“追上未来，抓住它的本质，把未来转变为现在”，俄国哲学家车尔尼雪夫斯曾这样描述未来。而走到今天的新能源汽车，其通向未来的本质就是做好智能化。
呐喊智能化的口号，从2023年延续到2024年。如今，智能化的落点，从最开始的智能座舱、NOA智能驾驶等，开始转向新的轨迹。
近日，小鹏在广州举办“小鹏汽车AI智驾技术发布会”，向全球用户全量推送天玑系统XOS 5.2.0版本；其XNGP系统也将实现“不限城市、不限路线、不限路况的”全国全量开放。
此次发布会上着重突出的“端到端”“AI”等关键词，也暗示了业内新的共识——智能化的未来将向AI智驾看齐。
AI智驾时代已经到来
新能源车企智能化的步伐，从2023年迈出至今，或许已近半程。但时移世易，新的风向标也随之而来。
去年8月，广汽宣布正式推出广汽AI大模型平台，并将搭载于高端智能轿跑昊铂GT亮相；9月，华为云在华为全联接大会2023上发布盘古汽车大模型，并进一步探讨盘古汽车大模型在行业场景中的应用落地。
比亚迪璇玑AI大模型
今年1月，比亚迪推出了行业首创双循环多模态AI——璇玑AI大模型，首次将人工智能技术应用到车辆全领域。同年1月，蔚来推送了基于AI智能底盘技术打造的智能系统Banyan榕2.4.0。可见，AI大模型已经开始向新能源汽车渗透。
具体到应用场景上，大语言模型通过赋能语音助手，提升对乘客语音语义的理解能力，从而加速人车交互进化；视觉大模型通过优化感知，然后生成接近于真实的画面，从而降低传感器硬件使用成本，加速自动驾驶普及。
值得肯定的是，大模型在新能源汽车上得以应用，进一步打开了汽车智能化的想象空间，同时也预示着汽车智能化已经实现技术底层的突破。
只是，结合国内复杂的路况，单靠大量“小模型”堆砌，以及海量人工手写规则代码的辅助，始终难以穷尽驾驶时的各种情境，这也是近来各品牌高阶智驾车辆事故频发的主要原因之一。
此时，车企开始转而启用性能更强的“大模型”取代“小模型”，原本庞大的模块化结构，也开始变得简洁起来。之所以这样转变，是因为“小模型”堆砌相当于多模块组合后，各司其职，最后汇总处理结果，由于是多个“大脑”同时决策，处理结果容易发生冲突。
而“大模型”执行的是端到端的处理逻辑，从感知层的数据输入，到规控层的策略输出，整套流程都由一个或两个大模型搞定，处理效果的冲突性明显渐弱。
加之，AI可以通过学习和模仿人类的思考决策逻辑，并用端到端数据驱动算法迭代升级，从而取代传统的人工手写算法规则迭代，使得处理效率更高，决策错误率更低。
随着AI大模型逐渐成为汽车智驾跃进的解决方案，新能源汽车的智能化之路正式步入AI智驾时代，端到端大模型也成为业内争相追捧的热门。
华为、小鹏、特斯拉的“路线之争”
AI智驾趋势下，端到端大模型应运而生。这一思路最早由特斯拉提出，华为和小鹏紧随其后，抛弃规则、拥抱数据的“端到端”热潮，逐渐成为业界共识。
对车企来说，“端到端”首先是个非常好的营销概念，因为有热度和讨论度，所以发布相关概念产品，于品牌而言百利而无一害。但因为其定义模糊，市场上的端到端概念产品各有“特色”，最先入局的华为、特斯拉、小鹏便已经出现端到端落地路线上的分歧。
最早发声的特斯拉认为“端到端”应该是“一个模型走天下”。 2023年12月，特斯拉的智驾工程师Dhaval Shroff 向马斯克提出建议，抛掉手写规则，搭建一张神经网络，让它大量观看人类司机的驾驶视频，并自行输出正确的行驶轨迹。直到今年1月，采用端到端架构的FSD V12正式向北美用户推送。据介绍，这一版本使用的正是单个端到端的神经网络。
而华为的ADS 3.0智驾系统，是用两个“大模型”，分别实现感知和规控的“端到端”；小鹏的XNGP则被分为感知XNet、规划XPlaner、控制XBrain三个部分。这一做法等同于将感知、规划和控制三个模块全部揉进一个模型中。
智驾的端到端与模块化方案
回顾过去数年，几乎所有的智驾企业都选择了与端到端“对立”的另一条路：模块化。在模块化的结构中，智驾系统被拆解为多个上下游连接的功能子模块，各模块彼此接力从而完成整个智驾任务。
由此来看，华为、小鹏的端到端大模型，更近似于模块化方案演变、融合后的结果，由多模块逐渐收缩为“感知-规划-控制”三模块，这一方案有进步但未完全突破。
尽管，模块数已经变少，但感知端为了保证规控端的平稳运行，仍有可能出现被迫丢失信息的情况，这是模块化结构一直存在的“硬伤”。
