端到端智驾真能替代老司机？复杂路口与极端场景实测对比_新能源车

1. 刘智驾的视频主要有【7大类】，欢迎观摩指导1【重庆特色场景智驾挑战】例如小鹏MONA M03挑战重庆歌乐山跑山：网页链接例如特斯拉FSD重庆挑战观音桥繁华商圈：网页链接特斯拉FSD挑战重庆理想弯网页链接2【不同车型智驾PK及共创视频】例如长城魏牌蓝山PK特斯拉FSD挑战重庆解放碑网页链接例如长城高山8PK腾势D9勇闯重庆观音桥窄路网页链接3【全场景智驾长测】例如阿维塔11，问界M9，小鹏X9重庆全场景长测网页链接4【智驾新版本新功能体验】例如理想统一高速与城区端到端技术栈刘智驾的微博视频例如小鹏人机共驾时速提升至130：刘智驾的微博视频例如小鹏AI鹰眼视觉首测：网页链接5【特定场景智驾小视频】例如智己城区窄路贴身肉搏网页链接例如岚图梦想家无保护左转网页链接6【日常智驾使用心得体会】例如对小鹏XNGP的错怪刘智驾的微博视频蓝山智驾性价比感概网页链接7【全球智驾动态跟踪】例如北美特斯拉首次无人交付车辆自动下线开到车主家网页链接例如北美特斯拉FSD重大新版本发布与优缺点跟踪网页链接小鹏汽车智驾国际化跟踪分析刘智驾的微博视频

2. 这期视频拖了挺久，当时拍的时候还是理想刚上端到端那阵。从家到公司25公里全程0接管，晚上又下雨，真是把我惊到了。所以这次理想推出VLA，我是真的很期待，想看看相比之前的端到端，它还能提升到什么程度。#大v聊车##理想# 俊伟EVLIFE的微博视频

3. 理想汽车 CTO 谢炎在 2025 云栖大会|开幕式圆桌会议做了分享，其中就包括大家关注的理想AI、VLA、芯片这三个领域内容:1. 理想汽车的AI战略与架构布局。谢炎表示，智能与新能源对未来车企的重要性是同等的，因此理想汽车超过 50% 的研发投入都放在人工智能领域，形成了差异化的战略路线。在架构设计上，理想将AI布局划分为三层：底层是高效的车端推理系统，涵盖芯片、操作系统、通信组件和上层服务的整合，目标是实现更高效率、更低成本和更强算力，支撑核心的自动驾驶任务；中层是VLA基座模型，既要让汽车具备理解三维世界的能力，又要具备人类常识和推理规划能力，理想同时与外部大模型团队开展合作；顶层则是具体应用，包括「AI驾驶员」，相当于每辆车标配的智能驾驶代理，以及「座舱管家」，能打通地图、音乐、外卖等互联网服务，满足用户出行与生活场景需求。通过三层垂直整合，理想强调技术从底到顶的联合设计，以追求极致的产品体验。⸻2. 为什么理想汽车坚持做VLA？在自动驾驶行业中，是否需要语言模型一直存在争议，但理想坚持推进VLA的原因主要有两点。第一，随着自动驾驶技术的演进，车辆必须应对越来越多corner case，这些低概率但复杂的情况无法仅靠大规模数据采集来解决，需要具备人类式推理能力的智能驾驶员。由于图像存在高噪声、不利于逻辑推理，而文字天然适合逻辑和抽象思维，因此语言模型成为关键。第二，从用户体验角度，智能驾驶必须让乘客感受到「像人一样思考」，否则即便安全也可能让人觉得不适。大语言模型通过学习人类海量文本，不仅能生成语言，也能形成接近人类的思维模式，使自动驾驶的行为更贴近人类直觉，提升信任感和舒适度。这些原因使理想坚定地将语言能力引入到自动驾驶核心架构中。⸻3. 为什么理想汽车要自研车端推理芯片？随着VLA和大规模AI模型引入车辆，Scaling Law「规模定律」开始发挥作用，模型的智能提升依赖于更大规模和更长推理链条，这使得车端算力需求呈指数级上升。现有芯片供应商难以满足这种演进需求，因此理想选择自研车端推理芯片，以保证长期自主可控的发展路径。同时，理想认为在推理计算上，可能存在比GPU更高效的架构，因此正在探索新的技术方案。自研芯片不仅能实现更高效的推理，还能帮助理想更好地进行软硬件一体化设计，优化功耗、成本和实时性能。谢炎也特别强调，车端与云端算力体系并不完全相同，云端可能采用另一套解决方案，而车端必须以极致优化为核心目标。因此，自研芯片是理想在智能化战略中不可或缺的探索与投入。#理想汽车##微博新知博主# #理想i6上市# 德卤爱开车的微博视频

4. 今年NVIDIA GTC，将会是VLA、端到端和WAM的高光时刻

5. 英伟达GTC2026 智能汽车专场日程出来了，吴新宙开场，看了眼时间安排和主题，我关心的几场智驾内容是： ▷3月17日：理想汽车 14:00 - MindVLA-o1：下一代统一视觉-语言-动作自动驾驶大模型卓驭科技 15:00 - 基于多模态端到端世界模型的智驾体验 ▷3月18日：千里科技 11:00 - 智能融合：下一代端到端架构演进小米汽车 13:30 - 端到端用于自动驾驶的强化认知框架国内头部把GTC变成了技术路线PK的擂台，主题是：如何朝着L4迈进，我相信今年应该能见分晓。你们会关注哪家的技术分享？ #英伟达GTC#

6. #辅助驾驶供应商方案正在超越自研吗# 这是个开放性问题，首先是不是的问题坚持纯自研的：小鹏、理想、小米自研+采购的：蔚来（萤火虫）、比亚迪（天神之眼）、吉利（千里算是拆分独立机构，然后也用了一部分）自研的覆盖数量，新势力是一部分，比亚迪是一部分，吉利是一部分，数量来看是不少的。从自研到外购的：长城、奇瑞辅助驾驶供应商方案：华为：覆盖中高端（五界三境）、奥迪、方程豹、岚图、猛士。。。Momenta：覆盖外资品牌（奔驰、宝马、奥迪、通用、丰田、日产）、比亚迪、智己地平线：奇瑞、大众元戎：Smart、长城、零跑卓驭：大众、红旗、东风、比亚迪我们可以理解为，从新势力的自研，目前单纯的覆盖数量在200万级别，这么多车投入的资金和带来的体验和销量支撑，目前来看，这些钱有点算不过来账。特别是2026年，第三方辅助驾驶的成本会下沉到10-15万，而且都是采用端到端带语音变道的功能而且2026年，竞争的高端是往L3去了，大概率自研都会升级到这个赛道，然后把一部分精力放到机器人上面基础的辅助驾驶NOA，是围绕成本的，在这个赛道更看好第三方的成本控制#新能源汽车##Momenta占NOA第三方市场61%份额#

7. 上交最新！端到端&VLA综述：广义范式下的统一视角

8. 2025年终感悟（一）：兜兜转转这一年，行业的主要玩家们还是回到了“一段式端到端范式”，因为FSD V13、V14证明了这几件事： 1、通过显式解码隐空间，一段式端到端也能具备可解释性。它不仅能输出控制指令，还能实时重构出车辆眼中的3D世界，让决策过程不再是黑盒。 2、用一套技术栈也能打通L2到L4的界限，Robotaxi与乘用车共生； 3、利用生成式仿真（World Model），完美补齐了现实中难以穷尽的长尾数据。但，拥抱同一种方法论，绝不等于Copy和抄袭。在我看来，这更像是决策算力的投向选择，以及往什么方向进化。在确定的范式下，架构细节与工程落地依然存在巨大的创新空间。如果不信，我们看看大模型领域，DeepSeek之于MoE架构，就是最好的启示。 MoE理论虽源自Hinton，并由Google在2021年将其与Transformer结合，但真正让MoE成为高性能、低成本工业标准的，是DeepSeek。他们没有停留在复制Google或Mistral的层面，而是针对「MoE知识混合冗余」和「负载不均衡」的两大痛点，通过细粒度专家与共享专家机制，给出了原创性的极优解。 DeepSeek证明了：站在前人的肩膀上，依旧可以重新定义高度。所以，展望2026年，我最关心的是：谁能在一段式范式上，追上FSD V14，谁能通过更极致的架构创新，在算力效率或特定场景能力上，实现对V14的单点超越。这是2026年，我最期待的事。

