电子电气架构 --- AI在整车产品领域的应用

我是穿拖鞋的汉子，魔都中坚持长期主义的汽车电子工程师。

老规矩，分享一段喜欢的文字，避免自己成为高知识低文化的工程师：

简单，单纯，喜欢独处，独来独往，不易合同频过着接地气的生活，除了生存温饱问题之外，没有什么过多的欲望，表面看起来很高冷，内心热情，如果你身边有这样灵性的人，一定要好好珍惜他们眼中有神有光，干净，给人感觉很舒服，有超强的感知能力有形的无形的感知力很强，能感知人的内心变化喜欢独处，好静，清静，享受孤独，不打扰别人不喜欢被别人打扰，在自己人世界里做着自己喜欢的事。

时间不知不觉中，来到新的一年。2024结束，2025开始新的忙碌。成年人的我也不知道去哪里渡自己的灵魂，独自敲击一些文字算是对这段时间做一个记录。

本文主要讲述AI在整车产品领域的应用。

一、AI赋能自动驾驶应用

自动驾驶在算法方面的总体趋势确实呈现出端到端自动驾驶大模型成为发展方向的特点，并且开发模式也逐渐从基于规则转向了数据驱动：

1、端到端自动驾驶大模型成为发展方向

性能潜力远超工程师：

端到端方案所展示出的性能潜力巨大，远超传统依靠大量工程师开发的规则算法。

特斯拉发布的FSD Beta V12就是一个典型的例子，它采用了端到端的AI自动驾驶系统，实现了“视觉输入、控制输出”的方法，并且代码量大幅减少，但性能却得到了显著提升。

算法架构持续简化：

随着端到端自动驾驶大模型的发展，自动驾驶的算法架构变得持续简化。传统的感知、规划、决策等模块化自动驾驶算法被有机地统一起来，进行联合优化，从而实现了信息无损传递、数据驱动和全局优化。

研究与实践的推动：

地平线学者在CVPR上发表的最佳论文提出了UniAD模型，该模型融合了五个典型任务，即跟踪、建图、行为预测、占有栅格预测和规划器，从而在一个端到端框架中整合了全套的自动驾驶任务。

这样的研究和实践推动了端到端自动驾驶大模型的发展，并进一步证明了其可行性和优势。

2、开发模式从基于规则转向数据驱动

数据成为关键资源：

随着端到端自动驾驶大模型的发展，自动驾驶性能提升的关键资源从研发人力变为了数据和算力。大量的高质量数据对于训练和优化端到端自动驾驶模型至关重要。

算力需求的增加：

伴随着数据量的增加和模型复杂度的提升，对算力的需求也在不断增加。特斯拉等公司在算力方面的投入巨大，以支持其端到端自动驾驶系统的研发和优化。

算法与数据的紧密结合：

在端到端自动驾驶系统中，算法和数据是紧密结合的。算法需要依赖大量的数据进行训练和优化，而数据的质量和多样性则直接影响算法的性能和泛化能力。

自动驾驶在算法方面的总体趋势是端到端自动驾驶大模型成为发展方向，并且开发模式从基于规则转向了数据驱动。这一趋势带来了算法架构的简化、性能潜力的提升以及关键资源的转变。随着技术的不断进步和应用场景的拓展，端到端自动驾驶系统有望在未来实现更广泛的应用和商业化落地。