然而，只有保证系统在决策时获取足够全面的信息，其最终的决策效果才有可能达到全局最优。这是避不开的，同时也是与模块化结构最为矛盾的一环。
从技术角度来看，“端到端”极其依赖于大模型内部的神经网络结构，而神经网络本身又具备不可解释性，所以端到端的应用和界定一直是各执一词。但归根究底，成功落地、实现量产，提高驾驶安全性和便捷度才是智驾的核心。
过程或许不那么重要，结果才是。
新能源的“下半场”，端到端的“三重奏”
时至今日，端到端大模型的诞生，似乎为新能源车“下半场”的智能化竞争提供了一个确切方向，但是从进展来看，它还不足以将智能驾驶迅速推至终点。
因为，想要实现端到端大模型效果的最大化，车企和供应商们还有三大关卡需要面对。
1、数据需求激增
据悉，特斯拉从约32亿公里的行驶数据中挖掘了数万小时视频数据用于FSD训练。同时，也有自动驾驶工程师表示，训练端到端模型时，原始积累的路测数据仅有2%可用。可见，端到端模型对数据的需求量之大。
除了数据线需求庞大外，数据质量也是一大难关。小马智行的CTO楼天城曾表示，想要训练出高性能的端到端模型，数据质量的要求比一般性能模型高出几个数量级。
单论数据而言，目前国内车企的数据储备基本均落后于特斯拉，还处于初期阶段。加之对数据质量的要求，国内车企离数据积累的“长跑终点”仍“遥遥无期”。
2、算力需求激增
随着端到端自动驾驶的发展，训练海量数据所需的算力需求越来越高。对此，马斯克多次表示，目前FSD V12端到端模型的迭代，主要也是受到云端算力资源的掣肘，并计划重金堆算力。
图源来自汽车之心
眼见算力成了端到端的“必过关卡”，各大车企、供应商争相开始跑马圈地。有意思的是，这条路线上，行业也走向了分叉口。一方是倾向于重投算力的“大力出奇迹”，另一方是深耕算法的“工匠主义”。
从特斯拉、华为等头部车企都在重投超算中心的动作来看，算力提升，对应端到端智驾效果的天花板也会随之被抬高。或许，两条路径选择的背后，不仅有端到端战略规划的差异，也存在资本实力的差距。
可见，进入端到端阶段后，车企对训练算力的需求越高，也意味着需要更多的资金、人力和时间投入。这条路线走到最后，不仅是算力的比拼，也是综合实力的角逐。
3、商业化落地困难
端到端作为一个新的技术路线，堆算力、堆数据、加算法都是高门槛，抬高进场壁垒的同时，试错成本也在明显增加，入场企业需要仔细斟酌效率与成本之间的平衡问题。
即使完成了开发，而最后端到端方案的验证落地，也需要有合理且成熟的验证方式作为前提。直接实车验证显然成本过于高昂，而基于数据测试为主的开环测试，与端到端智驾所看重的可交互性并不匹配。
最后是落地市场的考验。目前，消费者之间普遍存在一种矛盾情绪。一方面对于汽车“智能化”和自动驾驶功能的兴趣与期望在上升，另一方面他们的支付意愿却在普遍下降。所以，即便完成了端到端智驾的量产，但却不被市场买单，一切愿景仍将化为乌有。
结语
进入AI智驾时代后，端到端模型的比拼愈演愈烈。基于算力、数据的需求，越早推出全国都可用的智驾方案，就能收集到更多数据，从而率先提升智驾能力，实现“强者愈强”。
这一路径，是包括特斯拉、华为、小鹏等头部车企正在做的事情，但是正在做不等于有结果。因此，最终局里上演的到底是弯道超车，还是黑马崛起，亦或是强者恒强，这都犹未可知。
作者：琴声奏响时
来源：港股研究社
申请创业报道，分享创业好点子。点击此处，共同探讨创业新机遇！
撰文/天玑2023年，新能源汽车市场出现了一个趋势，那就是智能驾驶的热度越来越高，消费者在购车时越来越关注车的智能驾驶能力。这意味着中国新能源汽车市场走到了发展的关键节点，发展重心向高阶智驾转移，2024年的重点则是高阶智驾的大规模落地。节点Auto注意到，地平线最近发布了针对高阶智驾场景的一系列产
智能驾驶从规则驱动转向数据驱动，正在引导行业进入新的竞争区间。在之前的中国电动汽车百人会论坛(2024)上，比亚迪董事长兼总裁王传福认为，新能源汽车渗透率在未来3个月将超过50%。自动驾驶公司元戎启行CEO周光指出，在上半场的电动化之后，汽车行业的竞争已经进入智能化下半场。高阶智驾作为智能化核心议题
2023年，中国汽车产销分别达3016.1万辆和3009.4万辆，巨大的规模之下是激烈的品牌竞争。由整车企业引领，汽车产业链的电动化智能化转型逐渐倒逼企业自行开拓成长空间。转型力度偏小、产品更新较慢的海外市场，成为蕴含金矿的待开掘目的地。新能源汽车出海潮，由此形成。伴随着汽车产销量首次突破3000万
