最近，在智駕領域，“車位到車位”的概念火了起來。從詞意來看，好像是從一個停車位到另一停車位，但其中還“折疊”了一段城市領航輔助駕駛（城市NOA）。自動泊車并不稀奇，城市NOA也已經(jīng)歷“開城大戰(zhàn)”階段，按理說“車位到車位”應該沒什么難度和賣點，為何產(chǎn)業(yè)鏈上下游企業(yè)卻以此屢屢宣介？

智駕落地場景貫通延展

2025年曾被行業(yè)預言將是城市NOA大規(guī)模爆發(fā)的元年，但現(xiàn)實發(fā)展得比想象還要快。

據(jù)媒體報道，1月13日，深圳機場成為國內首個正式允許“自主泊車代駕”商用試點的標桿案例；作為該項目的首個合作伙伴，華為乾崑智駕泊車代駕VPD（Valet Parking Driver）則成為國內首家拿下大型機場停車場官方許可的供應商。

按照計劃，車輛配裝華為乾崑智駕ADS 3.0系統(tǒng)的車主，在深圳機場指定區(qū)域將可以激活VPD的自主巡航泊車和一鍵召喚兩大功能，實現(xiàn)到機場趕飛機快速停車、返程后快速上車的場景需求。

具體來說，當車輛到達機場停車場下客區(qū)，車主下車后通過手機App操控，選好目標車位即可奔赴候機廳。車輛通過VPD能夠自主巡航并準確泊入目標車位。同時，在低速行駛過程中，車輛可自主會車避讓、禮讓行人，并在目標車位被占時自尋空車位，提高機場停車場內停車的效率。

同時，當車主飛行落地深圳機場時，車輛的VPD還支持一鍵召喚功能。車主可直接通過手機App讓車輛自主泊出并智能巡航到停車場上客區(qū)，實現(xiàn)“召之即來”，提升尋車效率。

“華為乾崑于業(yè)界首個提出并實現(xiàn)VPD泊車代駕商用，此次在深圳機場的商用試點發(fā)布，是智能駕駛領域的里程碑事件，也是我們邁向無人駕駛非常關鍵的一步?！比A為智能汽車解決方案BU首席執(zhí)行官靳玉志強調。

相較于城市NOA“全國都能開”這一更宏觀的發(fā)展規(guī)劃，從“車位到車位”對終端用戶而言更加實惠?！败囄坏杰囄弧保瑥淖置嬉馑祭斫?，就是從任意一個車位出發(fā)，經(jīng)過各種復雜場景，最終到達另一個車位的全程自動駕駛能力。整個過程包含行車和泊車兩部分。相比于行車，自動泊車功能是容易被大眾忽略的部分，但恰恰是用戶購車時更看重的因素。

就在2024年的倒數(shù)第三天，靳玉志與阿維塔科技總裁陳卓在直播中，通過智駕順利實現(xiàn)了車輛從A停車場的非固定車位行駛至B停車場的任意車位，所演示的正是當月17日推送的ADS 3.2版本新功能。只見阿維塔12進入陌生停車場之后，系統(tǒng)自動識別周邊車位并自行泊入，整個過程相對無縫且流暢，即使車位被占，車輛也能“漫游”找到附近的空車位停進去。

據(jù)悉，此次直播中的那輛阿維塔12，首次來到該停車場就實現(xiàn)了自動規(guī)劃停車位的功能。這意味著華為乾崑的“車位到車位”無需記憶，首趟就可使用。

“車位到車位”產(chǎn)品密集發(fā)布

“車位到車位”這顆石子悄悄投入湖水后，炸醒了不少“裝睡的人”。

時鐘撥回到2024年廣州車展開幕前一天，小米董事長兼首席執(zhí)行官雷軍通過直播展示了小米汽車“車位到車位”的智駕能力。而趕在2024年的最后一天，小米汽車正式官宣，“車位到車位”端到端全場景智能駕駛先鋒版已開始推送，支持車輛自動駛出車位、到達目的地自動開啟尋位泊車等功能。此次更新正式接入VLM視覺語言大模型，系統(tǒng)可識別復雜道路環(huán)境和特殊交通規(guī)則區(qū)域。

