè)定的規(guī)則，到了完全轉(zhuǎn)向數(shù)據(jù)驅(qū)動(dòng)的端到端范式之后，自動(dòng)駕駛系統(tǒng)全面模型化，系統(tǒng)壓縮的所有駕駛知識(shí)完全來自訓(xùn)練數(shù)據(jù)。

這就意味著，到了端到端時(shí)代，自動(dòng)駕駛系統(tǒng)訓(xùn)練的數(shù)據(jù)規(guī)模比海量更加海量了。

iPhone大屏化之后，宣稱“Bigger than bigger”，比逼格更逼格，華為引入全向防撞系統(tǒng)之后，宣稱“比安全更安全”，大家借此體會(huì)一下啥叫比海量更海量吧。

 

隨著智駕里程的增長(zhǎng)以及自動(dòng)駕駛系統(tǒng)能力的提升，訓(xùn)練的數(shù)據(jù)量當(dāng)然也會(huì)不斷增長(zhǎng)。

如果非要刻舟求劍的話，蔚來截至今年4月份的視頻訓(xùn)練量為1,000萬個(gè)clips，小鵬截至今年9月份的視頻訓(xùn)練量為2,000萬個(gè)clips，特斯拉那么恐怖的訓(xùn)練算力，至少5,000萬個(gè)clips。

 

以上說的只是訓(xùn)練素材的數(shù)量單位，還得考慮訓(xùn)練頻次和模型的迭代速度。

就跟學(xué)霸們通過反復(fù)刷題提升成績(jī)一樣，模型也是通過反復(fù)地訓(xùn)練這些數(shù)據(jù)，才把駕駛知識(shí)訓(xùn)練到模型的參數(shù)里面的。

特斯拉每天迭代一個(gè)小版本，假設(shè)需要訓(xùn)練20個(gè)頻次，每天就得訓(xùn)練10億個(gè)clips！

02

科學(xué)分析有兩種方式：定量分析和定性分析。

比海量更海量屬于定性分析，它可以給你一種模模糊糊的感覺，你盡可以根據(jù)自己的立場(chǎng)宣泄對(duì)端到端或褒或貶的情緒，不過，最終還是得進(jìn)行定量分析，用真實(shí)的數(shù)據(jù)做嚴(yán)謹(jǐn)?shù)膶?duì)比。

看數(shù)據(jù)，特斯拉每天用5,000萬個(gè)clips訓(xùn)練模型20個(gè)輪次，相當(dāng)于訓(xùn)練10億個(gè)clips，訓(xùn)練算力有限，F(xiàn)SD模型迭代的速度就會(huì)減慢，特斯拉將“訓(xùn)練算力”推高到100E的核心原因就在這里。

 

這個(gè)100E其實(shí)不只包括訓(xùn)練算力，還包括推理算力，更為準(zhǔn)確的說法是訓(xùn)推一體的AI算力。

隨著數(shù)據(jù)標(biāo)注工具推理能力的增加，過去主要依靠人工實(shí)現(xiàn)的數(shù)據(jù)標(biāo)注工作逐漸得以自動(dòng)化實(shí)現(xiàn)，數(shù)據(jù)標(biāo)注效率大大提升了。

不過，和模型需要一遍又一遍地訓(xùn)練一樣，訓(xùn)練素材的精標(biāo)結(jié)果也需要一遍一遍地刷出來，其結(jié)果就是，自動(dòng)駕駛數(shù)據(jù)閉環(huán)中的自動(dòng)標(biāo)注過程需要消耗的推理算力也大大增加了。

 

也就是說，目前的自動(dòng)駕駛數(shù)據(jù)閉環(huán)消耗的絕不僅僅是訓(xùn)練算力，還包括推理算力，模型訓(xùn)練階段消耗訓(xùn)練算力，訓(xùn)練之前的數(shù)據(jù)標(biāo)注消耗推理算力，用的是不同的服務(wù)器。

之所以還在繼續(xù)沿用訓(xùn)練算力這么一個(gè)術(shù)語，主要原因是是歷史沿襲的約定俗成，而且大部分人還沒有及時(shí)更新認(rèn)知。

 

