近日，特斯拉股價開啓了一輪“猛烈反彈”。7月第一週，特斯拉股價累計漲幅超27%，7月5日的收盤價爲251.55美元，只花了一週的時間，特斯拉就抹平了上半年的所有跌幅。
對於特斯拉突如其來的“狂飆”，不少業內人士認爲與其二季度的交付數據有關。今年二季度，特斯拉全球交付超44.4萬輛電動車，環比增長14.7%，優於華爾街機構預期的43.8萬輛。
不過，雖然特斯拉二季度的交付數據不錯，但仍然比去年同期的46.6輛少了。所以，交付數量並不是推動特斯拉股價狂飆的唯一因素，在人工智能、儲能業務方面的“新故事”，可能才是特斯拉的“市值光環”。
業內人士指出，投資機構開始意識到特斯拉可能是美股市場上最被低估的“AI投資標的”，有分析團隊估算，特斯拉全自動駕駛（FSD）業務估值或高達1萬億美元，超過了特斯拉8000億美元左右的市值。
今年4月，隨着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修復，國內新能源車企的智能駕駛業務也迎來積極調整，特斯拉這條“鯰魚”，已經開始攪動國內的智駕市場了。
特斯拉引發“鯰魚效應”，“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年就已經發布了內測版，並被業內人士稱爲是自動駕駛的“里程碑時刻”。
從技術層面上來看，特斯拉FSD V12與當前車企通用的智駕方案，在實現路徑上有着本質的區別。FSD V12採用的是“端到端”技術路線，只需輸入原始數據就能直接輸出最終結果的AI模型，可以通過觀察和模仿人類駕駛行爲來優化駕駛決策，反應速度更快。
而傳統的智駕方案通常是將感知、決策和控制分爲獨立的模塊，每個模塊專注於解決特定的問題，再依靠人工編程根據不同場景提前定義規則，讓智能駕駛基於規則來執行。
傳統智駕方案的好處是模塊化的處理簡化了系統開發的難度，利於問題回溯與研發迭代；但缺點是基於人工設想的規則難以覆蓋道路駕駛的邊緣場景，難以應對城市道路上的突發情況，導致使用體驗不如預期。
此外，爲了應對這些非常少見，卻又不能缺少的邊緣場景，一家企業可能需要數千個工程師，將90%的精力花費於編寫corner case的代碼上，這也增加了智能駕駛迭代的成本和難度。
但據馬斯克表示，FSD採用“端到端”技術之後，只需要用3000行代碼就能替代原來的30萬多萬行代碼。
因此，作爲世界首個“端到端”AI自動駕駛模型，FSD V12從誕生之初就備受關注，特別是在新能源汽車競爭已經進入白熱化階段的當下，消費者已經逐漸對車企卷價格、卷配置、卷營銷等招數“脫敏”，新能源汽車行業也急需一個“新故事”來刺激消費者的購買慾，而特斯拉FSD就成爲了攪動智駕行業的“鯰魚”。
一直以來，特斯拉在自動駕駛技術方面都以獨立獨行的姿勢在發展。相較於國內大多數自動駕駛方案供應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註定要失敗，昂貴的傳感器是不必要的”。
開始的時候，外界認爲馬斯克之所以堅持純視覺路線，是因爲激光雷達的成本太高，但事實上，隨着技術成熟和規模效應，激光雷達的價格已從超10萬美元降至數百美元。
所以，馬斯克堅持純視覺路線的另一原因，則被認爲是其對“第一性原理”的信仰。馬斯克認爲既然人類是通過眼睛觀察來駕駛汽車的，那麼攝像頭作爲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，FSD在硅谷和高速表現極好，可以達到很高的分數；英偉達CEO黃仁勳則稱讚FSD是目前最先進的系統。
因此，隨着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、餘承東等均表示支持；但也有人認爲，考慮到中國較爲複雜的路面情況和數據安全，FSD入華恐怕還有不少“未知數”。
但在6月中旬，據財新報道，一名接近上海市政策制定部門的人士稱，上海自動駕駛示範區已向特斯拉發放了道路測試牌照，FSD可能正在測試。雖然特斯拉中國對此未有回應，但“FSD入華”顯然已經成爲國內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
在去年特斯拉發佈了首個“端到端”自動駕駛模型FSD V12之後，多家新能源車企也開始對旗下的智能駕駛業務進行調整，並紛紛發佈了端到端模型的“上車”規劃。
小鵬汽車是國內首個發佈量產上車的端到端模型的整車企業，預計在2024年第三季度實現全國範圍內的無障礙駕駛。去年，小鵬汽車智駕負責人吳新宙離職後，目前由曾任阿里巴巴達摩院的自動駕駛實驗室運營負責人袁婷婷，擔任小鵬自動駕駛產品高級總監。
蔚來則單獨設立了一個大模型部，專門負責端到端的模型研發。據蔚來自動駕駛副總裁任少卿表示，蔚來已經在佈局端到端，預計今年將實現上車量產。
理想雖然在5月對智駕團隊的規模進行了縮減，但依然保留了算法研發團隊，主要負責無圖城市NOA以及端到端智駕的研發。在近日舉辦的智駕發佈會中，理想發佈了基於端到端模型、VLM視覺語言模型和世界模型的全新自動駕駛技術架構，並在7月內向用戶推送 “全國都能開”的無圖NOA。