1月15日，理想汽車宣布，全新ADMaxV13.0即將隨OTA 7.0全量推送。該版本無限接近零接管800萬Clips訓練模型，城市、高速全場景端到端，車位到車位，“絲滑無斷點”。據(jù)試用過的理想用戶反映，升級后的ADMax系統(tǒng)可直接從城市NOA切換到自主記憶泊車AVP，實現(xiàn)“絲滑”的轉彎入庫，而最令人驚喜的地方在于系統(tǒng)還能夠自主過閘機。

原定去年年底推送的小鵬汽車，最終在2025年1月底才實現(xiàn)全量推送XOS 5.5.0，新增“車位到車位”智駕功能。小鵬汽車董事長何小鵬表示，基于小鵬圖靈AI智駕體系，小鵬成為行業(yè)首家用一套智駕軟件以及基于端到端大模型實現(xiàn)“車位到車位”的企業(yè)。據(jù)悉，該方案以一套軟件邏輯，打通地庫、閘機、城區(qū)道路等場景，并且輕地圖、輕雷達，路線還能無感生成。

與智駕有關的新名詞、新技術，多半離不開特斯拉的帶動作用，此次的“車位到車位”也是特斯拉率先拉動引繩。

2024年12月，特斯拉正式向外部用戶推送了FSD V13.2版本，支持“車位到車位”，并預計2025年一季度向中國用戶同步推送。根據(jù)官方的說明，與前一個版本相比，最新的V13針對AI4（HW4）平臺的車輛提供了非常多關鍵改進。有不少用戶在更新FSD V13.2后發(fā)現(xiàn)，新系統(tǒng)即便是在雪地行駛也能做到零接管，并且車輛可以準確駛入和泊出車位，點到點的智能駕駛能力并未受到影響，在夜晚也能夠自主駛入超級充電站充電。而且，特斯拉FSD V13.2也是無需記憶就可以實現(xiàn)點到點。

經(jīng)歷了2022年的高速公路NOA，2023年的城市NOA，2024年“全國都能開”，2025年“車位到車位”成為新的智駕高地。放眼全球，特斯拉、華為、理想、小鵬、小米、極氪等聚焦高階智駕的企業(yè)，都進入了“車位到車位”的競技場。

從技術角度來看，“車位到車位”是一個復合的場景，包括停車場泊車代駕、城區(qū)和高速NOA、自動進出閘機等。從技術角度來看，無需固定車位意味著系統(tǒng)已具備強大的“世界感知”能力，自行漫游、自行定位、自行泊入更是感知與規(guī)控的完美結合。因此，業(yè)內也有觀點認為，“車位到車位”的競賽，本質是智駕企業(yè)“端到端”的博弈。

打通技術底層邏輯是關鍵

“‘車位到車位’沒什么稀奇的，實際就是智能駕駛的全部場景?！蓖瑵髮W汽車學院教授朱西產(chǎn)向記者解釋道，“原來的智駕針對單個場景拆分成各個功能，現(xiàn)在融合到了一起?！?/span>

華為乾崑智能駕駛業(yè)務前工程師劉源也證實：“‘車位到車位’功能的實現(xiàn)，主要邏輯就是從技術上打通了AVP代客泊車輔助和城區(qū)NOA，場景上合二為一，進一步簡化消費者的操作。”他告訴記者，雖然不少車企都宣布擁有“車位到車位”的智駕功能，但底層邏輯存在差異?！坝械膹S家兩段技術棧不同，要拼接到一起才能實現(xiàn)。華為的邏輯則是打通端到端這一個技術棧的兩個場景。”據(jù)介紹，實現(xiàn)端到端從場景能力上的打通后，以前AVP是AVP技術，NOA是NOA技術，現(xiàn)在多個場景都可在整體NOA能力的延展上直接復用。

自動泊車和城市NOA技術都已量產(chǎn)落地，那么“車位到車位”無非是將兩種功能實現(xiàn)“A＋B＋A”的結合，難點何在？在劉源看來，“車位到車位”場景的“拼接”并不難，難的是打通端到端的底層邏輯。