9. BigBite解析，Tesla FSD就是一个端到端大模型

10. #大众9X首发MomentaR7世界模型# 世界模型+强化学习双架构，首发上汽大众ID.ERA 9X，从技术架构差异看R6与R7还是有些不一样 • R6：一段式端到端+强化学习（RL），从模仿学习升级为自我试错迭代，感知-决策-控制一体化。 • R7：世界模型（World Model）+ 强化学习双引擎；AI不再只学“人怎么开”，而是理解驾驶底层逻辑、自主推演未来，决策更像老司机可以期待一下9X实际道路体验

11. 请问到底什么是端到端自动驾驶？

12. 1月份集中体验了很多新版本，大家的路径趋于一致了，好几台车的体验也极为接近，如果不是开过很多车，很多小细节会被忽略掉。从普通消费者的角度，很难试出区别来，这可能也是好事吧。对媒体而言，你需要提高Benchmark的能力，不要只会找长尾、找小路，更要从场景，从自动驾驶的趋势，来设计考题。AI时代，学会提问，很重要。

13. 何小鹏正式官宣：小鹏第二代VLA端到端智驾系统，3月19日起大规模推送，智驾体验迎来代际升级。一、技术革新与日常场景采用全新端到端架构，省去中间语言转译流程，视觉信号直接转化为驾驶动作，系统响应延迟低于80ms。日常通勤中，车辆在拥堵路段跟车更平顺、复杂路口判断更果断，大幅降低人为接管频率；实测接管率下降60%，重刹减少99%、急加速减少98%，乘坐更稳更舒适。支持无高精地图全场景通行，老旧小区、乡村小路、施工路段、夜间窄路都能稳定行驶，还可识别交警手势、主动礼让行人与特种车辆，贴近真实老司机驾驶习惯。#何小鹏直播第二代VLA推送#二、推送安排与覆盖车型• 3月19日首批推送：P7 Ultra、G7 Ultra、X9 Ultra/Ultra SE• 4月扩大推送：P7+、G9、G6等Ultra全系车型• 下半年：Max版本蒸馏版上线，从单图灵芯片升级为双Orin芯片；Ultra版本对标L4级全场景能力，Max版本稳居行业主流高阶L2水准。三、里程碑与长期规划已完成横穿中国千公里0接管实测，创下国内智驾量产新纪录。企业将为L4级自动驾驶提供安全兜底，计划1-3年内落地完全自动驾驶；年内启动Robotaxi自动驾驶出租车试运营，同步向大众输出技术，2027年实现全球交付。

14. 何小鹏赴美实测特斯拉FSD V14后，对比小鹏第二代VLA：20公里复杂小路VLA仅接管1次，FSD需5次，复杂路况接管里程提升13倍。VLA砍掉语言转译层，反应时延80毫秒，靠3万卡算力、近1亿段训练数据实现端到端控制，2026年Q1推送给Ultra车型。#何小鹏9大场景美国对比特斯拉#微博汽车的微博视频

15. 大众汽车将采用小鹏XNGP自动驾驶方案

16. 卓驭2024年全面切换端到端大模型，探索出一条差异化的端到端路线：将 VLA 拆解为若干可解释、有分工的模块，以极低代价解决了因果推理、低频数据生成两大难题。卓驭辅助驾驶已拥有九大乘用车量产客户、50 + 量产车型、30 + 即将量产车型。头部公司的差距是月份。#卓驭科技#

17. #粤车南下# 广东车子可以直接去香港了哇。只不过粤港两地的交通规则差别还是很大的，现在新能源车去从大陆这边去了之后智驾表现又会如何咧？看到个话题，#内地车主实测小鹏P7在香港也能用智驾# ！也就是小鹏XNGP不依赖特定地区数据，自适应不同交通规则与环境，也足以可见智能驾驶大模型超强的“泛化性”。驭电客看车#大v聊车#

18. 特斯拉技术分享：明年2季度汽车工业，将迎来没有方向盘的时代#特斯拉 #自动驾驶 #汽车 #Cybercab #端到端

19. 这次在极氪9X上体验的os7.0 H7方案在重庆的体验真的比全量进步很多，接管了一次推测是一个低时延高质量的一端式端到端，相较于全量版本的进步是巨大的主要是三点：选路能力的提升；时延的降低；防御性驾驶本期视频主要是展现此次7.0版本的进步亮点，如果想看一镜到底的小伙伴多的话，再放出来～#极氪9X刷新旗舰SUV驾乘体验# #极氪9X辅助驾驶上大分# 大懒货的微博视频

20. 2025 #小鹏科技日#以「涌现」为题，交出了物理AI的重磅答卷。第二代VLA大模型打破行业常规，拆掉语言转译环节，以视觉为核心实现端到端输出，近1亿真实视频数据的训练量相当于驾驶65000年的场景积累。智驾能力迎来飞跃：小路NGP接管里程提升13 倍，20公里实测接管次数远优于FSD，首发的无导航自动辅助驾驶可全球开启。Ultra车型实现2250 TOPS车端算力，模型推理效率提升12倍。更惊喜的是技术跨域落地：搭载同款模型的Robotaxi 2026年试运营，将与高德共建全球服务体系；人形机器人IRON秀出流畅猫步，2026年底量产在即。大众成为首发合作伙伴，12月底先锋用户可参与共创，物理AI时代加速而来。#何小鹏首次披露物理AI巨大进展#

21. 让AI给你推荐辅助驾驶，到底靠谱吗？这期我们用一台纯视觉城区端到端、全国无图、全系标配智驾的乐道L90，带你一探究竟！ http://t.cn/AXfhGO75

22. 端到端智能辅助驾驶？体验腾势N8L搭载的“天神之眼B”

23. VLA大模型、三颗图灵芯片、2000+Tops算力，这些Ultra的部分，代表了小鹏G7实力的上限那么Max的双OrinX，想必是更多用户的选择，这代表了小鹏G7实力的下限当下限足够的高，“用辅助驾驶轻松”这一句话，就会在小鹏的所有车上成为现实那么喧嚣过后，我们回过头来看，更多用户选择的Max，小鹏目前到了什么水平？而我，又为什么选择了双OrinX的Max版本算力低会代表能力不行吗？我们通过视频，一起来感受一下小鹏Max版本的XNGP #复杂路况不头大小鹏G7全拿下##小鹏G7太香了# 地球上的Alex的微博视频

24. 进步还是退步？乐道端到端辅助驾驶实测！Coconut 2.1.0 开箱

25. 聚焦端到端的公司，越来越多了......

26. 小鹏第二代VLA社会道路实测-详细原片第二段

27. 转发并关注，抽一位送【Marshall蓝牙音箱】//// 理想最新的VLA辅助驾驶替大家好好体验过了，应该说整体能力上限非常高，甚至还能征服山路无车道线的“五连发卡弯”。那么问题来了，VLA到底是什么？和之前的端到端以及VLM又有什么关联？这期视频，我们就从技术架构和实际体验这两方面，让你一次看得明白～ #理想L7# 楼斌Robin的微博视频抽奖详情

28. 小米端到端辅助驾驶HAD增强版「小米汽车广州车展发布会」

29. 最近卓驭在 100T 算力平台的车上更新了端到端 2.0 的算法，在本期视频中你将看到：- 端到端 2.0 VS 端到端 1.0 有哪些变化？- 交互式预测规划算法是什么意思？- 强化学习的原理是什么？- 这套系统还有那些需要提升的地方？- 卓驭现在发展的怎么样？感谢观看！#卓驭# 类星频道的微博视频

