端到端的風口，不會讓所有人都能走過這道窄門。

“端到端，不養(yǎng)閑人。”

做自動駕駛相關研發(fā)五年的王軍，說自己的焦慮從端到端技術開始走熱就有了，今年1月，特斯拉發(fā)布“端到端”的技術，一句“更像是人類在駕駛汽車”，讓自動駕駛的江湖，再起風云。

“端到端”來了，技術路線變了，打破了傳統(tǒng)架構中模塊化方案的解決思路，原有的規(guī)則被拋棄。作為規(guī)控工程師，王軍也沒預料到不到兩年的時間，自己從年薪百萬的香餑餑變成了難保飯碗的“閑人”。

王軍說，他不是個例。端到端的秋風，吹向了智駕工程師們，焦慮著自己何時被“被秋風掃落葉”。工程師們的焦慮有兩層，一層來自自己，一層來自公司。

來自自己，是因為一旦端到端方案向全行業(yè)普及，積累多年的技術棧將面臨被淘汰的風險，多數(shù)工程師都要卷鋪蓋走人。“自己能不能成功切換賽道，加入端到端，很未知。”

來自公司，是因為端到端技術需要持續(xù)的高昂研發(fā)成本，以及與時間賽跑的量產(chǎn)競賽，這是一個漫長且費錢的過程，傳統(tǒng)技術棧在端到端架構中能否有用武之地，企業(yè)能否保持競爭力，也是未知。

所以，就像硬幣的AB面。A面是端到端的概念炒得熱火朝天，B面是智駕工程師們的自問。“端到端，會‘殺死’多少自動駕駛工程師？”

王軍的答案是，端到端的風口，不會讓所有人都能走過這道窄門。

曾被需要，又將被拋棄？

特斯拉用“端到端”再次攪動自動駕駛江湖之前，車企的路線，都在用模塊化做自動駕駛。

這個路線，對中國車企來說，是契合的，可以用人海戰(zhàn)術，處理各種corner case。就像激光雷達，中國企業(yè)用工程師人數(shù)紅利和供應鏈優(yōu)勢，就把歐美玩家卷到“破產(chǎn)”的比比皆是。

在端到端技術走熱之前，一位特斯拉FSD工程師曾這樣形容華為的智駕團隊，“華為自動駕駛有6千個工程師，主要用來寫各種規(guī)則，因為 rule-based （基于規(guī)則）環(huán)境太復雜，總有新的 task （任務）出現(xiàn)。”

這幾年，自動駕駛的人才市場可謂是興盛，智駕的工程師們只要有過一兩個量產(chǎn)項目的經(jīng)驗，年薪百萬級別都很常見。曾有自動駕駛領域的獵頭說，“地平線和禾賽這樣的公司，研發(fā)團隊的人均薪資基本到百萬了。”

就算人力資本昂貴，每家的智駕團隊規(guī)模都很龐大。頭部公司有四五千人，六七千人都不意外，“窮一點”的公司，也有上千人。

為什么需要這么多人？

因為在端到端之前，自動駕駛的研發(fā)有一個難解的困頓。模塊化的自動駕駛，由于感知、規(guī)劃、決策各個模塊是單獨開發(fā)和優(yōu)化的，系統(tǒng)的集成就變得非常復雜，自動駕駛寫規(guī)則需要面對所有的Corner case。

比如，算法工程師告訴機器這是側翻的卡車，遇到了要提前避讓，但是萬一遇到的側翻的轎車，就需要打新的補丁。理論上來說，只要設定的規(guī)則足夠多，覆蓋的場景就足夠多。

奈何，Corner case實在太多，且復雜。比如，“道路上的積水”、“飄來的塑料袋”，等等一些復雜環(huán)境理解能力的場景，很難用規(guī)則準確描述，有些開發(fā)工程量很大。

所以，業(yè)內(nèi)有言，“有多少人工，就有多少智能”。底層邏輯在于，通過代碼解決問題時，需要工程師研究所有的場景數(shù)據(jù)，甚至于需要1-5個工程師一周的時間去解決幾個問題。