不難發(fā)現(xiàn)，此番宣布實現(xiàn)“車位到車位”的車企，基本都是端到端技術路線的擁護者。這是偶然，也是必然。朱西產(chǎn)認為，如果不采用人工智能端到端技術，無法實現(xiàn)“車位到車位”這種復雜的應用。端到端一定是智能駕駛的現(xiàn)在和未來，是實現(xiàn)自動駕駛惟一的計算路線。

朱西產(chǎn)還強調，端到端模型的優(yōu)勢，在于減少各模塊之間信息傳遞過程中的丟失問題，通過Transformer構成一個更大的網(wǎng)絡，訓練過程中實現(xiàn)更多參數(shù)的全局最優(yōu)；另外，還可以提升開發(fā)效率，實現(xiàn)全局優(yōu)化及更強的泛化性等?！吧舷藓芨?，但難度也很大?！彼毖裕嬲龑崿F(xiàn)“全場景都能開”，目前的端到端模型還差得很遠，尤其是達到“一段式端到端”，幾乎不可能。

其實，業(yè)內對于“一段式端到端”還是“兩段式端到端”的爭議由來已久。有市場分析人士認為，目前在做“一段式端到端”的企業(yè)鳳毛麟角，大多數(shù)企業(yè)的技術和產(chǎn)品還是分段式。

據(jù)了解，“兩段式端到端”方案的信息經(jīng)過感知模型過濾后，再到規(guī)控模型，有兩個信息處理環(huán)節(jié)。而“一段式端到端”方案將智駕的感知、預測決策、規(guī)劃多個模塊合為一體，直接從傳感器輸入外部環(huán)境信息，并輸出車輛的行駛軌跡，使得端到端模型像人類大腦一樣，具備更高的理解力和進化能力，能夠掌握新的工具并應對未曾見過的場景。

“安全是汽車不可忽視的最重要原則。”朱西產(chǎn)表示，如果要做“一段式端到端”，就要拿掉安全準則模型，車輛將傳感器采集到的信息直接發(fā)送到一個統(tǒng)一的深度學習神經(jīng)網(wǎng)絡，神經(jīng)網(wǎng)絡經(jīng)過處理之后，輸出自動駕駛汽車的駕駛命令，即算法直接將系統(tǒng)的輸入端連接到輸出端。雖然信息無損程度更低，但其“黑盒”屬性（模型的決策過程不公開或難以理解）存在更大的安全挑戰(zhàn)。

無法與人工準則模型進行“組裝”，也是“一段式端到端”不可忽視的缺點，尤其是涉及安全的準則模型。另外，還有數(shù)據(jù)要求質量高＋數(shù)量大、算力難題、算法難題、可解釋性難題、模型設計難題、上車難題等挑戰(zhàn)。同時，“一段式端到端”系統(tǒng)，比分層的端到端更難收集“長尾問題”數(shù)據(jù)，也會影響模型迭代。

朱西產(chǎn)承認，“一段式端到端”大模型的表現(xiàn)非常驚艷，但他估計近兩年上車的可能性不大。朱西產(chǎn)表示，根據(jù)國內車企目前在智能駕駛領域的數(shù)據(jù)能力和AI訓練算力，做感知端到端，融合激光雷達的感知方案，在規(guī)控算法上保留安全準則模型，這種分段式端到端模型是比較合理的技術路線。

行業(yè)還應理性發(fā)展端到端

無論哪種技術路線，端到端模型的自研難度都不容小覷。

具體難在哪？朱西產(chǎn)給記者算了一筆賬，持續(xù)開發(fā)訓練端到端大模型，首先需要高算力的人工智能芯片，其次離不開海量的數(shù)據(jù)支持，再次需要建設高算力的訓練平臺，還得有懂人工智能的高級人才來構建模型。“算法、數(shù)據(jù)、算力都要靠芯片來支撐，包括車端推理算力及云端的訓練算力，都需要高算力人工智能芯片驅動，這些芯片成本高昂，以英偉達A100為例，一顆大概價值25萬元，而這樣的芯片在大模型的訓練中至少需要1萬顆，總共需要約25億～30億元，這是一筆不小的投入。在美國對華發(fā)布新一輪芯片禁令后，這些高算力芯片恐怕將更難獲得?！?/span>