30. 上周去体验了号称“中国版FSD”的搭载地平线征程6P的HSD，目前这套一段式端到端真可以用惊艳来形容！#新能源大牛说# 王冬等人的共创视频

31. 回复@爱吃椒盐黑豆:在智驾领域，端到端是个专有名词，特指从感知到控制指令由一个神经网络来完成，并不是你理解的意思。//@爱吃椒盐黑豆:回复@钊哥科普:安全和合规这才叫端到端，安全到达终点，尊重法律，尊重生命等合规，才是正确的路，还有你说的激光雷达无法融入网络，只能说明你办不到而已

32. 英伟达这一步，砸开了自动驾驶“黑盒”。 #大咖观察 #红衣聊AI #英伟达 #自动驾驶

33. 端到端，VLA，世界模型都是什么意思？

34. 在端到端神经网络范式下，海量高价值数据成了真正的资产。在数据规模、质量和多样性上，特斯拉量产车规模接近千万辆，上天入地，昼夜穿梭，风雨无阻，甩开了Waymo不知多少里地。端到端自动驾驶系统不仅可以从海量数据中自行学习如何分解任务，建立内部表征，做出最优决策，学到更泛化、更柔性的解决方案。而且，基于AI原生思维的端到端自动驾驶算法遵循一项神奇的定律，也就是被OpenAI、谷歌这些巨头喊了三年的Scaling Law。在尺度定律的支配下，自动驾驶神经网络的性能将随着数据与算力的增长持续提升，实现驾驶智能的涌现。在数据驱动的端到端范式下，塑造自动驾驶大脑、淬炼驾驶智能的真正胜负手在于获取数据的能力与规模。对于L2和L4阵营而言，这场竞赛注定是不平等的。L4玩家依靠有限的小规模车队慢条斯理地收集着数据样本，而L2玩家却可以凭借数百万辆前装量产车，在真实世界的复杂洪流中，以近乎零边际的成本，昼夜不息地汲取数据洪流。无可比拟的量产车入口，让L2玩家掌握了一种更为直接、也更为根本的进化路径。根据特斯拉自动驾驶负责人阿肖克的分享，每一次数据采集器的成功触发、每一个特定长尾场景的主动捕捉、每一个人类驾驶员的必要接管、每一次状态空间的显著变化，都成了喂养自动驾驶大脑的关键经验。由此，一个强大的数据飞轮开始旋转，规模量产车产生优质数据，数据驱动模型进化，进化的模型带来更出色的用户体验，吸引更多车型为智能驾驶买单。于是，更多的车辆、更长的里程又源源不断地生产着更大规模的数据。就这么完美闭环了。#大v聊车#

35. 《2025城市NOA汽车辅助驾驶研究报告》：Momenta与华为“双强”格局稳固

36. 某智驾公司的端到端「野心」......

37. 马斯克10年梦成真！特斯拉全球首次自动驾驶横穿美国，人类0接管

38. #智驾返乡排面拉满# 春节自驾最怕什么？不是路程远，而是那些“翻车高频场景”：大车压迫、黄灯抢行、超大路口调头、无保护左转……春节前#地平线HSD首次OTA开启#，推送了V1.5版本针对这类春节高频场景做了不少优化，正是为这些痛点而来！基于“一段式端到端”架构，让返乡路轻松些。比如说它强大的大车避让与复杂交互逻辑更让你在这种情况下更合理地把控距离，路口通行更从容，调头、黄灯、超大路口等“春节高频翻车场景”的处理也更加类人，这不是冷冰冰的算法，而是像老司机一样的“情境理解力”。春节出行，要快更要稳——HSD V1.5，让你游刃有余。#地平线HSD#

39. 上交最新广义端到端自动驾驶综述：统一视角下的三大范式

40. 乐道Coconut 2.1.0正式推送，端到端智驾全面上车！我给大家总结几个端到端城区领航辅助：基于蔚来统一技术架构，不依赖高精地图，有路就能开。非规则路口、人车混行、施工区域都能淡定应对，平均接管间隔超45公里，舒适度甚至超过老司机。端到端智能泊车辅助：行业唯二量产方案，可见即可选，选中即可泊。P挡也能识别周边车位，超大车位、远距离车位一键搞定。新增肯德基智慧点餐：小乐GPT语音下单，支持套餐组合和优惠券，车速取、沿街取超方便。四门开门预警影像升级：前后排屏幕同步显示侧后方实时画面，有效避免“开门杀”。乐道这次用端到端技术打通了城区行车、泊车和安全场景，直接把智驾体验拉到新高度。2026年，马上乐道！#2026马上乐道#

41. 端到端时代下，汽车供应链的“解构与重组”

42. 理想 VLA 体验，一个随叫随到的 AI 司机！

43. 整个行业都在争的VLA和世界模型两大前沿模型孰优孰劣，千里浩瀚找到了“最佳解法”，云端布置“世界模型”仿真学习，积累训练成果；车端部署VLA通过视觉和传感器多模态信息识别，并达到全局推理。两个模型相互不冲突，效果可叠加。协同让智驾从“类人行为”跃升至“类人决策+行为”的高阶维度。预计即将到来的CES，吉利会官宣新版本命名，并近期通过OTA登陆极氪、领克多款车型，覆盖更广泛用户需求。提前试驾中，其长尾场景处理能力与横纵控制表现惊艳，无图车位到车位领航、G-AES紧急自动转向等功能落地，印证了架构升级的体验突破，以“安全+实用”的进阶姿态跻身行业头部。即将到来的CES发布会，或将揭开其更多技术细节，敬请期待。

44. 华为乾崑智驾ADS 4.0：用WEWA架构（世界引擎+世界行为模型）把智驾拉入"云—端协同"时代。云端世界引擎用AI生成难例场景，把训练效率提升至真实世界千倍量级；车端世界行为模型通过多模态感知和MoE专家调度，端到端时延降低50%，重刹率下降30%，通行效率提升20%。CAS 4.0全维防碰撞系统把AEB响应覆盖1-150km/h全速域，新增驾驶员失能辅助、爆胎稳定控制、侧向障碍物防碰撞等功能。车位到车位2.0支持跨层巡泊一体，用户可一键启动直至目标车位。累计辅助驾驶里程突破50亿公里，避免潜在碰撞超242万次，高速安全接管里程达1000公里。这套方案不仅是技术参数的堆叠，更是华为从"功能满足"到"体验重构"的战略落子——用云端训练摊薄算法迭代成本，用安全配置筑高行业准入门槛，让车企"投华"成为智能竞赛里最快的那条捷径。#大v聊车#

45. 如何看待工信部许可两款 L3 级自动驾驶车型产品？这意味着中国自动驾驶进入什么阶段？

46. 最近特斯拉AI副总裁Ashok Elluswamy在ICCV大会上的一次分享，揭开了FSD V14进化的冰山一角。下面是根据BigBite推文的简单整理：1. 驾驶，为什么必须是端到端？过去大家总担心端到端是个不可解释的“黑箱”。但Ashok用几个例子点破了传统方案的死穴： · 规则无法编码人类的价值判断：路上有个水坑，你是压线绕过去，还是死守车道溅自己一身水？这种“人情世故”，规则写不出来，但模型能从海量数据里“悟”出来。 · 接口就是信息瓶颈：传统方案里，感知模块告诉规控模块“那儿有只鸡”。但鸡的意图、姿态这些微妙信息，在传递中都丢失了。端到端，就是让神经网络之间直接“对话”，信息无损直达，决策自然更精准。2. 如何窥视“黑箱”？——思维链（COT）是关键这才是这次分享最炸裂的地方。特斯拉的端到端，并不是一个从像素输入到方向盘输出的纯黑箱。它在中间加入了“过程校验”，让AI学会了“思考”。它会输出一系列中间结果，比如3D空间、动态障碍物，而最关键的是，它能用自然语言来表达决策！就像分享里的例子，系统不仅识别出“Road Closed”（道路封闭）的牌子，还能进行逻辑推理，用语言文字生成决策：“无法直行，识别到左侧绕行标志，执行左转”。这已经不是简单的“看见”，而是“看懂”并“想明白”了。这套基于VLA架构的“慢思考”模式，让AI的行为有了可解释性，也正是国内理想、小鹏等头部玩家殊途同归在走的技术路线。3. 真正的护城河：闭环仿真评测体系数据再多，模型再牛，怎么知道它行不行？Ashok强调，完善的评测体系，才是端到端系统的核心壁垒。特斯拉的解法，是基于大算力集群+世界模型的闭环仿真系统。这个系统，是用真实世界的数据“喂”出来的，能高度逼真地模拟现实。它的牛逼之处在于： · 可以低成本、高效率地验证算法迭代，不用每次都实车跑。 · 可以人为创造各种极端场景（对抗样本），专门测试模型的极限。 · 甚至可以在仿真系统里，获取更完美的“人类驾驶真值”来反哺模型训练。4. 终局：为物理世界打造通用AI最后，格局一下就打开了。Ashok明确表示，FSD的这套技术栈，无论是数据引擎、端到端模型，还是闭环仿真，都可以直接迁移到擎天柱（Optimus）机器人上。所以，特斯拉在做的，早已不只是一套“自动驾驶”系统。它是在为整个物理世界，打造一个可以理解、交互、并做出决策的通用人工智能。这盘棋的终局，远比我们想象的要宏大。原文：网页链接#特斯拉##特斯拉FSD#

