1月8日，在新京报“智造未来”2024第十九届超级汽车论坛上，清华大学苏州汽车研究院助理院长、智能网联中心主任戴一凡做主旨演讲《AI技术在自动驾驶中的应用》表示，大模型和端到端自动驾驶解决方案会让自动驾驶技术实现阶跃式发展。

随着全球汽车的革新升级，自动驾驶已成为汽车行业的关注焦点，AI（人工智能）的发展对自动驾驶起到重大推进作用，也让行业面临新的挑战。戴一凡认为，AI时代自动驾驶行业将面临新一轮洗牌，头部企业的集聚效应愈发突出，后入局者的追赶难度越来越大。

清华大学苏州汽车研究院助理院长、智能网联中心主任戴一凡。受访者供图

AI在自动驾驶领域有四方面应用

戴一凡表示，AI的核心驱动力是数据、算力和算法。其中，算力包括两个层面的，一是模型成长训练期间的算力，二是推理也就是实际应用场景期间的算力。对自动驾驶而言，训练是在云端、在机房完成，推理是在车端实时完成。

“AI在自动驾驶领域的整体大概有四个方面的应用。”戴一凡分析。

第一是基于深度学习技术的自动驾驶感知技术，也就是通过摄像头、雷达等传感器去识别行驶环境，让自动驾驶车辆能对周围环境进行直观判断。

第二个基于深度强化学习的决策规划技术，也就是对未来行驶路径以及行为做决策，例如应该走哪条路、怎么换道、加速还是减速等，这是基于深度强化学习的AI技术。

第三个是基于BEV的自动驾驶新范式。BEV就是鸟瞰视角，基于全局视角的一种自动驾驶模式。

第四个基于大模型的端到端的自动驾驶应用，端到端自动驾驶解决方案，目前多家车企正重点布局。

端到端方案可让自动驾驶系统更简洁

戴一凡表示，大模型第一个核心特征是参数规模大，通常在千亿甚至万亿级别，“这样会体现出很强的泛化特征，也就是说同样一个大模型在不同领域的应用都会有很好的效果。”其次，涌现特征也是大模型非常重要的特征，当模型规模超过一定量级，模型的性能会有阶跃式的发展和突破。

在戴一凡看来，目前大模型在自动驾驶领域非常典型的应用就是端到端自动驾驶解决方案。

他进一步分析，传统自动驾驶方案中每一个模块是独立的，从传感器输入感知信号，识别行驶周围环境。再传递给决策模式，规划模块再根据决策给出行驶轨迹。最后控制模型去控制执行机构，如控制方向盘、刹车油门等。

而端到端自动驾驶解决方案中把很多模块进行了整合。所谓端到端，其实就是利用一个模型实现多种模块的功能，降低多模型的联级误差，整体提升系统性能，让系统变得更简化。

企业要做好应对变革

车企、科技公司为什么要布局端到端自动驾驶解决方案？在戴一凡看来，端到端自动驾驶解决方案有两大明显优势，这是目前企业抢滩布局的主要原因。

第一个是大模型的强大泛化能力，端到端自动驾驶解决方案通过强大的模型泛化能力来提升智能驾驶的上限。面对不同的自动驾驶场景，可能会遇到边缘、罕见的场景会增加安全风险。如果靠传统自动驾驶方案，需要工程师不断地修改代码。但端到端自动驾驶解决方案使用的是推理方法，其可以通过数据迭代实现多应用场景的适配，解决了智能化能力的上限问题。

第二个是通过数据的隐式表达避免信息的损失。传统算法中各模块之间通过定义接口的方式进行信息的显式传递，会产生明显的信息损失，如感知的漏检、无效目标的剔除等。端到端自动驾驶解决方案中，所有信息是通过隐式表达特征进行信息传递，将信息“无损”地传递给下位模块。整体上而言，模拟了人类的思考。

戴一凡建议，AI会导致传统的研发模式被颠覆，随着算法驱动变成数据驱动，数据的重要性在快速上升，工程师代码经验的重要性在下降。因此，所有企业都要做好应对这个变革的准备。

同时，大模型和端到端自动驾驶解决方案会让自动驾驶技术实现阶跃式发展，通过数据的训练和泛化能力推动自动驾驶技术的快速发展。传统规则驱动的算法将被推倒重来，行业面临新一轮的洗牌，技术头部企业的集聚效应愈发突出，先入局者的优势越来越明显，后入局者的追赶难度越来越大。

新京报贝壳财经记者 王琳琳

编辑 张冰

校对 柳宝庆