“工程師的人效，決定著系統(tǒng)的智能程度。”王軍說，想在自動駕駛贏到最后的企業(yè)，團隊規(guī)模都不在少數(shù)。

手里握著龐大的智駕團隊規(guī)模的余承東曾說壓力很大，華為自動駕駛每年花費10億美元，累計支出超百億。騰勢汽車銷售事業(yè)部總經(jīng)理趙長江曾透露，比亞迪在智能駕駛領域擁有超過4000人的團隊，軟件工程師就有3000人，一個月發(fā)工資，自動駕駛團隊要10億元。就連此前在自動駕駛上投入不高的理想，也曾有過1300人的智駕團隊。

“在模塊化的架構下，一位工程師一天只能處理10多個case，效率不高。”自動駕駛企業(yè)元戎啟行CEO周光說，算法工程師們，不可能把所有的 corner case 都窮舉完。原因是，工程師寫代碼的速度，趕不上場景中出現(xiàn)問題的速度。

智駕老兵小鵬也表達過一樣的觀點。“小模型時期，環(huán)島、窄路、小路、調(diào)頭、大路口等場景非常難，可能要花3~5 個月。”小鵬汽車副總裁、自動駕駛負責人李力耘表示。

通過各個小模型規(guī)則的耦合是無法解決所有問題的，因為模型之間本身要傳遞更多信息。但是場景復雜多變，被車企推崇的城區(qū)智駕一直處于成本、體驗和效率的“不可能”三角當中。

在車企一邊苦惱自動駕駛的錢投入越來越多，一邊苦惱補丁越打越慢，成本難以收回的時候，特斯拉又充當了“鯰魚”。

端到端，三個字，讓燒錢卻無解的情況有了改變。

“不需要養(yǎng)幾千人去搞corner case”

知乎上，有個自嘲的調(diào)侃，“沒想到，最先被自動駕駛技術優(yōu)化掉的，并不是司機們，而是為自動駕駛技術掉光頭發(fā)的算法工程師們。”

算得上一個地獄笑話了。王軍說，這個笑話他一點也不敢笑。

雖然，還在爭論什么系統(tǒng)才是真正的端到端，也沒有明確的量產(chǎn)落地路線，但是傳統(tǒng)智駕技術棧，已經(jīng)被歸為“冷兵器時代”。這個名詞，一聽還有點“上個世紀”的味道。

“端到端”本質(zhì)上是一個黑盒，以往模塊化的、規(guī)則驅(qū)動主導的技術體系，被推倒重構。英偉達汽車事業(yè)部副總裁吳新宙認為，端到端正是智駕三部曲的最終曲，同濟大學汽車學院教授朱西產(chǎn)表示，“端到端”是實現(xiàn)自動駕駛唯一的計算路線。

觸覺敏銳的小鵬迅速改弦易轍，自動駕駛團隊的重心轉向端到端路線。李力耘曾在采訪時被問到，在傳統(tǒng)技術棧積累的那么多“武林高手”，還用得上嗎？

李力耘也承認，原來工程化能力拼的是招募和堆砌各種方向的工程師，只要湊齊了就可以打。但是，進入端到端，玩法變了，“AI大模型”，就是對此前積累的揚棄。

朱西產(chǎn)表示，“人工準則模型”拼人力，“AI模型”的訓練測試拼數(shù)據(jù)和云平臺算力。端到端最直接的變化是，不再需要窮盡算法解決Corner Case 。

馬斯克在直播中表示提到過，F(xiàn)SD Beta V12從頭到尾都是通過AI實現(xiàn)。“我們沒有編程，沒有程序員寫一行代碼來識別道路、行人等概念，全部交給了神經(jīng)網(wǎng)絡自己思考。V12的C++代碼只有2000行，而V11有30萬行。”

就是說，從傳統(tǒng)模塊化轉向端到端后，特斯拉的FSD所需要的代碼，不到原來的1%。與此同時，在信息傳遞過程中，再也不用為了能讓感知和規(guī)控必須“對齊顆粒度”，費盡心思。

“對神經(jīng)網(wǎng)絡來說，不同模態(tài)的數(shù)據(jù)都可以被表示成一種標準結構，只要把時間同步做好，甚至不對齊也可以，因為它可以自己學。”一家頭部科技公司工程師表示。

