“特斯拉E2E模式成主流…有必要逐步转型”
Waymo与特斯拉，中间路径“混合模式”成妙策
大规模购入GPU需巨额资金…亟待政府支持
在特斯拉式“端到端（E2E）”技术逐渐成为全球自动驾驶行业主流的背景下，有观点指出，韩国应结合现实条件，采取分阶段引入的方式。与成本负担较大的高性能图形处理器（GPU）等资源密集型E2E相比，在现有系统上叠加深度学习的“混合（Hybrid）”模型，被视为更现实的替代方案。
Autonomous AtoZ常务 Yoo Minsang 22日在大邱北区EXCO举办的“2025未来创新技术博览会（下称FIX 2025）”期间，于韩国汽车记者协会研讨会上表示：“迄今为止，传统的‘规则驱动（Rule-based）’方式被应用在包括谷歌子公司Waymo在内的全球95%以上自动驾驶车辆上，但自从特斯拉从（去年）完全自动驾驶（FSD）v12开始向E2E转型后，E2E已成为大势。”
22日，在大邱北区EXCO举办的“2025未来创新技术博览会”期间，Autonomous AtoZ常务Yoo Minsang正在韩国汽车记者协会研讨会上发言。韩国汽车记者协会提供
View original image规则驱动方式是指自动驾驶汽车通过摄像头、激光雷达等传感器和高精地图把握道路情况，并按照人为预先设定的规则进行行驶。该方式性能稳定，但在难以预料的情境下，灵活性不足是其局限。
与此相反，E2E是由车载大规模人工智能模型在车内自行完成自动驾驶所需全部任务的方式。相比规则驱动，它在应对突发情况方面更为灵活，但由于需要高性能图形处理器（GPU），与规则驱动方式相比，成本负担更大，这是其缺点。
因此，Yoo常务主张在规则驱动基础上叠加深度学习，逐步向E2E靠拢的所谓“混合”方式。以自动驾驶车辆行驶中遇到施工路段为例，在规则驱动方式下，车辆会先停车，识别变道条件，然后等待车道变更完成。但在加入“判断为施工情境时应绕行车道”的深度学习模块后，混合方式在施工环境中也能实现顺畅驾驶。
Yoo常务表示：“得益于引入深度学习，自动驾驶变得像人类驾驶一样平顺。通过采用现实可行的混合方式，Waymo也在不断扩大规则驱动中的深度学习比重，我们公司在感知领域也已应用了10个以上的深度学习模块。”他并强调：“要扩大自动驾驶适用路段并实现商业化，就需要从规则驱动，经由混合，再走向E2E方式的分阶段转型。”
也有声音指出，要应用E2E方式，必须强化GPU和数据等基础。Yoo常务表示：“特斯拉持有的GPU数量为13.5万块，而我们公司只有13块，从全国来看也仅约2000块。服务器构建时，每块GPU就要花费约1亿韩元，如此庞大的资源需求是一大难关。”
自动驾驶初创企业FutureDrive代表 Kwon Soon 也表示：“在E2E中，数据就是生命。”他同时称：“虽然在科学技术信息通信部主导下，正在大量收集公共人工智能数据，但与国外相比仍显不足。如果政府积极推进‘数据水库’项目，将有助于向E2E转型。”
Yoo Minsang Autonomus Atoz 常务在22日大邱北区 EXCO 举行的“2025 未来创新技术博览会”期间出席韩国汽车记者协会研讨会并发表讲话。韩国汽车记者协会提供
View original image版权所有 © 阿视亚经济。未经许可不得转载，禁止用于AI训练及使用。