47. 无需训练，直接「算出」最强AI！理想汽车发现端侧Scaling Law

48. 2025 年 ICCV 大会上，特斯拉首次公开 FSD V14 技术架构。其采用端到端多模态大模型，融入 VLA 框架，输入多类信号，输出含 3D 重建、语言决策等。引入语言推理与 3D 高斯重建解决技术难题，搭配 “数据 - 模型 - 验证” 闭环仿真体系，提升决策合理性与安全性。V14 在复杂场景表现更拟人化，迈向自动驾驶通用智能阶段。

49. 特斯拉AI负责人首次揭秘FSD自动驾驶方法论：为什么我们选择端到端？

50. 卓驭 CEO 沈劭劼：目前卓驭拥有 9 个客户，15 个品牌，量产 50 多个车型，年出货量达到了几十万套。从 2022 开始，卓驭保持 200% 的年复合增长率。最新端到端大模型数万公里的泛化，很多城市百公里安全接管小于 1 次，百公里违规接管小于 1 次。#新能源汽车##42how##卓驭品牌盛典2025# #卓驭称油车辅助驾驶没有对手#

51. 回归智驾本质，博世以量产级一段式端到端重构行业标准

52. 端到端——让AI从看见到行动，一气呵成的梦想

53. 超前体验卓驭端到端2.0！意外发现红旗天工05官方没讲的卖点#红旗天工05# 玩车教授的微博视频

54. 如果AI的终极形态不是在屏幕里，而是在现实世界里替人类干活。你觉得下一个爆发点会先出现在机器人，自动驾驶，还是医疗？#大咖观察 #红衣聊AI #科技 #人工智能 #黄仁勋

55. 英伟达搞自动驾驶，特斯拉完了？#英伟达 #CES2026 #特斯拉 #马斯克 #Alpamayo#自动驾驶

56. #陈震称中国辅助驾驶无需对标国外# 重庆实测见真章！陈震老师直言特斯拉FSD中国版"一言难尽"，但深蓝L06的表现让他赞不绝口："这车太牛了！" 深蓝智能驾驶辅助系统DEEPAL AD Max与特斯拉FSD同属一段式端到端技术，却更懂中国路况。从光子输入到线控输出无断点，变道转弯一气呵成，点刹、画龙频次大减90%+，活像老司机掌舵。硬件更实在：全系标配激光雷达+27颗传感器，搭配双核芯片，窄道会车、无保护左转都应对自如。四图融合导航+行程报告，安全又透明。中国辅助驾驶早已不是追随者，而是针对本土场景的引领者！

57. #Momenta占NOA第三方市场61%份额# 2025年城市NOA市场规模化落地提速，渗透率达15.1%，第三方赛道形成双强格局，Momenta以61.06%份额断层领先，华为HI模式紧随，双雄垄断超八成市场，彰显中国智能驾驶硬核实力。Momenta登顶绝非偶然，端到端飞轮大模型+无图智驾方案，适配多场景多硬件，迭代效率与泛化能力领先，既精准破解中国复杂路况，又能支撑车企全球化布局。其合作版图更具含金量，绑定奔驰、宝马等全球八大顶尖车企，覆盖全价位车型，开放灵活的合作模式兼顾车企定制化需求，成为中外车企智能化转型首选。相比华为闭环生态，Momenta轻资产开放路线更易规模化落地，筑牢行业壁垒。此次领跑不仅印证中国智驾技术从跟跑到领跑，更推动中国方案走向全球，重塑全球汽车智能化产业链格局，为行业高质量发展注入核心动能。momenta占noa第三方市场61%份额

58. L2级辅助驾驶系统和L4级自动驾驶系统的算法范式都开始转型端到端神经网络后。由于端到端抹除了海量规则代码资产，重画了起跑线，L2和L4玩家之间不再存在无法跨越的关山，大家来到了近乎相同的水平线。#大v聊车# 甚至由于L2玩家在数据上的优势，L4玩家第一次感受到了被颠覆的危险。从推出带安全员的自动驾驶出租车到取消安全员，Waymo花了整整两年的时间，而显眼包特斯拉25年6月份开展Robotaxi试运营，12月份拿掉车内安全员，仅仅用时半年。

59. #小鹏科技日# 小鹏科技日重磅发布第二代VLA大模型，开创物理AI新纪元！创新实现视觉信号到动作指令的端到端直接生成，彻底颠覆传统V-L-A架构。搭载3万卡云端算力集群，720亿参数基座模型每5天全链路迭代，车端部署数十亿参数模型领先行业。基于第二代VLA的"小路NGP"让复杂小路接管里程提升13倍，更涌现识别交警手势等智能能力。2026年将面向Ultra车型全量推送，并开源赋能全球生态伙伴。

60. 何小鹏：「端到端小模型」是巨大的「缝合怪」！

61. 刚刚，在美国的ICCV会议上，Tesla的Ashock 分享了Tesla模型架构，也使用了Language。整体也可以视作是个VLA，系统不仅要能做决策，还要让人类理解“为什么这么决策”。简单来说，这张图描绘了一个试图在“强大性能”和“可解释性、安全性”之间找平衡的智能驾驶系统架构：用大型神经网络整合多模态输入，输出多层次的感知与决策结果，以此让系统的行为更可理解、更安全。

62. 当模型具备以下原子能力，管它叫什么VLA、第二代VLA、WA、NWM或者其他什么，这些都不重要了，1. 响应快、低时延，2. 具备场景理解的“泛化性”，模型不仅“见过能认识”，还可以通过“理解本质再类比”，处理之前没见过的场景，3. 能听懂“人需要怎么开车”，把语言瞬间变成驾驶策略，4. 模型的可解释性+可验证性，5. 能持续挖掘和回传 corner case，6. 可在车端部署，7. 参数增长后，训练能持续增量演进，而不是重来一遍,(欢迎讨论补充)

63. 昨天分享了小米端到端的研发故事（网页链接），今天继续写小米VLA的进展，以及陈龙博士如何看待VA与VLA之争。陈龙博士在2025年4月正式加入小米，此前在自动驾驶独角兽公司 Wayve 担任核心科研职务。我们最早了解的视觉语言自动驾驶，也是从Wayve的“Lingo”开始的。他也是影响Lingo落地论文《Driving with LLMs》的第一作者。对于VLA的本质，陈龙给出了自己的解释：语言（Language）与视觉（Vision），并非简单的“转译”，而是深度的“增强”。视觉是基础输入，而语言模态的引入，能够对视觉信息进行更高维度的描述与逻辑推理。二者是相加的协同关系，而非转译和替代。陈龙认为，传统的端到端模型能够解决 90% 的常规驾驶问题，剩下的 10%长尾场景（Corner Cases），则是 VLA 的主战场。 VLA 的核心优势不仅在于可解释性，更在于它拥有“通识”。面对从未见过的场景，它能通过逻辑推理举一反三，像人类一样做出正确决策。在架构设计上，小米采用了 “VLA + 世界模型”的协同模式：世界模型是“模拟器”与“预测机”：它负责预测未来，构建高拟真的虚拟环境；VLA 是“大脑”：它是一个具备强认知能力的端到端模型。二者配合，既可以用世界模型生成的虚拟环境来训练 VLA 大脑，也可以将世界模型的预测能力融入 VLA，大幅提升决策的前瞻性。为了支撑这一路径，小米自研了具身基座模型。不同于套用开源模型，小米从 LLM的预训练阶段就开始介入。这样做是为了从源头筛选高质量数据，确保驾驶行为的安全与可信；同时融入机器人与驾驶的双重任务数据，特化增强 3D 空间感知能力。我个人理解，小米做基座模型并非平地起高楼，例如小米有自己的大语言模型MiMo，感兴趣的朋友，可以搜索一下。小米在辅助驾驶/自动驾驶的技术投入、资源投入是超规格的，你很难在主机厂看到辅助驾驶多条主线的并行与储备。无论如何，任何技术路线，只有实现落地和交付才有价值，小米也只有交付好用的版本，才能让外界信服。

