3. Transformer的出现

Transformer是近几年的高频词之一，它算是一个很重要的工具，也是自动驾驶发展的重要变量之一，Transformer带来了实车效果上的提升，也带来了算法能力的提升，它的出现，也证实了AI发展的方向就是”更好的效果+更好的泛化性“。

几年前，人们提到自动驾驶都会想到感知-规划-决策-控制，可能那个时候也有人提出过要统一这四个堆栈，但受限于种种原因，没法实现。而这两年之所以可以实现模型的统一，主要还是取决于两点：数据+算力。算法为了完成一个任务，首先就需要依赖数据支撑，这一点可以通过GPT之类的AI算法可以看出来，都是以Data为导向的。

比如：针对一个任务只需要标注一些数据，而针对另一个任务需要标注很多数据。如何把数据的描述统一起来，提升数据量是目前需要面临的一个问题。

如果要追求统一，标注就会很复杂，数据量也很难拉上去，而统一的一个要求就是需要大量的数据，如果标注方法或者说训练方法无法承担很大的数据量，也无法完成标注任务，也就更没办法把数据量提高。原来，受限于数据和算力，没有办法统一，所以只能分开，而现在数据能够合在一起，实现： 标注——自动标注——不需要标注 （目前追求的目标），如果彻底不需要标注了，而芯片的算力也能够支持计算更大的数据量，这就相当于把两个东西合在了一起。

所以对于自动驾驶来说，取消标注是很重要的一点。以前的标注还需要付费，虽然得益于自动化标注的出现，标注效率每年都在提升，可能到目前为止提升了万倍甚至百万倍，但只要是标注，都是需要花费时间的，而现在追求的就是不标注，感知端识别到的原始视频流直接输入给模型。

端到端很重要的一点就是数据，这也是端到端能否落地的关键，各大厂商都很看重这块，本质上还是AI的应用，算法、算力、数据的三要素还是没有变化的。

4. 端到端的意义

现在有一个很有意思的现象，就是很多用户都会去关注某车企的智驾到底是不是端到端的模型。

其实如果对端到端有一点研究，了解了端到端为什么会出现，出现的意义，其实就会发现它更大的意义是针对于研发侧，对用户来说意义并不是很大，用户其实没必要去关注系统是不是端到端，用户只需要关注智驾好不好用、体验好不好，能不能应对很多复杂场景就行。虽然我认为，大部分用户愿意关注、愿意了解智驾相关的东西其实挺好的。但也不要一味地被厂商讲故事吸引和引导，现在讨论端到端，明年估计就会讨论点到点，讨论L3了……

端到端本质上还是一个开发工具而已，和GPT写文章写代码一样，有的人喜欢用有的人不喜欢用，你不能说你不用GPT就是落后了，或者说你用GPT写代码就叫激进，工具的本质，只要能够提高效率，用起来好，就是正确的。

端到端其实就是自动驾驶的模型化，我感觉短期内还没法落地，说句题外话，自动驾驶在13年就开始用深度学习了……不同OEM的端到端其实都是在摸索阶段，有的想开拓更多功能和场景，有的想突破复杂场景的应对，有的想提升用户体验，说白了就是不同选择，大家就按照自己的节奏来，最后看结果而已。

前一段时间，很多大模型都犯了“分不清9.11和9.9哪个大的错误”，自动驾驶也不排除有这种情况出现，这也就是Corner Case，具体表现就比如说感知模型突然丢帧，或者突然冒出一个实际不存在的物体，或者说语言模型突然输出了一段莫名其妙的话，但好在目前都在针对各种场景做训练，比如让系统自我校验：输出一个更复杂的表达，让系统自我校验（来源于COT思维链），还有什么MOE其他的方法，目的就是输出一个和人脑差不多的结果，实在不行还可以加规则嘛！

至于端到端会不会改变自动驾驶，改变大家对自动驾驶的看法，我持中立态度，因为用户愿意拥抱自驾的基础就是信任，而信任是难以建立但易于摧毁的，今年很多宣传和发布会都在宣扬自驾多么多么好，其实我是很反感的，有可能会因为一次误识别导致车辆变道突然撞到障碍物，对用户造成惊吓，这就会在用户心中埋下一个不信任的种子，这是很不好的现象和结果。

我的观点始终如一：自动驾驶是为了解放人的双手和思想，减少驾驶压力，提高舒适性，而不是让人更加焦虑。