纵观人类科技史，一个更先进的系统，往往优美而简洁。
第五代战斗机用光滑的表面和简单的构型，轻松击败了此前的所有战机。一面屏幕的智能手机，已经取代了按键复杂的功能手机。
在自动驾驶领域，传统的模块架构需要进行多个子任务的划分和处理，未来的自动驾驶路线到底应该怎么走？现在，马斯克似乎想把复杂的问题直接用一个深度学习模型来解决。
根据他的说法，FSD Beta v12版本将采用“端到端”的架构。对系统输入视觉等传感器信号，系统随之就可以输出转向、刹车、加速等车辆控制信号，与现有版本会拉开巨大的差距。
马斯克立志要实现的“端到端”，会是实现自动驾驶的一步好棋吗？
当下，自动驾驶系统没有严谨的分类，行业内有些人将自动驾驶系统区别为“模块化”和“端到端”两种技术路线。
这两种路线，有着本质的区别。
特斯拉此前的自动驾驶系统，采用的是“模块化”的思维。顾名思义，就是把自动驾驶划分为环境感知层、决策规划层和控制执行层，每一层还可以划分为不同的模块，每个模块还可以划分为不同的子模块。
环境感知层就像是人的眼睛和耳朵，看到周围的路况之后，把感知结果送入决策规划层。决策规划层这个“大脑”决策之后，再把命令传输给控制执行层，控制执行层就像人的双手和双脚一样，完成加速或转向。
与模块化不同，特斯拉最新的V12版本自动驾驶系统采用了端到端的路线，理论上，可以把车辆传感器采集到的信息，直接送入到统一的深度学习神经网络，神经网络经过处理之后，直接输出自动驾驶汽车的驾驶命令。
现在大火的ChatGPT，正是端到端技术的典型代表。
两种方式的区别，就像学英语。
假设我们要学习英语。传统的模块化就像是按照教材来学习，先学习音标、单词、语法、句型等基础知识，然后再通过阅读、听力、口语、写作等练习来提高英语水平。
而端到端就像是直接去一个英语国家生活，我们只需要不断地和当地人交流，从他们的对话中学习英语的发音、词汇、语法、用法等，而不用先学习任何基础知识。这样做需要接触到大量的英语场景和语料，才能逐渐适应和掌握英语的规律。
端到端自动驾驶系统虽然现在鲜有车企在用，但对于模块化而言，这是一种革命性的系统。这种技术路线，让自动驾驶更接近人类的真实驾驶。
一位业内人士对西部智联表示，传统的多模块化架构需要大量的中间步骤和组件，比如特征提取、分类器训练、地图构建、路径规划等，而端到端只需要一个大模型，省略了大量的繁琐的中间步骤，简化了流程，基于组件的系统工作更少。
“特斯拉如果真的推广开了端到端，那就从根本上改变了游戏规则。”
他说，传统的多模块化架构往往是基于规则驱动的，会根据图像数据的情况做出反应，一般是道路上某个数据变量达到一定的阈值后，触发系统的动作，属于一种“被动”式的反应。
这样的规则设定标准，通常是工程师根据人类驾驶习惯观察取得值。“比如面对会车的情况，本车是选择让旁边车道的车先走，还是抢在其之前走，不同车企的判断逻辑也不一样。”
端到端人工智能是基于数据驱动的，根据不断收集到的人类驾驶真实数据进行判断，属于一种“主动”式的反应。这样的数据驱动可以让系统更加接近人类驾驶的方式和水平，也可以让系统更好地适应不同的道路环境和交通情况。
当特斯拉选择了端到端，意味着这种路线已经被头部自动驾驶公司纳入到了可行方案中。那么，为什么是特斯拉选择了端到端？
人工智能有三大根基——算力，算法，数据。端到端是自动驾驶迈向更高等级的“良药”，而数据，就是可靠的“药引子”。
