2024年智能驾驶行业融资形势将有所回暖，不少企业将获得融资甚至上市。同时，今年也是“端到端”智能驾驶技术广泛推广的一年。领先的新能源汽车企业和智能驾驶技术供应商已经开始讲述自己的“端到端”故事。

作为最早的端到端智能驾驶技术供应商之一，圆融七星（文中简称“圆融”）11月5日宣布完成C1轮1亿美元融资，成为智能驾驶领域的领军企业。今年单笔融资金额最高的公司。驾驶公司。融资消息发布后，《第一财经》采访了圆融七星CEO周光，在融资和融资都发生重大变化的背景下，展望了未来几年智能驾驶行业将面临的关键机遇和挑战。和技术。

周光 圆融七星创始人兼CEO

【Y】=第一财经

【Z】=圆融七星CEO 周光

【Y】以往，智能驾驶企业的融资主要来自风险投资和产业基金，但圆融近期的两笔融资均来自车企。为什么车企越来越愿意在智能驾驶供应商身上花钱？他们看重什么？

[Z]核心是AI，车企越来越意识到AI对其产品的重要性。然而，从头开始构建人工智能能力并不容易。像特斯拉这样拥有特别强的AI能力的车企少之又少。大多数车企在这方面都没有很强的技术积累。这时候，AI能力的选择就显得突出了。第三方供应商是自然的选择。

车企选择供应商最看重的是性能。他们尤其害怕智能驾驶算法中的“作弊”——依靠高精度地图只能在特定区域表现出良好的表现，而在其他地方却表现不出来。为了解决这个问题，我们的方法叫“拖车试乘”，就是车企指定一个地点，让拖车运送搭载我们智能驾驶解决方案的原型车。在路上行驶时，车企可以随意指定交付地点。这样，他们就会相信这个智能驾驶解决方案确实可靠，可以用于量产汽车。

[Y]早期的智能驾驶公司对量产汽车兴趣不大，专注于实现完全无人驾驶。不过，元荣很早就把重点放在了量产上。这背后的逻辑是什么？

[Z]早期的智能驾驶技术都是基于规则的。一个典型的例子是Waymo，它把地图做得非常详细，在非常有限的区域内设置非常复杂的规则，以实现智能驾驶。该方案所使用的汽车通常需要进行特殊改装，无法直接用于量产车型。同样明显的是，它无法推广到所有道路，因为高精度地图的更新需要较长的时间。总之，成本非常高，商业上不可行，所以我们很早就决定不追求这个方向，而是专注于不依赖高精度地图、可以量产的方向。

对于智能驾驶企业来说，量产的最大意义就是提供数据。对于一般的端到端模型，10,000辆是一个基准。只有这个数量的车辆在路上运行，智能驾驶模式才能不断进化。如果我们想追求更进一步的性能，比如我们正在开发并预计明年推出的VLA模型，我们至少需要10万辆车辆数据才能达到更好的训练效果。如此规模的汽车，依靠资本投入是不现实的。它必须直接进入量产汽车市场，直接针对大众消费者。特斯拉就是最好的例子。量产汽车与智能驾驶功能相互促进，形成良性循环。而且很明显，这种量产不仅仅局限于国内市场，还应该考虑海外市场。我们正在与欧洲、日本、韩国的车企洽谈合作。

【Y】今年“端到端”这个话题很火。袁荣如何理解这个概念？端到端提供了哪些优势以及面临哪些挑战？

[Z]“端到端”模型可以理解为神经网络，与大语言模型有些类似。两者的优点也很相似，那就是摆脱了对规则的过度依赖，可以面对以前没有经历过的问题。各种复杂的场景。不同之处在于它们输入和输出的数据类型有很大不同。 “端到端”模型有点类似于“蓝领AI”。它直接与物理世界打交道，直接指挥汽车在物理世界中行动。同时，GPT类似于“白领AI”，其核心功能全部可以在办公电脑上执行。无需与物理世界交互即可完成。

由于这种功能上的差异，两者对计算能力的要求也有很大不同。为了提高GPT的性能，它必须尽可能多地掌握不断产生的各种信息。然而，端到端的智能驾驶模型不需要知道那么多。它只需要了解道路以及道路上可能发生的各种物理后果。其计算能力要求比GPT低一个数量级。

因此，“端到端”赛道的挑战不是积累计算能力，而是将算法放在一起，看看谁可以更有效、高效地调试模型以提高性能。我把现在的端到端称为“AI 1.0”，可以说是智能驾驶的“GPT 2时刻”。这只是新一轮智能驾驶技术竞争的起点。接下来最大的挑战是如何快速提升端到端能力到类似GPT 4的阶段。

[Y]圆融于2023年初开始布局“端到端”，是国内最早提出并落地该技术的企业之一。圆融的“端到端”解决方案与市场上其他同类产品相比有何特点？

[Z]我们是“AI 1.0”时代最先入局的，与特斯拉基本同步。我们现在已经开始研发“AI 2.0”产品，这就是VLA（Vision Language Action，视觉语言动作模型）解决方案。

在此之前，常见的端到端模型通常与视觉语言模型配合。端到端模型类似于新手驾驶员，视觉语言模型可以视为培训师。当新手司机驾驶不好时，时不时地给予建议。这种做法肯定比新手司机自己开车要好，但其局限性也很明显。有的时候教练指导时已经来不及了，有时指导也没有用，新手还是开不好。

相比之下，VLA希望将新手司机直接培养成教练，并让教练自己驾驶。这样，它就能适应更多的路况，表现也更好。目前的头端端到端模式一般可以在城市路况下实现数十公里零接管。如果采用VLA，有望实现百公里零接管。

【Y】在“端到端”大规模落地的同时，Robotaxi今年也频频进入公众视野。技术变革会对Robotaxi的商业模式产生什么影响？

[Z]Robotaxi的核心不是技术，而是会计，即由AI驾驶的车辆是否比由人类司机驾驶更经济划算。过去，Robotaxi需要在量产车辆上安装各种传感器。整个成本非常昂贵，而且仅限于在特定的测试路段上运行。其智能驾驶能力很难向更广泛的领域转移。从会计角度来看，这绝对不划算。现在做Robotaxi的公司比以前少了很多。

“端到端”给Robotaxi带来了巨大的改变。关键是它有可能显着降低成本。现有的“端到端”大车型基本都安装在量产车上，可以直接使用。它们不需要后期安装传感器，也不限于特定路段。而且，对于智能驾驶企业来说，无需像以前那样为量产车上的Robotaxi和L2级辅助驾驶功能单独开发算法。他们只需要基于同一套算法调整基本参数，研发成本也会降低。

然而，Robotaxi 的成本可能需要几年时间才能低于人类司机。一方面，这涉及到算力成本、算力的硬件成本和能耗成本。同时，在控制成本的同时，还需要提高端到端算法本身的性能。比如，必须实现至少1000公里的零接管。