汽车行业的智能驾驶发展展开，重点讲述小鹏汽车“车位到车位”功能的推送情况，以及整个行业内“车位到车位”功能在智驾竞争中的重要性，包括不同车企对此功能的理解、实现方式的差异，还有“端到端”技术在其中的角色等内容。
每经记者刘曦以及每经编辑孙磊为我们带来汽车智能驾驶领域的新消息。
小鹏汽车官方宣称，小鹏P7的“车位到车位”功能在2024年12月31日开启了先锋智驾团推送，后续还会扩大推送范围，并且在2025年1月底推出XOS5.5.0正式版。这一消息预示着小鹏汽车在智能驾驶领域的持续探索和推进。
如今，车企在智能驾驶方面的竞争已经发生了显著的转变。以前是追求“全国都能开”的智驾体验，现在则转向了像“车位到车位”“门到门”这样全场景的智能驾驶体验。全场景的智能驾驶能否尽快全量推送，已经成为当前衡量智能驾驶水平的最新标准。像华为、理想、小米、极氪等企业都纷纷加入了“车位到车位”功能的竞争之中。
极氪智能科技的首席市场官关海涛有自己的看法，他认为2024年智能驾驶技术的核心竞争点在于城市无图NOA（智驾领航），而到了2025年，E2E（端到端）、D2D（车位到车位）以及L3级别自动驾驶将会成为竞争的焦点。这一观点反映出智能驾驶技术发展方向的快速转变。
不仅仅是车企，对于自动驾驶公司来说，“车位到车位”功能同样是他们下一个需要重点展示的关键能力。元戎启行就向《每日经济新闻》记者透露，公司计划在2025年一季度向部分种子用户推送“车位到车位”功能。这表明在整个汽车相关领域，“车位到车位”功能的重要性已经得到了广泛的认可。
“端到端”技术逐渐成为主流趋势。在2024年，“端到端”技术路线在智能驾驶行业中不断发展壮大。从技术层面看，“端到端”大模型的引入，让智驾系统适应能力大幅增强，面对各种多变复杂的驾驶场景能够更精准地应对。从市场角度来说，车企的竞争焦点发生了改变，不再仅仅比较城区NOA功能的开城数量，而是更加关注为用户提供优质的驾驶体验。借助“车位到车位”功能，车企能够很好地向用户展示智驾系统在全场景下的连贯性和完整性，以及其实际应用价值。
记者观察到，2024年4月，华为车BU发布采用“端到端”架构的ADS 3.0，并提出“车位到车位”概念，同年8月随问界S9正式推出这一功能。之后，国内车企纷纷跟进。例如小米汽车，在2024年11月的广州车展上展示了其“车位到车位”智驾能力，11月16日开启定向内测邀请，12月底开始先锋版推送；极氪发布D2D车位到车位领航辅助功能，预计2025年1月左右分批推送；特斯拉FSD近期也更新了“车位到车位”功能。
从字面意义理解，“车位到车位”功能就是从任意一个车位出发，经过各种复杂场景，最终到达另一个车位的全程自动驾驶能力。这一功能的出现，代表着智能驾驶技术从广泛覆盖的“全国都能开”朝着具有精准使用价值的“从A点开到B点”转变。
虽然各家车企都在积极推出“车位到车位”功能，但在对这一功能的理解和实现方式上存在差异。理想汽车强调其“端到端”大模型应用下系统可以自主通行ETC，并且不限范围、无需学习，全国超1万个收费站均可识别通行；小鹏汽车则侧重于智驾应对复杂路况的连贯性与完整性，其车辆在整个“车位到车位”过程中，能够应对复杂路口、汇流变道、识别并避让特种车辆，还能实现U型掉头等特殊操作，全程无需接管。
综合目前已发布的车企功能来看，“车位到车位”功能至少涵盖全场景覆盖、应对复杂路况和连接泊车功能等核心能力。全场景覆盖意味着要打通停车场到公开道路、公开道路到园区、园区地面到地下车库等场景，其中过闸机能力是关键，例如自主通行ETC；应对复杂路况重点在于智驾在复杂路况下的连贯性与完整性，能够应对复杂路口、汇流变道等场景并实现全程无接管；连接泊车功能就是驾驶员坐进车内即可启动智驾，系统在自动驾驶与泊车无缝协作下到达下一个停车位。