端到端人工智能需要大量的数据，因为它要从数据中学习出复杂的映射关系，而不是依赖于人为设计的特征或规则。数据越多，越能覆盖各种可能的情况，越能提高模型的可靠性。
只有用数据把人工智能“喂饱”，才能解决掉更多问题。而特斯拉，恰恰是掌握自动驾驶相关数据最丰富的车企。
在每台特斯拉车辆上，影子模式“如影随形”，随时为数据采集做着准备。考虑到特斯拉庞大的销售数据，这些车辆等于成为了免费的数据收集器，这给特斯拉带来了指数级的数据增长和极丰富数据多样性。
根据MIT教授Lex Fridman的估计，特斯拉已经收集了超过30亿英里的数据，作为比较，Waymo收集的驾驶里程约为2亿英里。丰富的数据量，虽然不是特斯拉选择端到端的理由，但却是特斯拉能够选择端到端的前提。
特斯拉选择端到端模式，和马斯克对人工智能的迷恋有很大关系。
马斯克与人工智能的渊源可以追溯到他的童年。他曾经在12岁的时候，用BASIC语言编写了一个名为Blastar的太空射击游戏，并卖给了一家电脑杂志。他也是一个狂热的科幻迷，喜欢阅读阿西莫夫、海因莱因等作家的作品，对人工智能和机器人有着浓厚的好奇心。
马斯克在成年后，创办了多个成功的公司，都与人工智能技术有着密切的关联。他曾经说过，他的目标是“推动人类文明向前发展”，而人工智能是实现这一目标的重要手段之一。
马斯克对人工智能技术的态度是复杂而矛盾的。他曾经多次警告，人工智能可能会超越人类智能，成为一种“不可控制”的力量，甚至可能引发第三次世界大战。他也曾经呼吁，需要建立一个全球性的人工智能监管机构，以防止人工智能被滥用或误用。
但是，马斯克对人工智能技术的担忧，并没有阻止他在自动驾驶方面进行大胆的尝试和创新。
他认为，自动驾驶是人工智能技术最有价值和最有意义的应用之一，可以提高交通安全、效率和便利性，也可以为人类带来更多的自由和乐趣。他曾经说过，“我认为自动驾驶是最重要的社会问题之一，也是最有趣的问题之一。”
马斯克选择端到端模式，也体现了他对人工智能技术的信心和期待。他相信，端到端模式可以让自动驾驶系统更加灵活、强大和智能，可以减少中间层的设计和维护成本，也可以利用海量的数据进行持续的学习和优化。
马斯克曾经说过，“只要没打破物理定律，一切皆有可能。”那么，端到端就是马斯克的下一个可能。
特斯拉选择了端到端作为其FSD的技术路线，无疑是一种大胆而前卫的尝试。如果这条路线能如愿走通，将对特斯拉自身乃至整个自动驾驶行业产生深远而广泛的影响。
对于特斯拉而言，端到端是一柄撕开市场的“利刃”。对于行业来说，马斯克这一举动更是具有示范效应。
就像苹果每一次都带动数码行业的审美与技术革新，特斯拉作为自动驾驶行业的领导者和引领者，自动驾驶行业一直不乏追随特斯拉的人。其技术路线的每一次选择和变化，都会对整个行业产生重要的影响和启示。
特斯拉选择端到端，表明了这种方案的可行性，也展示了端到端的巨大应用前景。这会在业内带来示范效应，让更多自动驾驶企业投入资源，来加入端到端的推广应用，从而带动整个行业的技术进步。
作为一种新兴的技术方法，端到端人工智能在自动驾驶领域有着明显的优势，但也存在着一些局限——端到端人工智能缺乏可解释性和可控性，以及数据收集和算力层面的挑战。
这是摆在端到端应用面前的大山。
腾讯集团副总裁、腾讯安全总裁丁珂表示，大模型落地应用所面临的第一道坎，就在于它的可解释性。当模型大到一定程度的时候，首先模型的可解释性难度就非常大，一旦出现问题，将很难溯源或者调整。