64. 【现代汽车旗下的自动驾驶团队「42dot」端到端表现如何？#韩国版 FSD#】42dot 公开了实验性道路试驾画面，仅依靠车身搭载的摄像头感知周围环境并实现自动驾驶，完全不依赖高精地图（HD Map）。该系统搭载 400 TOPS 级别的 NPU（神经网络处理器），已在高速公路和城市道路上实现类NOA功能。42dot ,是现代汽车集团于 2022 年完全收购的韩国自动驾驶初创公司，被视为现代在 L4 级以上自动驾驶领域的核心技术力量。此次公开的亮点在于：纯视觉 + 端到端大模型 + 不依赖高精地图，这与特斯拉 FSD 的技术路线高度相似，被韩国媒体称为“韩国版 FSD”。车事勇评的微博视频

65. 特斯拉完全自动驾驶系统 FSD 零接管横穿美国，做到这点有多难？算是自动驾驶系统的里程碑吗？

66. 「学校里很少教授的一点是如何思考规模化问题。当问题规模扩大百倍时，解决方案往往随之改变。最初选择的解决方案可能很快会演变成问题本身」特斯拉团队成员近期在不同场合的发言都表达了一层含义：“规模化是智能突破关键”的发展趋势特斯拉AI负责人近日在国际计算机视觉大会（ICCV）上分享了特斯拉在端到端自动驾驶方面的最新研究进展。以下为核心要点👇特斯拉的自动驾驶系统采用端到端神经网络：它直接从多摄像头画面、车辆运动信号、导航地图、音频等输入中学习，输出控制车辆的转向与加速度命令。💡 为什么坚持端到端？-难以用传统编程写出“人类价值判断”，但AI可从真实驾驶数据中学习到这些决策逻辑；-感知、预测与规划之间的界限模糊，端到端能让梯度贯通全流程，实现整体最优；-可扩展性强，能涵盖现实世界中大量“长尾场景”；-硬件结构统一、延迟可控；-顺应“规模化是智能突破关键”的发展趋势。从近期 FSD V14 的部分客户实测体验中可以看出的案例展示：-系统学会在遇到大水坑时选择安全避让，而非死板遵守车道规则。-能理解“鸡要过马路”和“鹅只是待在原地”这种柔性意图。→ 这些都是人类直觉式判断，端到端网络通过大规模人类驾驶数据学会了这种“价值感知”。⚙️ 技术挑战与突破：1️⃣特斯拉车辆每秒产生海量传感器数据（相当于 20 亿个输入 token）。系统必须在其中学会因果关系，而非虚假相关。👉 特斯拉凭借全球车队每天“500 年驾驶量”的数据流，通过自动数据引擎筛选出高价值样本，极大提升了泛化能力。2️⃣虽然是端到端模型，但仍能输出中间的可解释信号。例如最新的 Generative Gaussian Splatting（生成高斯点云）技术：可在 220 毫秒内重建高质量 3D 场景，无需外部初始化，可建模动态物体与主AI模型联合训练。此外，FSD v14 已内置部分自然语言推理能力，让模型能结合语言与视频进行场景理解。3️⃣评估与闭环仿真：特斯拉打造了神经世界模拟器（Neural World Simulator）：用真实数据训练，可根据AI控制信号生成未来世界状态；支持高帧率、高分辨率、实时仿真；既可用于模型验证，也能生成对抗性场景或用于闭环强化学习。甚至可以让人“在AI生成的世界里开车”，画面逼真、交互流畅。最后他还强调了同样技术也无缝迁移到 Optimus 人形机器人，使其能在虚拟环境中学习导航、操作与互动。#新能源汽车##特斯拉##人工智能##Optimus#

67. #小鹏智驾负责人称涌现不是偶然#小鹏自动驾驶负责人刘先明表示，小鹏第二代VLA开启物理世界模型新范式，实现视觉信号直连动作指令的端到端输出，突破传统VLA"视觉-语言-动作"架构。在2025科技日发布的这一突破，经3万卡算力、20亿+训练投入后迎来质变，使智能驾驶涌现更强道路理解能力，成为继端到端、标准VLA后的最大飞跃。

68. 端到端与一段式端到端——从单帧到整段的学习

69. 中国自动驾驶“真上路”，打响全球AI时代新战役

70. 摸底地平线HSD一段式端到端的方案设计

71. 黄仁勋规划下一代科技版图：6G、量子计算、机器人、自动驾驶 #科技改变生活 #AI新星计划 #英伟达 #黄仁勋 #GTC

72. 小鹏的XNGP在国内外都是高度可用的，我这里说的高度可用不只是智驾的完成效率高，也包括整个行驶过程中，驾驶者有没有安心的感受国外媒体在测试小鹏G6上的NGP时，评价很高，可以笼统地概括为三点：系统交互更拟人、可以自动识别闸机、强大的记忆识别能力。作为对比的产品，特斯拉的FSD在整个智驾的体验中，就没有小鹏这样的丝滑了#小鹏G6美媒实测NGP实力比肩FSD#

73. #小米新SU7辅助驾驶升级XLA大模型#定了，新一代小米SU7将全系标配搭载XLA 认知大模型的HAD端到端辅助驾驶，亦是小米智能辅助驾驶的底层革新，重大架构升级。官宣“MiMo-Embodied 具身基座”名字虽有点抽象，但在700TOPS智驾算力+激光雷达+4D 毫米波雷达+ 高清摄像头的强强联合下，令辅助驾驶更像“人”在思考、在决策、更有信心、更安全。通俗的讲：XLA 带来的核心体验提升，能理解复杂路况、预判行人、非机动车意图，加减速更平顺。且全场景覆盖，高速 NOA、城市 NOA、无图智驾、自动泊车、ETC / 闸机通行，整一出“样样行”。关键全系标配还免费，稳！

74. 其实从视频里的例子我们可以发现VLA有正向收益的场景基本上都是低速非安全相关的场景，而且真正能超过人类驾驶员的LLM不可能部署在车端，所以纯理论角度很美好，实际工程落地效果就要大打折扣。当然等以后车端能部署的大模型参数数量级再提升一个级别以后事情可能会有新的变化，但目前VLA到底效果如果大家心知肚明。#微博新知#

75. 英伟达今日正式发布自动驾驶 AI 系统 Alpamayo。黄仁勋将其称为：全球首款具备思考与推理能力的自动驾驶汽车 AI，该系统将于今年晚些时候在美国道路投入应用，首发搭载于奔驰 CLA 车型。它采用端到端训练模式，同时也引入了 VLA 模型，这套技术方案能够提升自动驾驶系统的透明度、安全性和稳健性，以及系统在复杂真实路况的表现，同时为更高等级自动驾驶技术的发展提供了支持。Alpamayo 第一代模型采用 100 亿参数架构，支持开发者二次开发，它可以被用于车辆端开发，也可作为自动驾驶开发工具的基础。同时 Alpamayo 第一代模型也将提供开放模型权重和开源推理脚本。该系列未来的后续模型将具备更大参数规模、更精细的推理能力、更灵活的输入输出方式，以及商用化部署选项。#42mark##新能源汽车##英伟达开源辅助驾驶模型和数据集# 42号车库的微博视频