華爲則在今年4月發佈了ADS 3.0端到端架構，並表示將於8月隨着享界S9正式上市。據辰韜資本發佈的《2024端到端自動駕駛行業研究報告》顯示，端到端方案上車量產時間預計會出現在2025年。
長城汽車則在3月宣佈將引入元戎啓行作爲第二家智能駕駛供應商，元戎將爲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”背後，一方面是它們對智能駕駛應用落地的迫切追求，近年，車圈的同質化競爭趨勢已經越來越明顯，所以智能駕駛成爲各家的必爭之地。
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，隨着“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”。馬斯克曾發文表示，特斯拉今年將在綜合訓練和推理人工智能方面（主要用於汽車）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後的三大棘手問題：高質量數據、算力和算法。首先，自動駕駛系統需要大量的高質量訓練數據，但收集、標註和維護這些數據也成爲了一項挑戰。
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，但絕大多數視頻都是無用的。毫末智行數據智能科學家賀翔曾表示，數據佔端到端自動駕駛開發成本的80%。
另外，要將來自於不同的傳感器、設備和環境的數據用於自動駕駛的訓練和應用，就需要進行準確的數據對齊，這不僅需要先進的算法和技術支持，還需要對這個領域有深入理解。
最後，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爲“算力門檻”，即便不考慮國內主機廠和智駕廠商能否購買到足夠多的高算力GPU，光研發費用就已經攔下了不少車企。
所以，端到端模型看似是智能駕駛的“最優解”，但卻是“簡約不簡單”。而且，當前業內對“端對端”的概念也還沒有一個清晰的定義。
據辰韜資本研報顯示，自動駕駛架構的演進可以分爲四個階段，分別是感知端到端；決策規劃模型化；模塊化端到端；單一模型端到端。
最後階段的“端到端”將不再有感知、決策規劃等功能的明確劃分，而是真正像人腦一樣思考。但目前大部分車企的端到端模型仍停留在第一、第二階段，但無論處於哪一階段，廠商都喜歡往自己身上貼上“端到端”標籤，這也是“端到端”被認爲難免摻雜水分的原因。
“車路雲”重磅登場，智能駕駛的另一路徑
所以，在成本、技術、數據量等限制之下，那些不曾提前佈局智能駕駛的車企，想要從零開始構建端到端模型，也幾乎是“不可能的任務”。
但據中信證券研報預測，到2026年，高速NOA/城市NOA的自動駕駛滲透率預計將達到20%，端到端模型的發展將催化各級別自動駕駛功能滲透率大幅提升。這是否意味着，掉隊的車企將再無追趕的可能？
有趣的是，此前一位長期關注特斯拉的博主發文表示，特斯拉把此前刪除的30萬行代碼又悄悄地放了回去。雖然這一消息並沒有得到特斯拉的證實，也不能就此說明特斯拉是否又重新回到規則算法技術路線，但至少可以給行業一個啓發，走向終點的不會只有一條捷徑。
小馬智行副總裁李衡宇曾表示，完全自動駕駛不太可能是單一的方法，一定是混合的，什麼方法能達到完全自動駕駛的安全性是人駕駛的10倍，我們就用什麼樣的方法。目前來看，將規則算法和端到端大模型等技術和方案進行融合，可能也是解決方法之一。
除此之外，在去年被相關部門提出的“車路雲一體化”概念，不僅是近來的熱點政策，也成爲了促成自動駕駛的另外一條技術路線。
業內人士認爲，FSD的發展始終受制於端到端模型的進化成效和車端計算能力。而且，安全長尾問題始終是制約高級別自動駕駛落地的主要因素之一，即使解決了90%的問題，但剩餘的10%卻需要投入百倍的精力才能攻克。
因此，車路雲一體化作爲安全係數更高的另一條路被放到前臺，其關鍵是人、車、路、雲，對應的是交通參與者、車載終端、路側設施和雲計算的融合與聯動。
但“車路雲一體化”與“端到端模型”之間，並不是同維競爭的關係，如果說單車智能是“點”，車路協同則是“面”，不管用什麼方式，能提升智能水平就是好方法，而“點面結合”也成爲了更適合國內路況的另一個可能。
目前，華爲已經宣佈將在下半年推出車路雲新產品，再加上背靠華爲雲的華爲ADS，這也成爲了尚未“上車”智能駕駛車企的另一種選擇，光2024年，就約有10多款車將搭載華爲ADS。
當然，無論是特斯拉將代碼悄悄補上後的“規則算法+端到端”融合智駕方案，還是以“蔚小理”爲代表的自研智駕方案；或者是以華爲爲代表的智駕賦能平台，甚至未來也許會出現“車路雲”與智能駕駛的更深度融合，只能說“條條大路通羅馬”，端對端模型雖然熱門，卻並不一定適合所有車企。
有智駕從業者指出，從普通架構切換到端到端技術的成本非常高，鏈路也非常長，今年年底估計只有10%的功能切換到端到端。
這也是智能駕駛技術迭代過程中必須經歷的問題，考慮到我們離完全自動駕駛還有不少距離，在此之前，如果車企或智駕廠商押注單一技術路線，都可能帶來一定的風險。車圈雖然流行流量大戰，但終歸只有適合自己的，才是最好的。（楷楷）