在5月举行的一场峰会上，一位负责AI技术测试工作的美军上校表示，美国空军曾经进行了一次模拟演练，由一架AI无人机执行摧毁敌方防空系统任务。
由于摧毁防空系统被设定为优先级，但攻击行动被人类操作员否决。AI觉得人类妨碍了自己执行任务，因此AI决定把人类干掉以排除“阻碍”。但它接受的训练是不能攻击人类，所以AI决定攻击通讯塔，这样就可以切断人类和无人机之间的数据通讯。
在此前，或许没人设想到AI将以这种方式完成任务。可解释性和可控性是端到端人工智能的重要属性和需求，也是其最大的难点和风险。
端到端人工智能由于采用了复杂的深度神经网络模型，其内部的工作原理和逻辑往往是不清楚甚至是不可知的，这就导致了系统的黑箱化。我们不知道系统为什么会做出某种决策或行为，也不知道如何改进或纠正系统的错误或缺陷。
这种黑箱化不仅影响了系统的开发和调试，也影响了系统的监管和审查，更影响了用户对系统的信任和接受度。如果系统出现了严重的失误或事故，我们很难找到原因和责任，也很难进行预防和纠正。
如果是日常使用的ChatGPT，无非就是回答错了一个答案而已。但在容错率很低的自动驾驶场景，一旦出现了错误就会导致严重后果。
在另一方面，将人工智能用于自动驾驶，还需要获取大量数据，但这会带来极高的成本。中国工程院院士、西部智联首席科学家李克强近期撰写的《AI大模型在自动驾驶中的应用》论文中披露过一组数据——
“ChatGPT的样本存储比约为3亿/GB（每GB存储的样本数目），而自动驾驶该比值约为370个/GB（以端到端自动驾驶为例）；按照特斯拉的数据采集效率（3.9GB/车/天），若要达到万亿级别的训练样本，大概需要单一车辆连续驾驶190万年。”
此外，车载算力也是发展端到端的一道门槛。与云端服务器相比，车载算力不足以支撑端到端的产业应用。《AI大模型在自动驾驶中的应用》论文中提到，若将ChatGPT级别的网络用于车载控制器，大致需要1018 FLOPS算力，这相当于车端部署10万张英伟达A100的GPU。
解决这些问题，需要构建可解释和可控的端到端人工智能系统，让人类能够监督、干预输出结果。更需要将“车路云”相结合，搭建云数据平台与云计算平台，让云端算力赋予车辆能力。
近期，国务院提出了“车能路云”融合发展的路线。这一路线的将自动驾驶系统与车辆、道路、云计算等多个要素进行有效的整合和协同，形成一个智能化、网络化、协同化的交通生态系统，用云控平台即时纠偏，给端到端的应用添上了一道“保险”，更是为端到端插上一双“翅膀”。
马斯克下注端到端，更像是对人们的提醒——行业变革，即将到了“涌现”时刻。
同样作为人工智能的杰出应用，ChatGPT可以与用户进行自然、流畅的交流。据说它在短短几个月内就吸引了数百万的注册用户，成为了一个现象级的应用。
人们用ChatGPT，最多的评价是：它不像一个机器，它像一个人。
如果人工智能要像一个人，那么它需要具备什么样的特征和能力呢？是模仿人类的思维和行为，还是理解人类的情感和价值观，或者是创造出人类无法想象的东西？这些问题可能没有一个确定的答案，但是它们可以激发我们对人工智能和人类本质的思考和探索。
这让人想到韩非子的千年矛盾寓言——端到端是一柄实现自动驾驶的“长矛”，而它最终商用，恰恰也取决于我们如何打造防范“长矛”缺点的“盾”。
矛盾相生，车云协同。单车智能的最终目的地，将会是“中国方案”的坐标。