76. NVIDIA 提出的Alpamayo-R1（AR1）是一款视觉 - 语言 - 动作模型（VLA），旨在解决端到端自动驾驶在安全关键长尾场景（监督稀疏、因果理解不足）中的性能脆弱问题。这个也是新宙去了NV做的很大一部分的工作创新，从学术领域看..直接让NV的AD推到了目前学术领域最前沿的那一档。最直接的创新就是用VLA去解决了长尾场景的不足性【现阶段端到端难处理的场景】⭐其核心创新包括：（1）构建Chain of Causation（CoC）数据集（混合自动标注与人机协作，生成因果关联的推理轨迹）；（2）设计模块化 VLA 架构（融合 Physical AI 预训练的 Cosmos-Reason 视觉语言模型与扩散式动作专家轨迹解码器，实时生成运动可行轨迹）；（3）采用多阶段训练策略（先通过 CoC 数据监督微调激发推理能力，再通过强化学习（RL）后训练优化推理质量与推理 - 动作一致性）。⭐实验表明，AR1 在挑战性场景下轨迹规划提升12%，闭环仿真中越野率降低35%、近距离接触率降低25%；RL 后训练使推理质量提升45%、推理 - 动作一致性提升37%；7B 参数模型比 0.5B 模型轨迹准确率高11%，实车测试实现99ms 端到端延迟，验证了 Level 4 自动驾驶的实用路径，计划释放模型与 CoC 子集。噢对了...可能会用这个构架 NV和Uber直接一起做L4，VLA的可解释性、推理能力和对长尾场景相较于传统端到端模型相比具有更好的兜底能力给#自动驾驶# L4提出了新的思路。思维导图见图二~~~~@Rocky刘毅林 @大雁jassy @本诺__ @july再发呆 #微博新知##懒博小课堂#

77. 智驾与座舱正深度融合，AI 成核心驱动力，对系统理解意图、适应开放环境的要求大幅提升。商汤绝影联合东风推出行业首个生成式智驾量产方案，采用一段式端到端架构消除信息损耗，搭配扩散生成模型实现多轨迹决策，再通过世界模型与强化学习构建虚拟训练场，让系统自主进化。这套方案解决了传统智驾决策保守、不稳定的问题，在复杂博弈路况中更贴近人类驾驶逻辑，平衡安全与效率，推动智驾从规则执行向自主进化升级。

78. 端到端自动驾驶算法工程师的一天

79. 中游智驾厂商，正在快速抢占端到端人才......

80. 当我们把端到端量产需要的能力展开后......

81. 🌐世界模型赋能第二代VLA仿真 + 泛化，全球化适配无忧✅ 生成 50 万 + 仿真场景，每日等效 3000 万公里实车测试，强化长尾场景应对能力✅ 支持长时序推演，模型与环境交互更充分，能力进化更快速✅ 文字提示即可生成海外路况视频，助力欧洲等复杂路况适配✅ 为第二代 VLA 全球化落地提供核心支撑，无需大量采集当地数据#小鹏第二代VLA发布##小鹏智驾负责人称拉开差距的时刻到了#

82. #含模量高的智驾是什么样#？吉利的给了完美答案，这份实力……懂得都懂！吉利千里浩瀚G-ASD以高含模量为核心，凭WAM世界行为模型+Smart AI Agent架构构建技术内核，千亿级多模态大模型加持实现类人思考，从感知、决策到控制端到端贯通，彻底摆脱传统智驾的规则束缚。其实《大海工作日VLOG》以杭州-杭州湾动态驾驶为核心咱们就能看出，从三大维度拆解这份硬核：行业端定调智驾体系战，都能看出吉利算力、数据、算法全链路优势；实测端通过10大复杂场景，展现全场景防御、D2D无缝领航等可感知体验；用户端落地“双平权”，以大规模量产让高阶智驾普惠，真正让高含模量的技术实力，转化为每一次出行的安全与从容。

83. HSD300 整体的体验就已经非常优秀，完整特别是在复杂道路的选道能力，无保护左转，拟人的蠕行等等，具备了和HSD600一致性的整体表现特性@地平线HSD @肉肉爷比 @july再发呆 @谢晨杰xx 如果不去试一下，真的很难想象这个体验仅仅是双J6M 做出来的同一套模型蒸馏剪枝后还能保留这么高比例的能力#懒博小课堂##听不懂的汽车黑话##hsd一段式端到端体验##智驾返乡排⾯拉满#

84. 国庆8天8.88亿人次出游，自驾游热潮下，#华为乾崑#交出亮眼答卷！截至10月9日，其累计辅助驾驶总里程达54.24亿公里，正式超越理想的53.4亿公里，用数据印证“用户信赖的智驾第一品牌”地位。假期实测更见实力：8天累计辅助驾驶里程2.94亿公里，相当于绕地球7350圈；高速辅助驾驶时长280万小时，成功避免7.48万次碰撞，“五维安全” 守护落地见效。车位到车位2.0使用超101万次，覆盖全国50万停车场，真正实现“出发即接管”。技术领先性在实测中凸显：42号车库8场景测试显示，华为乾崑ADS 4凭借WEWA架构实现0接管、无重刹，而 VLA模型出现5次接管与3次重刹。端到端时延降低50%的技术优势，正转化为用户可感知的安全与流畅。

85. 美国汽车媒体来实测小鹏G6智能驾驶，说它和特斯拉FSD不相上下，那是不是可以理解成咱们的XNGP对国内外用户很好适应了尤其是在咱们日常里碰上的这种电瓶车穿梭、路况复杂的环境里，能稳定的运行已经不容易了，小鹏却可以在交互拟人、自动识别闸机和停车场记忆上更胜一筹大量的研发投入和深耕本地化场景的优势这不就就体现出来了～#小鹏G6美媒实测NGP实力比肩FSD#

86. 【中国科协主席万钢：实现L3、L4级别的自动驾驶需要智慧的道路和云计算技术平台的支撑】财联社9月27日电，在2025世界新能源汽车大会上，中国科协主席、世界新能源汽车大会主席万钢表示：“要实现L3（有条件自动驾驶）、L4（高度自动驾驶）级别的自动驾驶，需要智慧的道路和云计算技术平台的支撑。具体而言，需要将汽车在驾驶过程中遇到的情况和处理方式，上传到云平台进行大模型训练，再将升级后的能力反馈至车端，形成一个从车端到云端的闭环，才能真正提高自动驾驶能力。”

87. 蔚来Cedar 1.4.0系统推送 NWM2.0智驾大升级

88. 从辅助驾驶走向自动驾驶，需要不断的探索和验证。小鹏NGP从端到端升级到全场景VLA，各项能力的进步相当巨大。现在又在物理AI领域取得重大进展，更硬核的世界模型就要来了。有强大的自研图灵AI芯片，有强大的算法支持，还有强大的基座模型……这些都只是基础。小鹏迈向L4级自动驾驶有自己的技术路线。小鹏就是这样，一次又一次的能力辅助驾驶和自动驾驶的发展。

89. 最近关于#岚图泰山疑搭500线激光雷达# 的传闻满天飞，什么“首发华为超500线激光雷达”“行业最强智驾硬件”，听着都挺带感。但说实话，这种级别的配置，就算真上了，岚图也不太可能提前官宣。毕竟旗舰车最重要的是——仪式感。官方一句“不逊色于任何友商”，其实就已经说明了一切。至于是500线，还是更强的版本，得等发布会那天揭晓。现在炒参数意义不大，最终落地效果才是真功夫。11月见真章吧，猜来猜去不如等实锤。#岚图泰山实力超界#

90. 认知驱动下的小米智驾，从端到端、世界模型再到VLA......

91. 工业界算法专家带队！面向落地的端到端自动驾驶小班课

92. 哈啰入局Robotaxi，如何凭一段式端到端弯道超车？

93. 从目前的信息来看，端到端的落地上限应该很高......