撰文/阿宝过去一年，汽车工业带给我们很大的惊喜，强劲的增长势头让人看到了中国产业升级的希望。从总体数据上看，2023年，中国汽车产销量突破了3000万辆，在出口上更是实现了历史性突破。值得一提的是，2023年，我国汽车出口491万辆，同比增长57.9%，超越日本，首次成为全球第一大汽车出口国。而且，
今年以来，随着新能源汽车厂商们轰轰烈烈的“开城之战”持续上演，国内新能源汽车行业俨然已进入智能驾驶时代。在这场技术革新大潮中，扮演重要角色的除了处于视觉中心风光无两的车企，还有上游诸多的智能驾驶方案供应商。下游的军备竞赛传导至上游意味着，作为服务方的智驾方案供应商需要与车企双向奔赴，才能抓住风口快速
凌晨两点，小王合上笔记本，揉了揉酸胀的眼睛。花了一个月写出来的10万字短剧剧本躺在硬盘里，要真正把它拍成剧，得找演员、租场地、请摄像、做后期……粗算下来少说要几十万，他只能把剧本继续锁在抽屉里。不过，现在小王的剧本可以“见光”了。2026年3月19日，字节跳动旗下的小云雀AI正式上线了短剧Agent
你一定遇到过这样的场景：明明刚和AI助手聊了半个小时的项目细节，退出会话后重新打开，它却像个失忆患者一样，连你上一轮说过什么背景信息都忘得一干二净，你又得从头把需求讲一遍。这种“聊完就忘”的体验，让无数使用AI智能体的用户深感头疼。为了解决这一普遍困扰，腾讯云在4月3日正式推出了名为“龙虾”的记忆服
4月3日凌晨，谷歌DeepMind悄然甩出一枚重磅炸弹——全新一代开源大模型Gemma4正式发布，以极其宽松的Apache2.0协议向全球开发者免费开放。这是自2025年3月发布Gemma3以来，谷歌时隔整整一年的重大迭代。本次发布的Gemma4包含四个不同规格的版本：E2B（有效20亿参数）、E4
AI龙虾也会生病。别怕，大部分病不是什么绝症，自己在家就能治。我养OpenClaw一年多，总结出五种最常见的毛病，附上我的“土方子”，希望对你有用。病一：不吃食（完全不执行任何任务）症状：你给了指令，它没反应，日志里一片空白。就像龙虾趴在塘底不动弹，碰它也不理。病因：通常是进程卡死了，或者依赖服务没
养过真龙虾的人都知道，投喂是个技术活。喂少了，龙虾饿得互相残杀；喂多了，剩饵坏水，整塘发病。OpenClaw这个AI龙虾也一样——你给它安排的任务太少，它会“闲得发慌”，反应迟钝；你一次塞给它太多复杂任务，它会“消化不良”，要么报错要么干一半就卡住。每天该喂几次？我的经验是：每天喂两次，早上一次简单
养过真龙虾的人都知道，苗种的好坏直接决定收成。养AI龙虾也一样——OpenClaw有不同版本，有的稳定但功能少，有的功能多但爱“闹脾气”。新手该怎么选？我用自己的踩坑经历告诉你。版本怎么选？OpenClaw目前主要有三个分支：稳定版（Stable）、测试版（Beta）和社区魔改版（Community
我第一次听说OpenClaw，是在一个技术群里。有人发了一串代码，说“这个AI龙虾特别好养，会自己找食吃”。我好奇点进去，结果对着终端发了一小时呆——连环境都没搭起来。后来我才明白，养AI龙虾跟养真龙虾一样，新手入门得先做足功课。第一问：我的电脑跑得动吗？很多人以为AI龙虾就是个聊天机器人，打开网页
4月2日，字节跳动旗下火山引擎在武汉举行的AI创新巡展上宣布，Seedance2.0API正式面向企业用户开启公测。同时，火山引擎总裁谭待在会上披露，截至今年3月，豆包大模型日均Token使用量已突破120万亿，在过去三个月内增长一倍，比2024年5月发布时增长1000倍。Seedance2.0：从
养AI小龙虾的路上，坑不少。有人被代装服务骗了钱，有人电脑中了毒，有人收到天价账单，还有人发现AI“失控”了，开始乱删文件。如果你也遇到这些糟心事，别慌。下面这份“养虾应急包”，告诉你第一时间该做什么。场景一：代装被骗，钱打水漂了花了300块找人远程装OpenClaw，结果对方收了钱就拉黑，或者装了
把AI智能体请进电脑，就像把家里所有的钥匙交给了一个陌生人。它能帮你打扫房间、整理文件，但万一它“起了坏心”，或者被坏人利用了，你的家就不再安全了。这不是危言耸听。国家互联网应急中心已经发布风险提示，指出OpenClaw的默认配置“极为脆弱”，攻击者一旦得手，能轻易获取系统控制权。微软安全团队也警告
