> **来源：[研报客](https://pc.yanbaoke.cn)** # 汽车行业深度报告总结 ## 核心内容 本报告聚焦于**端到端技术**在智能驾驶和机器人领域的应用演进，分析其技术原理、产业实践及未来趋势。 --- ## 主要观点 - **端到端**是一种从原始传感器输入直接映射为规划或控制输出的训练方法，强调整体可微、全局优化，是理解智能驾驶和机器人技术路径的关键工程范式。 - 端到端系统并非完全取消人工规则，而是**替代人工规则在主决策回路中的主导地位**，规则仍用于安全兜底、形式化校验和冗余备份。 - **一段式与二段式**之争反映了端到端在工程可控性与数据驱动上限之间的权衡。一段式更强调数据驱动能力，二段式则更注重透明度和可调试性。 - **VLA（视觉-语言-动作）**是端到端在多模态理解与动作生成方向的延伸，强化了推理与泛化能力，而非对端到端的否定。 - **世界模型**专注于环境状态预测和场景生成，可作为云端数据引擎、仿真训练场或车端模型组件，与端到端形成**互补关系**。 --- ## 关键信息 ### 1. 端到端的技术原理与优势 - 端到端系统通过**全局可微训练**，使模型直接围绕最终任务进行优化。 - 与模块化流水线相比，端到端系统在信息传递上更**完整、延迟更低**，但可解释性、安全验证难度更高。 - 量产车队数据闭环是端到端技术在产业侧复兴的重要基础。 ### 2. 端到端的发展路径 - **学术奠基**：1988年ALVINN、2004年DAVE项目、2005年LeCun等提出端到端学习概念。 - **产品催化**：2016年NVIDIA DAVE-2、2017年Wayve成立、2023年UniAD获CVPR最佳论文。 - **产业跟进**：2023年特斯拉FSD v12推动端到端量产，2024年中国厂商集中跟进，2025年进一步向VLA和世界模型演进。 ### 3. 一段式与二段式对比 | 维度 | 两段式端到端 | 一段式端到端 | |--------------|----------------------------------|----------------------------------| | 信息处理环节 | 感知→中间表征，中间表征→轨迹/控制 | 传感器输入直接输出轨迹 | | 中间显式输出 | 保留，如语义地图、轨迹点等 | 不保留，联合训练 | | 可解释性/调试 | 模块化，易诊断与定位 | 可解释性较弱，调试与验证较难 | | 代表阵营 | 华为、百度Apollo、小鹏、卓驭、极氪 | 特斯拉、商汤、Momenta | ### 4. 端到端与VLA的关系 - VLA是端到端在多模态理解与动作生成方向的**演进与包含**，并非替代关系。 - VLA通过**预训练VLM**和动作输出头的结构，增强了知识注入、语义推理和跨场景泛化能力。 - 理想汽车将VLA视为端到端的**下一阶段**，而元戎启行将其称为端到端2.0。 ### 5. 端到端与世界模型的关系 - 端到端负责**动作生成**，世界模型负责**环境预测与场景生成**。 - 两者可以**组合使用**，例如蔚来NWM2.0将世界模型作为车端驾驶决策的一部分。 - 世界模型也可作为对纯模仿学习的补充，弥补空间认知、时间推演和分布外场景的不足。 --- ## 技术演进时间线 | 时间 | 事件 | 出处 | |--------------|----------------------------------|--------------------------| | 1981/1984 | Saltzer等提出端到端论证 | ACM TOCS | | 1988 | ALVINN：三层BP网络从图像输出方向 | NIPS 1988 | | 2004—2005 | DAVE项目首次标题级使用“端到端学习” | Net-Scale报告；NIPS 2005 | | 2016 | NVIDIA DAVE-2推动端到端再受关注 | arXiv:1604.07316 | | 2023.6 | UniAD获CVPR最佳论文 | CVPR官方 | | 2023.8 | 特斯拉FSD v12发布，提出“光子进、控制出” | 特斯拉直播及官方说明 | | 2024.5 | 小鹏宣布国内首个量产端到端大模型 | 小鹏官网 | | 2025 | 理想VLA、小鹏二代VLA、华为WEWA等发布 | 各公司官方发布 | --- ## 风险提示 - 技术迭代不及预期的风险； - 大模型厂商ARR增速放缓的风险； - 云服务商资本开支不及预期的风险； - 智能驾驶及机器人商业化落地不及预期的风险。 --- ## 投资建议 - **端到端**是智能驾驶和机器人领域的重要技术方向，未来将向VLA和世界模型演进； - **VLA**是端到端在多模态推理与动作生成方向的升级，适用于复杂场景； - **世界模型**与端到端形成互补关系，可用于环境预测和仿真训练； - 风险提示表明，需关注技术落地速度和商业化进程。