1月20日至21日，安徽淮南迎来一场行业盛会——由车百会携手淮南市人民政府共同主办的智能新能源汽车供应链创新暨淮南深度融链发展大会（2025）顺利召开。此次大会紧扣“重构开放共享和韧性可持续的供应链体系”这一关键主题，吸引了政府机构、科研院校、整车企业、供应链企业以及产业园区等众多领域的代表齐聚一堂。会上，上海交大智能汽车研究所的黄宏成作为嘉宾，将围绕智能网联汽车，从智驾分级现状、技术发展逻辑、端到端技术、未来方向四个维度，与参会各方共同探讨其技术及未来发展趋势。
上海交通大学智能汽车研究所副所长 黄宏成
智驾分级
根据国标GB/T 40429，自动驾驶分为L0 - L5六个级别，L0 - L2为驾驶辅助，L3是有条件自动驾驶，L4和L5是真正的无人驾驶系统。
现实中，L0 - L1的一些功能，如AEB、ACC功能，基本已成为新车标配。若用自动驾驶渗透率衡量行业进展，会低估技术迭代速度。行业将其分为ADAS系统（高级驾驶辅助系统）和高阶自动驾驶，高阶自动驾驶的核心标志是NOA量产应用。据不完全统计，今年1 - 7月，国内NOA渗透率达21.5%，且多装在新能源汽车上，这是新能源汽车与高阶智驾协同爆发的结果。新能源汽车电子电气架构更集中，为智驾系统提供高效硬件载体，同时消费者对智能驾驶需求从“有没有”转向“好不好用”，推动车企加速高阶智驾量产。
智驾技术发展底层逻辑
智驾技术发展底层逻辑是从模块化向端到端模式迁移。传统智能驾驶采用分而治之的工程思维，将感知、预测、规划、控制分成独立模块，由人工规则驱动，如感知模块识别车辆、行人，规划模块基于结果生成路径。这种模式存在模块间信息压缩致关键细节丢失、误差逐层累积、系统复杂性呈指数级增长等问题。雪铁龙公司前技术高管称，把自动驾驶完成度设为100%，从90%提升到95%需投入与0% - 90%一样的时间，从95%再提升，每提升一个点难度翻倍，这是模块化架构边际效应限制所致。端到端技术为破局提供了方向，2024年特斯拉FSD12版本首次在量产车上应用端到端模型，将30万行代码缩减到2000行左右，降幅达99%，本质是从规则驱动转向数据驱动，通过单一神经网络直接从感知传感器输入映射到车辆控制指令，避免模块间信息损耗。
端到端技术优势
端到端优势主要体现在三方面：
1. 效率提升：传统模块中，感知模块将图像转成目标列表传给规划模块，会丢失行人姿态、道路坡度等细节。端到端模型直接处理原始像素，保留全量信息，决策更精准。
2. 泛化能力增强：通过海量数据训练，模型能学习人类驾驶隐性知识，如无保护左拐时判断对面车辆行车意图，规则难以实现，端到端技术可通过学习自动判断。
3. 迭代速度加快：传统架构需对每个模块单独调试，端到端只需更新数据集即可实现全链路优化。
端到端技术并非完美，其黑匣子特性使决策过程难以解释，如无法追溯突然变道原因；模型对数据质量高度依赖，若训练数据缺乏长尾数据，如极端天气或异形障碍物，车辆可能失效。目前行业普遍采用影子模式应对，用户驾驶时系统同步运行但不干预，通过对比人开车和自动驾驶开车，持续优化模型。
端到端技术发展阶段
端到端技术发展分四个阶段：
1. 感知端到端：以特斯拉2021年推出的BEV + transformer为代表，将多摄像头2D图像融合为3D场景框架，解决多传感器对齐问题，感知精度提升30%以上。
2. 决策规划的模块化：2022年特斯拉引入占用模型，通过体素级空间划分预测环境占用率，能精确识别非标准障碍物。
3. 模块的端到端：以小鹏、华为为代表，感知模块输出特征向量，规控模块基于特征向量联合训练，实现感知到规划深度耦合。
4. OneModel一段式端到端：希望实现输入场景，输出控制车子指令，中间全部是OneModel形式。特斯拉FSD12版本和理想的端到端 + VLM双系统是典型例子，理想方案中快系统处理95%常规场景，慢系统通过视觉语言大模型解决5%复杂场景，实现类人决策。
端到端技术量产落地要素
实现端到端技术量产落地需具备三个核心要素：
1. 成熟的算法架构：需解决如何设置网络结构平衡效率与泛化能力问题，理想是很好的例子。
2. 数据闭环能力：数据采集、标注、训练、部署全链路能力是关键，如特斯拉每天处理超500TB数据，通过影子模式挖掘长尾场景。
3. 车规级算力支撑：端到端模型对算力要求极高，英伟达Orin、特斯拉FSD车规级计算芯片约100TOPS（稠密），今后可能突破2500TOPS，云端训练集需EFLOPS级别，达到千亿参数模型训练需求。
端到端技术普及挑战
当前端到端技术普及存在三个主要挑战：
1. 算力车规级约束：高性能芯片需满足功耗、散热、可靠性等车规级要求。
2. 数据质量和多样性：长尾场景数据采集与标注成本高，可通过仿真技术补充，如Google的Waymo仿真平台每天产生约一千万公里虚拟测试数据。
3. 可解释性和安全验证：需开发解释工具，如通过可视化技术展示模型关注像素区间做决策的情况，帮助安全人员理解模型逻辑。
目前约70%以上做智能驾驶的企业都开始或已深入进行端到端研究。
智能驾驶技术未来发展方向
智能驾驶技术未来向三个方向发展：
1. 全链路融合：感知、决策、控制模块进一步融合，如特斯拉FSD13版本实现传感器输入和控制指令输出，一个OneModel系统消除模块接口信息损耗。
2. 世界模型与仿真训练：通过构建世界模型，系统可预测场景动态演变。
3. 算力与数据闭环深度协同：车端算力可能突破2500TOPS，支持实时运行千亿级参数模型。
智能网联汽车的技术革命本质是从工程趋势向数据驱动模式迁移，端到端技术不仅是代码简化，更是对自动驾驶底层逻辑的重构，从教会汽车开车变为让汽车自己学开车。未来随着算力、数据和算法持续突破，高阶自动驾驶将加速从可用走向好用，最终实现无人驾驶目标。