除了高算力芯片外，大批量優(yōu)質數(shù)據(jù)的獲取也是一大難題。理想汽車用戶張先生在OTA 7.0更新前，使用城市NOA功能的頻率非常高。作為一名老司機，他對老版本略有微詞?！半m然在大部分情況下，智駕的表現(xiàn)令人滿意，但在一些復雜路況和極端路口，我還是不敢使用智駕系統(tǒng)?！睆埾壬e例說，“我家住胡同，道路狹窄，路邊不規(guī)則障礙物多，有時候就識別不出來。另外，在多車交匯路口，智駕系統(tǒng)的邏輯過于保守或者說太守規(guī)矩，其實是不太符合‘老司機’的駕駛邏輯?！?/span>

如何將車輛訓練得更像“老司機”，幾乎是研究端到端模型自動駕駛企業(yè)要面對的共同難題。而除了收集更多優(yōu)質的數(shù)據(jù)不斷訓練，似乎目前也沒什么更好的辦法。馬斯克曾在社交平臺X上回帖道：與V12.5.4相比，13.2版本能力提升了5倍；模型參數(shù)量增加3倍，讓基于時序的推理能力大幅提高。

理想汽車智能駕駛研發(fā)負責人郎咸朋此前也表示，要達到500公里的綜合MPI（城市＋高速綜合接管里程），預計需要2000萬Clips（視頻片段）的水平。如果2000萬Clips從不到5％的老司機中篩選，這里隱含的數(shù)據(jù)量，要達到50億公里甚至上百億公里的水平。這種等量級的數(shù)據(jù)需求將卡住不少智駕企業(yè)。

知行科技創(chuàng)始人兼首席執(zhí)行官宋陽認為，智駕行業(yè)對端到端似乎有些過于神話的傾向，認為其無所不能。事實上，行業(yè)對基本常識還需有一定的認知。端到端并非萬能，其“黑盒”特性決定了無法通過簡單明確、可解釋的規(guī)則約束系統(tǒng)的安全邊界，因此存在安全性挑戰(zhàn)。模型能力評測從模擬環(huán)境到真實環(huán)境，系統(tǒng)的適應能力和泛化能力有待更廣泛的驗證。

凱聯(lián)資本研究院院長由天宇更是直言，整個行業(yè)都得了“AI焦慮癥”，大部分從業(yè)者只模糊認識到AI是大趨勢，但實際并不明確AI的發(fā)展方向、底層邏輯，也不知道AI將如何重構產(chǎn)業(yè)，甚至不清楚自己要做什么，只是被裹挾著不得不做。

車企一窩蜂扎向端到端的行為并不理智，也不現(xiàn)實。但隨著一些新創(chuàng)品牌的倒塌，業(yè)界都意識到未來的市場競爭必將更加激烈，尤其是智能化競爭的下半場，端到端幾乎成為下一輪決賽圈的“入場券”。

對于大部分車企來說，不做端到端可能會“死”，做端到端但是做不好可能也會“死”，站在“分岔路口”何去何從。

對此，業(yè)內專家認為，車企擁有第三條路的選擇，那就是“抱團取暖”?！拔覀儾⒉唤ㄗh車企都去自研端到端，這條發(fā)展道路投入大、難度高、收效慢，明智的做法是選擇與華為、大疆、地平線、Momenta等企業(yè)合作賦能?！敝煳鳟a(chǎn)表示，目前，國內如華為、地平線、黑芝麻智能等企業(yè)已經(jīng)小有成績，尤其在車端計算芯片方面，像華為在車端和云端計算都有著很強的實力，可以直接為車企賦能，讓專業(yè)的人做專業(yè)的事，車企專心做車，這樣會更有利于整個行業(yè)的資源集中，形成良好的持續(xù)發(fā)展態(tài)勢。

消息來源：中國汽車報