1. 从“乐高式”拼装到“一体化”整车自动驾驶路线的十字路口最近和几个做自动驾驶的朋友聊天大家不约而同地提到了一个词“卷”。但这次卷的不是激光雷达的线数也不是算力的TOPS而是整个技术栈的架构。前几年行业里最流行的玩法是“模块化”Modular感知、定位、规划、控制每个模块都像一块乐高积木由不同的供应商或团队提供最后拼装成一辆能跑的车。这种模式催生了一个繁荣的生态也诞生了无数细分领域的“隐形冠军”。但风向似乎正在转变以Neolix新石器为代表的一些玩家开始旗帜鲜明地转向“端到端”End-To-End自动驾驶。这绝不仅仅是技术路线的微调而是一场关乎研发效率、系统性能、成本控制乃至商业模式重构的深刻变革。今天我们就来聊聊这个“乐高”到“一体机”的转变背后到底藏着哪些门道。简单来说模块化就像组装一台高性能台式机你可以选英特尔的CPU、英伟达的显卡、三星的内存每个部件都是顶配组合起来性能强大但你需要自己搞定驱动兼容、散热风道、理线走背板任何一个环节出问题都可能蓝屏。而端到端则更像一台顶配的苹果Mac Studio所有硬件深度定制软件系统高度整合开箱即用性能稳定但你别想自己换显卡或内存。在自动驾驶的早期探索和特定场景验证阶段“组装台式机”的模式灵活、试错成本低能快速验证各个子系统的能力上限。但当行业进入规模化落地和商业化运营的深水区“一体机”在整体可靠性、迭代速度和总拥有成本上的优势就开始显现出来。2. 模块化架构的“黄金时代”与“阿喀琉斯之踵”要理解为什么需要转向首先得看清模块化架构曾经带来的辉煌与如今面临的困境。这套架构的核心思想是“分而治之”将复杂的自动驾驶问题分解为一系列可独立设计、测试和优化的子任务。2.1 模块化架构的经典范式与优势一个典型的模块化自动驾驶栈通常包括以下几个核心层感知层负责“看”和“听”。通过摄像头、激光雷达、毫米波雷达、超声波雷达等传感器融合多源数据识别出周围的车辆、行人、车道线、交通标志等并输出带有语义信息的3D环境感知结果。这一层是算法公司的兵家必争之地催生了无数专注于视觉感知、激光雷达点云处理、多传感器融合的明星初创企业。定位与地图层负责“我在哪”。结合高精度地图HD Map、GNSS、IMU和轮速计等信息实现厘米级的车辆自定位。高精地图一度被视为L3级以上自动驾驶的“必需品”图商因此获得了极高的战略地位。预测与决策规划层负责“想”和“谋”。基于感知和定位信息预测其他交通参与者的未来轨迹预测然后结合交规、舒适性、安全性等约束规划出本车从A点到B点的最优路径和速度曲线规划。这一层是体现自动驾驶“智能”的核心充满了博弈论、强化学习等复杂算法。控制层负责“执行”。将规划层输出的轨迹转化为具体的油门、刹车、转向指令通过线控底盘执行让车辆准确地按预定轨迹行驶。这种架构的优势显而易见专业化分工每个团队可以专注于自己最擅长的领域术业有专攻推动了各个子领域技术的飞速发展。灵活选型与集成主机厂或自动驾驶公司可以像“选菜单”一样从市场上选择最好的感知方案、最好的规划算法、最好的底盘执行器理论上能组合出“最强”的系统。易于调试与问题定位系统边界清晰当车辆出现异常时可以相对容易地定位问题是出在感知漏检、定位漂移还是规划不合理便于分模块优化。2.2 模块化之殇性能天花板与“集成地狱”然而随着对系统性能、可靠性和成本的要求越来越高模块化架构的弊端在量产和规模化运营面前被无限放大。首先是信息损失与误差累积。这是最根本的技术瓶颈。感知模块输出的是一个“简化版”的世界模型比如带标签的3D框这个过程已经丢失了大量原始传感器数据中的细节和不确定性信息。规划模块基于这个可能已经存在误差的“简化世界”做决策其输出结果的质量上限在感知结果产出的那一刻就被锁死了。任何一个模块的微小误差都会在流水线中传递并可能被放大导致最终控制指令的偏差。这就像一场“传话游戏”每经过一个人信息都可能失真一点。其次是“手写规则”的穷途末路。在模块化架构中决策规划模块充斥着大量工程师编写的“if-else”规则用于处理无数个长尾场景Corner Cases。例如“如果前方有静止车辆且左侧车道线为虚线且左侧车道后方50米内无车则执行变道超车”。编写和维护这些规则集是一个浩大且永无止境的工程规则之间还可能产生冲突。更棘手的是很多驾驶场景是连续、模糊且充满博弈的很难用几条明确的规则来覆盖。再者是高昂的集成与调试成本。这就是所谓的“集成地狱”。不同供应商的模块接口协议、数据格式、性能指标、甚至软件框架都可能不同。让它们稳定、高效地协同工作所耗费的工程精力常常远超开发单个模块本身。