关于如何实现上述功能，目前行业内主要分为几种路线。一种是以理想汽车为代表的，遵循“VPA（记忆泊车/代客泊车）+NOA（智驾领航）+VPA（记忆泊车/代客泊车）”的技术路径，即在停车场路段，驱动系统行驶的是记忆泊车/代客泊车模式，驶入公开道路后则立刻转变为智驾领航模式；另一种是以特斯拉、小鹏为代表的，用一套模式打通全场景，无论是园区封闭路段、地下停车场区域还是公开路段，显示界面一直保持智驾NOA画面，不会随场景变化切换软件系统。
智能驾驶技术体现车企竞争力。业界普遍认为，2024年是“端到端”技术的1.0阶段，这个阶段主要是将传统的基于手写规则的感知和规控系统转变为基于神经网络的智能化系统。进入2025年，“端到端”技术步入2.0阶段，专注于实现多模态融合感知，从而让系统能够更精准地识别和理解复杂路况。
在“端到端”2.0阶段，“车位到车位”功能逐渐成为衡量端到端性能的关键指标之一。在某种程度上，“车位到车位”功能已经成为评估车企智能驾驶能力的重要标准。与此同时，众多投身于“端到端”技术浪潮的头部企业，正处在从技术路径收敛走向路径分化的关键时期。
值得注意的是，就“端到端”智驾而言，目前行业主要分为一段式和两段式两个流派。华为、百度Apollo、小鹏汽车等企业采用两段式方法，即将感知模块视为一段，将预测到决策模块视为另一段；商汤科技、Momenta等则支持“一段式端到端”，主张将感知与规控“端到端”模块全部打通，实现更紧密的集成和协同工作。
从技术路线的角度来看，“端到端”技术路径也在发生转变。之前备受追捧的“端到端+VLM（视觉语言模型）”开始向“VAL（Vision - Language - Action，视觉 - 语言 - 动作）模型”迭代。其中，“端到端+VLM”的方案由理想汽车在2024年中提出，两个模型分工协作，“端到端”模型负责处理常规的驾驶行为，VLM模型负责应对高难度的极端场景。
VAL模型最早由Google DeepMind提出，是一个融合视觉、语言和动作的多模态模型，目的是提高模型的泛化能力和判断推理能力，可以看作是“端到端+VLM”系统的全面融合体。在国内，元戎启行等主要自动驾驶公司已经开始采用这一模型。
元戎启行CEO周光在接受记者采访时表示：“VAL模型是‘端到端’技术的2.0版本。”他进一步解释说，在面对复杂的交通规则、潮汐车道、长时序推理等特殊场景时，VAL模型比以往的系统能更好地理解和应对。例如，在推理时长方面，传统的基于规则（rule - based）方案只能推理1秒钟的路况信息并做出决策控制；“端到端”1.0阶段的系统能够推理未来7秒的路况，而VAL模型能够对几十秒的路况进行推理，显著提升了自动驾驶系统的决策能力和适应性。
事实上，无论是采用“一段式端到端”还是VLA模型，背后都意味着对资源的进一步消耗。模型参数越大，对硬件算力和数据闭环的迭代能力要求就越高。有观点认为，部署VLA模型对芯片算力的要求提升到英伟达DRIVE Thor级别，算力达750 TOPS。相比之下，当前高阶智驾的算力硬件通常配备2颗英伟达OrinX芯片，总算力为508 TOPS。
艾睿铂大中华区汽车咨询业务合伙人章一超在接受记者采访时表示：“当前自动驾驶技术正处于迈向L3级的转折点，大规模商业化应用仍聚焦于L2及L2+级别，同时在传感器、芯片与决策算法等核心技术上获得了一定突破，因此市场将逐步把这部分技术突破推向C端市场。”车企对于不同技术的选择和表达，主要是因为智驾已经成为衡量当前车企能力的重要指标。智驾技术的发展不仅关系到车辆的安全性和驾驶体验，还直接影响到车企在市场中的竞争力。
本文总结了汽车行业智能驾驶领域的发展现状与趋势，从小鹏汽车“车位到车位”功能的推送出发，阐述了“车位到车位”功能在智驾竞争中的关键地位，包括不同车企的竞争表现、对功能的理解和实现方式的差异。还讲述了“端到端”技术在智能驾驶中的主流化发展，以及其不同阶段的特点、流派分化和技术路径的转变，同时强调智驾技术对车企竞争力的重要性。
原创文章，作者：Admin，如若转载，请注明出处：https://www.notfound404.org.cn/gcnews/2231.html
