随着智能驾驶技术的飞速发展，2024年末，国内主流车企已纷纷实现无高精度地图下的全国范围智能驾驶。在这一背景下，行业先锋们正逐步从依赖规则的传统算法框架，向以神经网络模型为核心的新架构——“端到端技术”转型。
转型的背后，是智能驾驶工程师们面临的巨大挑战。一位顶尖智能驾驶方案提供商的技术负责人坦言，传统的规则代码已难以继续扩展，甚至新代码的加入都可能引发老代码的崩溃。因此，端到端架构的引入成为了破解这一难题的关键。
大模型的运用，极大地提升了智能驾驶系统的能力。过去难以解决的复杂场景，如掉头、环岛等，在端到端大模型的加持下，随着数据量的不断增加，问题迎刃而解。更令人惊喜的是，新模型还展现出了一些前所未有的优秀表现。
这一轮技术革新，让智能驾驶系统充分享受到了数据扩张带来的红利。系统不再局限于逐个解决特定场景的问题，而是能够基于“能力”批量处理各种情况。行业的重心也随之转移，从招募顶级工程人才，转向模型设计、工具链开发以及模型的测试验证。
曾经，团队规模是衡量智能驾驶技术先进性的一个重要指标。然而，到了2024年下半年，云端算力成为了行业竞争的新焦点。从2023年下半年的城市覆盖竞赛，到2024年末的“车位到车位”比拼，数据闭环在智能驾驶时代成为了核心生产力。
步入2025年，智能驾驶技术将迎来更大规模的量产，中阶智能驾驶方案将迎来爆发式增长。各大车企纷纷推出车位到车位、L3级自动驾驶试点等新功能，以期在激烈的市场竞争中脱颖而出。为了在竞争中占据优势，多家智能驾驶科技公司纷纷表示，将致力于搭建数据闭环，推进技术迭代，打造具有品牌特色的智能驾驶体验。
对于刚刚涉足智能驾驶领域的汽车品牌而言，中阶方案的快速成熟无疑是一个巨大的红利。从TI TDA4VH到黑芝麻智能华山A1000、地平线J6E/J6M、高通8620/8650，再到英伟达OrinN，车企的中阶方案选择日益丰富。这些方案以高速NOA为主干，成本适中，且多数已具备一定程度的城区智能驾驶功能。
腾讯智慧出行副总裁刘澍泉指出，基于规则的传统算法加上高精地图或轻地图，中阶智能驾驶方案已经相当成熟。以卓驭基于TDA4VH的中阶方案为例，其硬件成本在量产过程中不断降低，甚至已经实现了基于端到端的城市NOA功能。
然而，对于传统主机厂而言，大规模量产中阶智能驾驶方案的最大挑战在于持续的智能驾驶运营能力，即数据闭环的搭建。刘澍泉建议，建设高效的数据闭环体系是当前传统主机厂必须完成的任务。这包括数据回传、存储、分析以及数据生命周期管理等各个环节。
腾讯在今年9月发布的车云一体化数据闭环体系，正是针对智能驾驶大规模量产而设计的解决方案。该体系从车端数据处理到云端数据挖掘、智算训练、安全合规等核心需求入手，为车企提供了一站式解决方案，助力其推动基于数据的增长。
在新势力车企的引领下，4Scaling Law正驱动着新一代城市NOA的发展。2024年，以华为、蔚来、小鹏、理想等品牌为代表的城市NOA装机量预计将达到150-200万台。未来五年内，这一级别的高阶智能驾驶搭载量有望达到2000万台。
随着智能驾驶技术的不断进步，地图的采集模式也从传统的测绘车队采集向量产车队回传的轻模式转变，极大地提高了路端数据的准确性。腾讯地图与某车企合作的数据回传链路就是一个典型的例子，云端可以实现秒级捕捉变化、分钟级下发更新，大幅提升了地图的准确率和智驾通过复杂路口的通过率。
在智能驾驶算法方面，基于大模型的Scaling Law是今年下半年技术提升的主要驱动力。无论是理想、小鹏还是元戎等头部企业，都认为当前Scaling Law在智能驾驶算法的迭代上依然有着非常长的有效周期。除了加大模型训练的数据规模外，模型架构的演进也是2024年智能驾驶技术的一大探索方向。
博世智能驾控中国区总裁吴永桥表示，从两段式端到端到一段式端到端，最后到世界模型，这是业内目前达成的共识。黑芝麻智能也计划推出基于One Model架构的端到端算法参考方案，采用多模态与One Model的大模型，以进一步提升智能驾驶系统的性能。
随着智能驾驶系统全面模型化，智能驾驶的交付方式也将发生颠覆性变化。科技公司将不再像过去那样向主机厂交付代码，而是转变为以服务订阅为核心的方式，持续为主机厂提供模型升级、调优等服务。
