每經(jīng)記者 劉曦    每經(jīng)編輯 孫磊

近日，小鵬汽車官方表示，小鵬P7+的車位到車位功能已于2024年12月31日開啟先鋒智駕團推送，后續(xù)會進一步擴大推送范圍，全量上線時間預計2025年1月底于XOS 5.5.0正式版推送。

實際上隨著新年的步入，車企在智駕方面的比拼，也從之前的“全國都能開”轉向“車位到車位、門到門”等追求實現(xiàn)全場景的智能駕駛體驗，而能否盡快全量推送則已成為當前智駕最新的評價標準。目前，包括華為、理想、小米、極氪等多個企業(yè)，都已進入“車位到車位”的競爭場。

在極氪智能科技CMO關海濤看來，2024年智能駕駛技術的核心競爭點在于城市無圖NOA，2025年，E2E（端到端）、D2D（車位到車位）及L3級別自動駕駛將成為競爭焦點。

不只車企如此，對于自動駕駛公司而言，“車位到車位”功能也是他們下一個需要重點展示的關鍵能力。近日，元戎啟行方面對《每日經(jīng)濟新聞》記者表示，公司計劃在2025年一季度向部分種子用戶推送“車位到車位”的功能。

“車位到車位”成智駕新賽點

2024年，端到端技術路線在智能駕駛行業(yè)中逐漸成為主流趨勢。從技術層面來看，端到端大模型的引入讓智駕系統(tǒng)具備了更強的適應能力，能夠更加精準地應對各種多變和復雜的駕駛場景。而從市場角度來看，車企的競爭焦點也發(fā)生了轉變，不再單純地比拼城區(qū)NOA功能的開城數(shù)量，而是更加注重為用戶提供優(yōu)質(zhì)的駕駛體驗。借助“車位到車位”功能，車企能夠向用戶展示智駕系統(tǒng)在全場景下的連貫性與完整性，以及其實際應用的價值。

據(jù)記者觀察，2024年4月，華為車BU發(fā)布采用端到端架構的ADS 3.0，并提出“車位到車位”概念，該功能于同年8月隨問界S9正式推出。此后，國內(nèi)車企紛紛跟進。例如，小米汽車在2024年11月的廣州車展上展示了其“車位到車位”的智駕能力，并于11月16日開啟定向內(nèi)測邀請，12月底開始先鋒版推送；極氪發(fā)布了其D2D車位到車位領航輔助功能，預計2025年1月左右分批推送；特斯拉FSD也于近期更新了“車位到車位”功能。

從字面理解，“車位到車位”功能是從任意一個車位出發(fā)，經(jīng)過各種復雜場景，最終到達另一個車位的全程自動駕駛能力。這一功能的出現(xiàn)，標志著智能駕駛技術從“全國都能開”的廣泛覆蓋，向“從A點開到B點”的精準使用價值轉變。

圖片來源：每經(jīng)記者 董天意 攝（資料圖）

不過，盡管各家車企都在積極推出“車位到車位”功能，但對這一功能的理解和實現(xiàn)方式存在差異。比如，理想汽車強調(diào)其端到端大模型應用下，系統(tǒng)可以自主通行ETC，且不限范圍、無需學習，全國超1萬個收費站均可識別通行；小鵬汽車則更注重智駕應對復雜路況的連貫性與完整性，其車輛能夠在整個“車位到車位”過程中，應對復雜路口、匯流變道、識別并避讓特種車輛，實現(xiàn)U型掉頭等特殊操作，做到全程無接管。

結合目前已經(jīng)發(fā)布的車企功能，“車位到車位”至少包括全場景覆蓋、應對復雜路況和連接泊車功能等核心能力。全場景覆蓋指的是打通停車場到公開道路、公開道路到園區(qū)、園區(qū)地面到地下車庫等多種場景，其中過閘機能力成為關鍵詞，如自主通行ETC；應對復雜路況則強調(diào)智駕在復雜路況下的連貫性與完整性，能夠應對復雜路口、匯流變道等場景，實現(xiàn)全程無接管；連接泊車功能意味著駕駛員坐進車內(nèi)即可啟動智駕，系統(tǒng)在自動駕駛與泊車無縫協(xié)作下，到達下一個停車位。