和分模塊時(shí)代主要在感知層面打標(biāo)簽不同的是，到了決策層也要模型化當(dāng)然也要做數(shù)據(jù)標(biāo)注的端到端時(shí)代，視頻訓(xùn)練片段的數(shù)據(jù)標(biāo)注工作大大增加了。

這就意味著，端到端視頻訓(xùn)練片段的數(shù)據(jù)標(biāo)注工作量非常巨大。

特斯拉買英偉達(dá)H100做訓(xùn)練，自家的Dojo做推理，玩的那叫一個(gè)溜！

 

而本土車企不只是訓(xùn)練算力不足，捉襟見肘的推理算力更是被端到端需要的海量數(shù)據(jù)標(biāo)注工作打了個(gè)措手不及！

03

最近大火的《黑神話 悟空》告訴我們一個(gè)深刻的道理;人生在世，最可怕的就是執(zhí)念。

自動(dòng)駕駛領(lǐng)域就有一撥人，始終心懷消滅激光雷達(dá)的執(zhí)念。

 

他們始終認(rèn)為，隨著視覺神經(jīng)網(wǎng)絡(luò)訓(xùn)練數(shù)據(jù)的增加、參數(shù)的加大、模型的優(yōu)化，最終可以消滅激光雷達(dá)。

端到端方案出現(xiàn)之后，由于消除了大量的冗余模塊，實(shí)現(xiàn)了計(jì)算資源的集約化使用，端到端自動(dòng)駕駛系統(tǒng)的參數(shù)量得以翻番。

視覺神經(jīng)網(wǎng)絡(luò)能力迎來大幅度提升，他們更是覺得拿到了尚方寶劍，認(rèn)為攝像頭可以將激光雷達(dá)斬于馬下了。

 

其實(shí)，端到端和純視覺與多傳感器融合之爭(zhēng)沒有什么關(guān)聯(lián)關(guān)系，即便是傳統(tǒng)的分模塊方案，拿掉激光雷達(dá)后，也可以拿節(jié)省下來的計(jì)算資源提高視覺神經(jīng)網(wǎng)絡(luò)的參數(shù)量和性能上限。

之所以說端到端不排斥激光雷達(dá)，落腳點(diǎn)還是在安全上面。

激光雷達(dá)可以提供感知冗余，提升自動(dòng)駕駛系統(tǒng)的安全，傳統(tǒng)端到端方案中的規(guī)劃控制網(wǎng)絡(luò)也需要規(guī)則兜底，來彌補(bǔ)安全下限低的缺點(diǎn)。

一個(gè)是感知冗余，一個(gè)是規(guī)控冗余，想一想，這里面是不是有個(gè)大哥不說二哥的道理。

技術(shù)的發(fā)展存在蹺蹺板效應(yīng)，上限高固然是端到端方案的優(yōu)點(diǎn)，下限低也是它的缺點(diǎn)。

正如Mobileye揭示的那樣，端到端方案在常規(guī)場(chǎng)景下具備更加優(yōu)雅不慫、淡定從容的駕駛風(fēng)格，可以實(shí)現(xiàn)更加舒適的駕駛體驗(yàn)，但在非常規(guī)場(chǎng)景下，這種優(yōu)雅不慫很可能轉(zhuǎn)成急躁冒動(dòng)，帶來安全風(fēng)險(xiǎn)。

 

華為在它的分段式端到端網(wǎng)絡(luò)中，加入了與其PDP預(yù)測(cè)決策規(guī)劃網(wǎng)絡(luò)并行的本能安全網(wǎng)絡(luò)，很好地詮釋了“安全就是最大的豪華”的理念。

 

比亞迪也在它的分段式端到端方案BAS3.0中加入了類人類安全網(wǎng)絡(luò)，端到端負(fù)責(zé)詩(shī)與遠(yuǎn)方，類人類安全網(wǎng)提供安全兜底保障。

 

如果說數(shù)據(jù)訓(xùn)練和標(biāo)注工作量巨大是甜蜜的煩惱的話，安全下限低便是端到端真正的缺點(diǎn)了。

在更好的訓(xùn)練范式出現(xiàn)之前，以規(guī)則代碼或安全網(wǎng)絡(luò)兜底是不可避免的中間階段，某些車企的OneModel端到端聽聽就得了，切莫當(dāng)真！