94. 什么，端到端已经开始Out了？还真不夸张，在空间理解、思维、沟通&记忆、行为和迭代能力五个维度获得全面进化的理想VLA，已经跟随#理想i8#一起来到大家面前。都说VLA像一个真正的私人司机，它开出来的“黄金右脚”和丝滑绕行能力，让很多真人司机都自叹不如，真实的体验究竟如何？在全国机动车保有量最高的城市成都，“舞台”已经搭好，来看看理想同学的表演。科技的那些事的微博视频抽奖详情

95. 小米端到端辅助驾驶到底有没有第一梯队？小米YU7城区智驾实测

96. 中汽协的这个报告有一些数据，很枯燥，但是很有意思。1、2025 年前三季度，驾驶辅助功能（L2 级）的乘用车销量增长 21.2%，渗透率 64%。2025 年 1—11月，有城市NOA的车销量312.9 万辆，增长5.6%；2、30万以下主流车型有城市NOA的占比68.9%；3、自研城市 NOA 车型销量约 245.1 万辆，占城市 NOA 总销量的78.3%，主导地位；自研企业主要有19家；4、城市 NOA 第三方供应商两家独大，Momenta和华为合计占比超80%（华为指的是HI模式，鸿蒙智行数据算自研）；5、有城市NOA功能的销量中，自主品牌占比81.1%、而合资品牌占比仅为 8.3%；6、技术上，端到端、去高精准地图成为主流。报告并不算特别详细，尤其是在技术方面，从现有它总结出来的数据能看出。NOA和城市NOA的渗透率还在加快；2026年，15-20万价位的新车会是重点渗透区域；中国品牌在搭载城市NOA的意愿和动作上，更快、主动性更强，合资品牌刚开始起步。非车企的智驾企业中，Momenta和华为明显领先。

97. 特斯拉FSD是一段式端到端，仅一个模型吗？从FSD训练迭代的效率，信息无损传输的特点来看，的确像是一段式端到端（一个模型搞定：感知，规控，控制全由一个模型搞定，没有中间环节规则嵌入）但是从FSD的训练效率与收敛速度，每次都能能够针对特定场景特别优化来看，加上推理时毫秒级的响应速度，单用一个模型的话，很难做到如此高效又精确故有猜测特斯拉FSD其实是“数据驱动的端到端训练，多个专用模型并联式”（以RAINES为代表）什么意思呢？1.数据驱动的端到端训练是指：从摄像头光子信号输入，到方向盘踏板操作输出，不论是训练还是推理，都是端到端的，全由数据驱动，无中间环节2.多个模型是什么意思呢？即有的模型是专门处理无保护左转的，有的模型是处理弱势群体混行的，有的模型是处理变道夹塞的这么多模型，同步受同样的数据驱动，相同的损失函数，类似于并联不论是一个模型，还是上述多个模型并联，都是猜测，请懂得大神来分享一下信息#特斯拉fsd#

98. 感谢@呆呆呆总的分享NV与Google 推动AV【AD】出海解决方案@Rocky刘毅林图四很明确的展示了面向未来的AV可行的构架之一【V-L-A】基于LLM主干网络的多模态大语言模型，打通信息对接瓶颈，提高传统端到端模型可解释性，理解包含语言信息的真实世界的能力。当然，不只是VLA才能走向更高阶的AVVLA同样也面临着一些不足：1️⃣ 边缘侧算力不足，模型思考深度2️⃣ 真车表现不佳，模型收敛问题3️⃣ 长尾场景4️⃣ 原生多模态数据集规模差异特别大等等..@电动知士大雨 @首席线索官 @影总Tim @大雁jassy @本诺__ #自动驾驶##懒博小课堂##微博新知##大v聊车#

99. 【#现代汽车承认与中国车企存在差距#，重申将全力支持自动驾驶】据《韩国先驱报》报道，当地时间 12 月 24 日，现代汽车集团执行董事长郑义宣现身自动驾驶子公司 42dot。业内消息称，郑义宣试乘了一辆自动驾驶 IONIQ 6。该车采用 42dot 开发的端到端自动驾驶方案，通过单一 AI 模型直接完成从传感器数据到驾驶决策的转换，是现代自动驾驶技术体系的关键基础。试乘结束后，郑义宣对 42dot 的研发进展给予肯定，并表示将继续支持自动驾驶和软件定义汽车方向的发展。郑义宣此前在起亚成立 80 周年活动上也直言不讳：“Motional（现代在美自动驾驶合资企业）确实取得了不错的进展，但整体来看，我们仍显落后，中国企业和特斯拉推进得非常快。不过，比起单纯追赶进度，确保安全更重要，安全始终排在第一位。”（IT之家）

100. 卓驭品牌盛典的操作够果断！为破局规则驱动的行业瓶颈，2024 年 10 月直接删光旧代码，转头搭建端到端新架构。没走纯黑箱路线，保留可解释性，还在中算力平台跑出高水准 ——TDA4 能落地城市领航，8650 性能接近双 Orin X。现在业务从乘用车扩到重卡、无人物流车，智驾赛道的技术转型和边界拓展，这波思路很清晰。

101. #小鹏第二代VLA妈妈都爱开的国民智驾#小鹏2026的重要里程碑，首先最关心的就是承诺Max版的二代VLA蒸馏版今年一定落地。说好的，我可就坐等了。此外：安全接管里程、平均接管里程、车端模型参数量全部大幅提升。Robotaxi今年也会开启运营。#新能源汽车##大v聊车#

102. 【#Momenta占NOA第三方市场61%份额#】1月14日，中国汽车工业协会发布的《2025城市NOA汽车辅助驾驶研究报告》显示1月14日，中国汽车工业协会发布的《2025城市NOA汽车辅助驾驶研究报告》显示，2025年1-11月，中国搭载城市NOA功能的乘用车累计销量达312.9万辆，渗透率占乘用车上险量的15.1% 。其中，Momenta城市NOA搭载量为41.44万辆，占第三方供应商比例约61.06%，在第三方供应商中处于领先地位。第三方城市NOA供应商市场呈现“双强主导”格局，华为HI模式搭载量约13.41万辆，占比第三方供应商约19.76%，Momenta与华为市场份额合计占比约八成。

103. 端到端智驾有多强？复杂路况无地图导航实测

104. 扔掉规控代码！深度解析端到端自动驾驶

105. 端到端架构是一场阳谋，全域AI必须全栈自研

106. 《端到端自动驾驶

107. 汽车自动驾驶架构的端到端进化历程

108. 自动驾驶中常提的一段式（单段）端到端是个啥？

109. 自动驾驶端到端黑盒现象

110. 自动驾驶端到端为什么会出现黑盒现象？

111. 高阶智驾不再 “雾里看花”，读懂端到端、D2D、VLM、VLA

112. ###智驾端到端大模型是什么？

113. 智驾“至暗时刻”的路线抉择，端到端与VLA路线之争

114. 智驾祛魅

115. 为什么当前自动驾驶的普遍共识都是端对端

116. 想汽车「全栈自研+端到端+VLM」自动驾驶架构综合分析

117. 盖世汽车研究院

118. 特斯拉“完全自动驾驶能力（FSD）”V12国内开始小范围推送

119. 特斯拉FSD V12实测封神

120. 将VLA和世界模型融合在一个端到端架构里，特斯拉的大胆巧思

121. 马斯克重磅官宣

122. 特斯拉自动驾驶 FSD 从辅助到端到端的演进

123. 特斯拉ICCV2025 FSD分享记录和解读

124. 特斯拉FSD V14架构，多模态大模型系统技术曝光

125. 特斯拉FSDv14智驾版本

126. 自动驾驶历史性时刻！特斯拉 FSD 零接管横穿美国，端到端技术颠覆行业

127. BigBite思维随笔分享特斯拉FSD就是一个端到端大模型的视角

128. 【AutoDrive】Tesla最新技术分享总结！端到端、世界模型和闭环评测都很强

129. 小鹏XNGP

130. 要说能打特斯拉FSD，我说还得是小鹏

131. 行业首个量产级！东风天元智驾T500武汉街头实测零干预开成“老司机”

132. 量产级生成式智驾来了！东风天元智驾T500重磅亮相

133. 解读乐道Coconut 2.1.0

134. 地平线的一段式端到端是什么技术？

135. 一线城市通勤实测

136. 端到端下半场

137. 端到端发展趋势下，云算力如何赋能智能驾驶技术跃迁？

138. ICCV 2025 Foundational Model forFSD 专题演讲解读

139. 【VLA】斯坦福伯克利发布SteerVLA

140. 心若无异，万法一如！上交张志鹏团队端到端自动驾驶统一视角综述！

141. 端到端建模

142. 端到端自动驾驶技术发展路线与趋势深度分析

143. 乐道端到端城区智驾，已经准备好接管城市通勤了？

144. 城市NOA研究报告重磅发布！｜《2025城市NOA汽车辅助驾驶研究报告》第三篇

145. 🚀2025城市NOA报告速递！揭秘智驾未来！

146. 研究 | 从技术路线到产业协同

147. 小米开启智驾新体验

148. 2025城市NOA规划

149. 高精地图和无图智驾的路线之争

150. “无图”盛行时代，智驾依然离不开地图

151. 将“无图NOA”喊成卖点，车企却都悄咪咪重磅投入高精度地图？

152. 国元证券

153. 为何端到端成为各车企智驾布局的首要选择?