版本升级更是噩梦更换一个激光雷达型号可能意味着从感知融合到规控的全链路都要重新调整和测试。最后是系统延迟与资源浪费。数据需要在多个独立模块间序列化、传递、反序列化每个模块内部可能还有复杂的预处理和后处理这些都增加了系统的整体延迟。在高速动态的驾驶环境中几百毫秒的延迟可能就是事故与安全通行的区别。同时每个模块为了追求自身的最优性能往往会设计得比较“重”导致计算资源的重复和浪费。提示一个常见的误区是认为模块化架构因为分工明确所以更安全。实际上由于模块间接口的“黑盒”特性整个系统的安全边界难以形式化地定义和验证容易在模块交互的边界处产生不可预见的故障。3. 端到端自动驾驶数据驱动的“系统级思维”正是为了从根本上解决上述问题端到端自动驾驶架构应运而生。它的核心思想极其简洁建立一个单一的、庞大的深度学习模型直接输入原始的传感器数据如图像、点云输出最终的车辆控制指令如方向盘转角、油门刹车值。它试图绕过所有中间表示和人工规则让模型自己从海量数据中学习驾驶的“直觉”和“常识”。3.1 技术实现路径从“伪端到端”到“真端到端”完全理想的端到端模型目前仍处于前沿探索阶段但工业界已经在沿着光谱逐步推进。我们可以将其分为几个阶段阶段一感知-规划端到端这是目前相对务实且已有落地尝试的路径。模型输入传感器数据输出不再是感知目标框而是直接的轨迹点序列或路径规划。特斯拉的“Occupancy Network”占用网络可以看作是向这个方向迈进的关键一步。它不再识别具体的“车”、“人”而是输出每个3D空间格子是否被占据的概率直接为规划模块提供更原始、更连续的环境表征减少了语义标签带来的信息损失。阶段二联合优化与“世界模型”更进一步研究者开始构建“世界模型”。这类模型不仅能输出当前的驾驶决策还能在内部隐式地预测未来多秒内环境如何演变。例如Waymo的ChauffeurNet、英伟达的DriveSim都在尝试用神经网络学习物理规律和交通参与者的行为模式从而实现更前瞻、更拟人的规划。在这个阶段感知、预测、规划之间的界限开始变得模糊它们在一个统一的模型框架下被联合优化。阶段三纯数据驱动的控制端到端这是终极形态即一个模型吃进传感器数据“吐出”方向盘和踏板的控制量。Comma.ai的OpenPilot在某种程度上接近这个理念虽然其模型架构并非完全单一但设计哲学是极度简化中间环节。这条路径的最大挑战在于可解释性和安全性验证——当车辆做出一个急刹或突然转向的决策时工程师很难追溯是哪个传感器输入中的哪个特征导致了这一结果。3.2 端到端的优势效率与性能的升维打击一旦端到端模型得以有效训练和应用其带来的优势是降维式的性能上限更高模型可以挖掘并利用模块化架构中丢失的跨模块关联特征。例如它可能学会从前方车辆微小的姿态变化感知细节中直接推断出它即将减速的意图预测并提前做出更平滑的制动规划与控制这是一个无缝衔接的过程。更好地处理长尾场景面对罕见或复杂的场景端到端模型更有可能给出“涌现”的合理解决方案而不是依赖可能缺失或冲突的手写规则。它从数据中学到的是更本质的驾驶策略。系统延迟大幅降低省去了中间多个模块的数据处理和传递开销从传感器到执行器的链路更短响应更快。迭代效率革命性提升这是对研发模式的重塑。当发现一个bad case失败案例时在模块化架构下需要多个团队开会扯皮定位是感知漏了、预测错了还是规划傻了然后分头优化。在端到端架构下只需要将这段数据传感器输入和期望的控制输出加入训练集重新训练模型即可。整个系统的优化变成了一个相对统一的“数据驱动”过程。4. Neolix的实践为何选择在无人配送赛道率先转向Neolix新石器作为全球无人配送车的头部玩家其从模块化向端到端转型的选择具有非常强的行业示范意义。无人配送场景看似简单低速、固定区域、结构化道路实则对自动驾驶系统的要求有其特殊性这些特殊性恰好放大了端到端架构的优势。4.1 场景特性与架构选择的深度契合成本极度敏感BOM成本是生命线无人配送车是商用运营资产需要大规模部署才能盈利。因此每一块钱的硬件成本都至关重要。模块化架构下为了追求每个子模块的性能往往会采用“堆料”策略如多激光雷达、高算力芯片导致BOM成本高企。端到端架构通过对系统的整体优化有可能用更少的传感器、更低的算力实现同等甚至更好的整体驾驶性能。例如通过算法补偿可能减少一个激光雷达的使用这对成本的影响是决定性的。运维复杂度要求极低无人配送车需要在园区、校园、公开道路等复杂环境中7x24小时无人值守运行。模块化系统由多个“黑盒”组成一旦出现故障现场运维人员几乎无法诊断必须召回或派专家处理运维成本高昂。