至于如何實現(xiàn)上述功能，目前行業(yè)分化為幾種路線：一種是以理想汽車為代表，遵循“VPA（記憶泊車/代客泊車）+NOA（智駕領航）+VPA（記憶泊車/代客泊車）”的技術路徑，即在停車場路段，驅(qū)動系統(tǒng)行駛的是記憶泊車/代客泊車模式，而駛入公開道路后，則立刻轉變?yōu)橹邱{領航模式；另一種則是以特斯拉、小鵬為代表，用一套模式打通全場景，即無論是在園區(qū)封閉路段、地下停車場區(qū)域還是在公開路段，顯示界面一直保持智駕NOA畫面，不會隨場景變化切換軟件系統(tǒng)。

端到端進入2.0階段

業(yè)界普遍認為，2024年標志著端到端技術的1.0階段，這一階段主要是將傳統(tǒng)的基于手寫規(guī)則的感知和規(guī)控系統(tǒng)轉變?yōu)榛谏窠?jīng)網(wǎng)絡的智能化系統(tǒng)。進入2025年，端到端技術將正式邁入2.0階段，專注于實現(xiàn)多模態(tài)融合感知，從而使系統(tǒng)能夠更精準地識別和理解復雜路況。

在端到端2.0階段，“車位到車位”功能逐漸成為衡量端到端性能的關鍵指標之一。某種程度上，車位到車位功能已經(jīng)成為評估車企智能駕駛能力的重要試金石。與此同時，眾多投身于端到端技術浪潮的頭部企業(yè)，正面臨著從技術路徑的收斂走向路徑分化的關鍵節(jié)點。

值得注意的是，就端到端智駕而言，目前行業(yè)主要分為一段式和兩段式兩個流派。其中，華為、百度Apollo、小鵬汽車等企業(yè)采用的是兩段式方法，即將感知模塊視為一段，而將預測到?jīng)Q策模塊視為另一段；商湯科技、Momenta等則是“一段式端到端”的支持者，主張將感知與規(guī)控端到端模塊全部打通，實現(xiàn)更緊密的集成和協(xié)同工作。

圖片來源：每經(jīng)記者 張建 攝（資料圖）

另一邊從技術路線思考，端到端技術路徑也開始進行轉變。此前備受追捧的“端到端+VLM（視覺語言模型）”開始向“VAL（Vision-Language-Action，視覺-語言-動作）模型”迭代。其中，端到端+VLM的方案由理想汽車在2024年中提出，兩個模型分工協(xié)作，端到端模型負責處理常規(guī)的駕駛行為，VLM模型則負責應對高難度的極端場景。

VAL模型最早由Google DeepMind提出，是一個融合了視覺、語言和動作的多模態(tài)模型，旨在提高模型的泛化能力和判斷推理能力，可以簡單看作是端到端+VLM系統(tǒng)的一個全面融合體。在國內(nèi)，元戎啟行等主要自動駕駛公司已經(jīng)開始采用這一模型。

元戎啟行CEO周光在接受記者采訪時表示：“VAL模型是端到端技術的2.0版本。”他進一步解釋稱，在面對復雜的交通規(guī)則、潮汐車道、長時序推理等特殊場景時，VAL模型能夠比以往的系統(tǒng)更好地理解和應對。例如，在推理時長方面，傳統(tǒng)的基于規(guī)則（rule-based）方案只能推理1秒鐘的路況信息并做出決策控制；端到端1.0階段的系統(tǒng)能夠推理未來7秒的路況，而VAL模型則能夠?qū)资氲穆窙r進行推理，顯著提升了自動駕駛系統(tǒng)的決策能力和適應性。

事實上，無論是采用一段式端到端還是VLA模型，背后都意味著對資源的進一步消耗。模型參數(shù)越大，對硬件算力和數(shù)據(jù)閉環(huán)的迭代能力要求就越高。有觀點認為，部署VLA模型對芯片算力的要求提升到英偉達DRIVE Thor級別，算力達750 TOPS。相比之下，當前高階智駕的算力硬件通常配備的是2顆英偉達OrinX芯片，總算力為508 TOPS。

“當前自動駕駛技術正處于邁向L3級的轉折點，大規(guī)模商業(yè)化應用仍聚焦于L2及L2+級別，同時在傳感器、芯片與決策算法等核心技術上獲得了一定突破，因此市場將逐步將這部分技術突破推向C端市場。”艾睿鉑大中華區(qū)汽車咨詢業(yè)務合伙人章一超在接受記者采訪時表示，而車企對于不同技術的表達，主要還是因為智駕已成為衡量當前車企能力的重要指標。智駕技術的發(fā)展不僅關系到車輛的安全性和駕駛體驗，還直接影響到車企在市場中的競爭力。