154. 国泰君安:智驾发展方向确立激发配套软硬件需求

155. 主流智驾系统对比:多项指标比较下的驾驶系统推荐

156. 消息称理想汽车智驾部门再度调整

157. 智能驾驶的云端进化论

158. 2025决战智驾:从中阶卷到L3,需要抓好一个数据闭环

159. 拒绝安全碎片化,元戎启行筑牢智驾底线

160. 智驾L3

161. 引望赋能・乾崑领航

162. 计算机行业智能驾驶专题之四:2026智驾展望,向上升阶与向下平权的双轨渗透.pdf

163. 智驾供应商的2026生存秘籍

164. 中国智驾

165. 聊聊端到端自动驾驶的四个常见误区

166. ICCV 2025 Tesla FM 分享总结

167. 什么是无图NOA和端到端智驾？

168. 【报告】汽车智能驾驶行业深度研究：端到端与AI共振，智驾平权开启新时代（附95页PDF文件下载）

169. 地平线HSD强势崛起：端到端架构超越特斯拉FSD，国产智驾黄金时代

170. 专攻长尾场景！同济CoReVLA：双阶段端到端新框架

171. 端到端智驾模拟软件推荐：业界领先的自动驾驶模拟平台aiSim

172. 端到端智能驾驶复盘

173. 端到端与模块化自动驾驶的数据标注要求有何不同？

174. 站在全产业链的角度，看AI如何赋能智驾穿越周期

175. 智能驾驶端到端大模型量产，如何解决长尾场景泛化问题？

176. 【长尾数据与评估】WOD-E2E: 首个长尾场景端到端驾驶数据集！

177. 特斯拉自动驾驶：让汽车学会“像人一样思考”

178. 端到端在自动驾驶中起到什么作用？

179. 端到端智驾仿真优选：aiSim破解场景生成、传感器融合核心难

180. 特斯拉FSD V14里程碑，端到端技术闭环成型

181. Waymo WOD-E2E: 长尾场景端到端驾驶数据集

182. 小鹏汽车跳过L的VA架构，能否重构端到端技术格局？

183. CoReVLA：基于收集-和-改进的长尾场景双阶段端到端自动驾驶框架

184. 乐道“端到端区域领航辅助”有多强？从从容容、游刃有余！

185. 特斯拉高管详解端到端自动驾驶系统

186. 特斯拉 FSD V14：参数量 ×10，端到端改写辅助驾驶的底层逻辑

187. 东风全新天元智驾T500系统丨行业领先的量产级生成式“端到端智驾”方案

188. 自动驶端到端有哪几种模型？

189. 破解智驾“水土不服”难题，乐道“端到端”技术做对了什么？

190. CoReVLA：提升自动驾驶在长尾场景下性能的双阶段端到端框架

191. 传祺向往S7新增车型解析可变焦激光雷达加持端到端智驾系统落地

192. 智能驾驶E2E、VLM、VLA技术解析

193. 通用端到端自动驾驶综述

194. 全球智能驾驶技术白皮书：FSD vs 中国智驾 2026 （评测版）

195. 顶会爆款，端到端可解释性再发力！让自动驾驶决策安全与效率双线最优！

196. 乐道端到端多场景智驾表现亮眼，全量推送在即！

197. Momenta用强化学习重塑端到端上车，真的比VLA更好吗？

198. 自动驾驶技术2025年新突破汇总：感知、决策、测试、车路云一体化

199. 【AI布局】智驾圈最火的“端到端、VLA、世界模型”，到底是什么关系？

200. 【长尾场景挖掘】VLMine：基于VLM的长尾数据挖掘范式！

201. 调研丨主流车企智驾进展交流

202. Waymo最新发布的WOD-E2E端到端数据集能做些啥？

203. 小鹏XNGP：重新定义智能出行的全场景辅助驾驶系统

204. 安全兼顾舒适，乐道端到端智驾热度持续攀升

205. 端到端、世界模型、VLA到底是个啥？🤔

206. 简单易懂的说明白什么是自动驾驶中的端到端技术

207. 端到端自动驾驶综述——智驾就业热点

208. 传统自动驾驶凉凉？端到端自动驾驶已成为香饽饽

209. 端到端自动驾驶仿真新范式：aiSim如何解决智驾测试的\

210. 端到端可解释性：从黑盒到玻璃盒的顶会密码

211. 2026-2032全球端到端自动驾驶行业市场规模与增长预测 - 哔哩哔哩

212. 行业领先的生成式“端到端智驾方案“——东风天元智驾T500正式亮相

213. 自动驾驶架构的演进与端到端技术发展解析

214. 主编推荐｜陆域无人平台“通信-感知-决策”一体化协同技术综述

215. 最新录用｜陆域无人平台“通信-感知-决策”一体化协同技术综述

216. 【AI地图 Tech说】第五期：一文解码百度地图LD-VLG端到端地图生成大模型

217. 1小米端到端自动驾驶发布

218. 🤖玩具车演示自动驾驶小示例？端到端架构超直观！用改装玩具车演示了端到端和非端到端两种自动驾驶架构小示例，全程干货无废话。先说明一下，端到端不是“车位到车位”的自动，而是技术方案架构。非端到端架构，是把驾驶拆解成感知、预测、规划、控制多个独立步骤。就像之前那辆玩具车，用激光雷达和摄像头感知环境，摄像头分辨物体类别，激光雷达测距离，小于两米就切断动力，再用简单算法规划轨迹，像流水线一样一步一步输出指令。但现实场景有成千上万种，感知后还有预测模块，人类能预判小狗位置，智驾系统也能，这些再传给规划模块，最后转化成动作。端到端就简单多了，把摄像头和传感器数据直接丢给系统，它能直接输出动或不动、油门刹车转向的指令，省去所有中间步骤。用Resnet小网络做代码，几十行就能搭建，收集安全和不安全两种训练数据，前者是距离＞两米的图像，后者是＜两米的，户外推一圈几百张图，训练五六轮准确率就超95%。加载模型后，输入实时画面，直接输出走或停，从输入到输出没有复杂拆分，不用写规则判断，只有一个完整流程。虽然只是小例子，但能直观理解端到端架构在自动驾驶里的优势，是不是很有意思？ #自动驾驶#智能汽车#端到端技术

219. 理想OTA 8.2，AD Pro城区NOA实测

220. 基于世界模型的一段式端到端

221. 《湖北日报》关注东风天元智驾T500系统武汉街头实测：开车如同老司机遇险决策快准稳

222. 消息称小米汽车部分门店将开放端到端辅助驾驶体验，支持全程0接管

223. 复旦SeerDrive：一种轨迹规划和场景演化的双向建模端到端框架

224. 端到端自动驾驶理论与实践教程资料 - 哔哩哔哩

225. 国产算力破局摩尔线程打通端到端智驾仿真体系

226. 东风造了一辆“平民电车”！天元智驾+天地尾门，1小时大卖11601台

端到端智驾真能替代老司机？复杂路口与极端场景实测对比

精选参考来源