端到端系统作为一个整体故障模式相对单一且可以通过远程数据回传和模型在线更新来修复大多数问题实现了运维的简化。场景数据闭环效率至关重要无人配送车每天在相对固定的区域内产生海量、同质化的运行数据。这些数据是训练端到端模型的绝佳燃料。Neolix可以高效地利用这些数据通过数据闭环持续迭代模型让车辆在熟悉的区域内越跑越“老司机”。这种快速迭代能力是其在特定场景建立竞争壁垒的关键。功能安全与预期功能安全的平衡无人配送车速度低通常低于20km/h动能小对绝对安全的要求等级与乘用车不同。这为采用一些尚未在高速场景完全验证、但更具潜力的新技术如端到端提供了更大的容错空间和试错机会。4.2 转型中的具体挑战与工程实践当然Neolix的转型绝非一蹴而就。在实际操作中他们必然面临一系列严峻挑战挑战一数据驱动的基建重构端到端是“得数据者得天下”。Neolix需要构建远超模块化时代的数据管道。这包括大规模数据采集与存储成千上万辆车产生的原始传感器数据尤其是图像和点云是海量的对车载存储和回传带宽是巨大考验。高效数据挖掘与标注如何从PB级的数据中自动挖掘出那些对模型提升最有价值的“困难样本”Corner Cases传统的2D/3D框标注成本高昂且不适用于端到端训练可能需要转向更经济的轨迹标注或弱监督学习。分布式模型训练平台训练一个端到端大模型需要巨大的算力集群。如何设计高效的并行训练策略管理成千上万的GPU卡缩短模型迭代周期是背后的硬实力。挑战二仿真与测试验证体系的变革在模块化时代每个模块可以单独进行单元测试和仿真。端到端模型是一个整体传统的测试方法很多不再适用。Neolix必须建立一套全新的、以场景和数据驱动的测试验证体系构建高保真数字孪生场景库将真实运营中遇到的复杂场景数字化在仿真中反复测试模型迭代版本。定义新的评估指标不再仅仅看感知的准确率、规划的舒适度而是要看模型在千万个仿真场景中的整体通过率、干预率以及关键的安全指标。影子模式与并行驾驶在真实车辆上让新模型以“影子模式”运行即它只做决策但不执行将其决策与当前主系统或人类驾驶员的决策进行对比从而在真实世界中安全地评估新模型性能。挑战三可解释性与安全合规这是端到端架构面临的最大质疑。如何向监管机构、客户和自己证明这个“黑盒”模型是安全的Neolix的工程团队可能需要开发模型可解释性工具例如通过可视化技术显示模型在做出某个驾驶决策时主要“关注”了传感器输入的哪些区域类似视觉模型的注意力热图。设计安全护栏尽管核心模型是端到端的但仍会在其外围部署一些基于规则的最小化安全监控模块Safety Monitor。这些模块不参与正常决策只在模型输出明显违反物理定律或安全红线时如即将撞上静止物体进行紧急接管形成“AI主驾规则护航”的混合架构。积累安全里程与论证通过海量的、无事故的运营里程数据来实证系统的安全性用事实回应质疑。5. 给从业者的启示不是替代而是演进与融合Neolix的转型给我们最大的启示是从模块化到端到端不是一个非此即彼的颠覆而是一个渐进式的、场景驱动的架构演进过程。对于大多数自动驾驶公司尤其是面向复杂开放道路的Robotaxi和乘用车自动驾驶全盘照搬“纯端到端”在短期内既不现实也不安全。更可能的路径是“模块化的端到端”或“端到端化的模块”。具体来说在子系统层面采用端到端思想比如用一个大模型统一搞定“感知预测”输出未来一段时间的环境动态表征替代传统的“感知框预测轨迹”串联管道。这已经在行业头部公司中成为趋势。保留关键模块的独立性与可解释性对于安全攸关的底层控制、车辆状态诊断等可能仍需要基于物理模型或确定性算法的独立模块确保基础安全。数据闭环成为核心基础设施无论架构如何构建高效、自动化、规模化的数据闭环能力已经成为自动驾驶公司的核心竞争力。这包括数据采集、挖掘、标注、训练、仿真、部署的全链路工具链。人才结构需要调整对传统的手写规则工程师、分模块算法专家的需求会相对平稳甚至减少而对大数据工程师、机器学习平台工程师、AI基础设施工程师以及懂AI又懂车辆的系统架构师的需求会急剧增加。从我个人的观察和与业内朋友的交流来看这场架构变革的浪潮已经不可逆转。它不仅仅是技术路线的选择更是一场研发方法论、组织协作模式甚至商业逻辑的深刻变革。对于像Neolix这样在特定赛道深耕的公司抓住时机敢于在合适的场景下率先采用更先进的架构就有可能构建起短期内难以逾越的技术和成本壁垒。而对于广大的自动驾驶工程师而言理解这种范式转移有意识地培养自己的系统思维和数据闭环能力或许是在下一个行业周期中保持竞争力的关键。毕竟当汽车开始用“一个大脑”思考时曾经精通“手部”或“眼部”神经回路的专家也需要学习如何理解和训练这个“大脑”了。