成為多家車企供應商的商湯科技提出的一體化方案，整個系統(tǒng)中需要人工手寫代碼維護的比例，降到了最低，總共只有幾千行代碼的體量。

不需要那么多代碼，自然也就不需要那么多“寫規(guī)則”的工程師了。“端到端大模型本身不需要這么多人”，這個認知，讓數(shù)量龐大的工程師們感到焦灼。

據(jù)悉，特斯拉自動駕駛算法團隊300人左右，除去芯片設計端的100多人，軟件端只有不到200人，負責規(guī)劃控制的負責人離職了。之前，特斯拉一直不愿意向中國團隊開放代碼閱讀權限，端到端之后，已經(jīng)不需要國內(nèi)工程師了，國內(nèi)只需要標注即可。

“不需要養(yǎng)幾千人的團隊去搞Corner case”。理想創(chuàng)始人李想認為，所有自動駕駛團隊，每天干的活都是靠人工去調(diào)試各種各樣的corner case，而且放的人越多，corner case越多，和真正的自動駕駛就越遙遠。

這話也從側面印證了智駕團隊正在被“優(yōu)化”。小鵬、蔚來、比亞迪等車企智駕部門都成立了獨立的端到端團隊，隨之而來的是“不被需要”的重石，砸在了自動駕駛工程師的頭上。

由于過去小模型方式，導致一些工程師都只擅長自己專精的領域，“被優(yōu)化掉”的危機，逼迫到了眼前。從獵頭方面給出的信息是，現(xiàn)在很多智駕團隊的招聘，都是僵尸崗位，車企智駕團隊也不再放出新崗位。

不過，對于不同領域的工程師而言，端到端技術帶來的沖擊深淺不一。從目前的局面來看，傳統(tǒng)做Rule-Basd算法的人員，還沒有發(fā)生大規(guī)模裁員，劇烈的職位動蕩發(fā)生在規(guī)控崗位。

傳統(tǒng)的規(guī)控算法工程師主要有幾個方向：路徑預測、路徑優(yōu)化、規(guī)則后處理，以及車輛控制。對規(guī)控算法工程師而言，如果要加入端到端，幾乎是重新切換賽道。

端到端之后，華為乾崑ADS 3.0采用全新架構，這一架構去掉BEV，只保留一張GOD網(wǎng)絡，決策、規(guī)劃合為一張PDP網(wǎng)絡。類似的整合，頻繁發(fā)生。

王軍所在的工程師團隊也被進行了分化，一部分去做量產(chǎn)交付，另一部分轉向端到端。讓那些只會寫規(guī)則人在短時間內(nèi)向端到端演進，有難度。但是不想被優(yōu)化，只能學，不轉的話就已經(jīng)被落下了。

“傳統(tǒng)技術棧被淘汰的會越來越多。”王軍很焦慮。

傳統(tǒng)技術棧“不能完全拋棄”

端到端之下，轉型期已經(jīng)開啟。為了穿越窄門，自動駕駛團隊都牟足了勁。

雖然，端到端的技術風口，不會等待岔路口上的每一個人，要么擁抱端到端，要么幾年后離開智駕行業(yè)，但也不意味著完全拋卻這些智駕老兵。

與傳統(tǒng)的技術方案相比，端到端往往被認為上限高、下限低。目前的端到端路線尚且明確，是一體化更犀利，還是分段式更鋒芒？各說紛紜。

一位自動駕駛公司產(chǎn)品負責人曾表示，“分段式會向一段式發(fā)展，代價是，需要進行更多數(shù)據(jù)處理，以及更多訓練資源。從分段式到一張網(wǎng)，需要很長時間，要看有沒有足夠的錢。”

現(xiàn)在的局面是，特斯拉摸著石頭過河，別人摸著特斯拉過河，無論是一體式，還是分段式，現(xiàn)階段的端到端還是一個需要老師傅手工打磨的工藝，并不是完全輸入信息，輸出結果的自動工廠。

雖然，很多玩家都表示要ALL IN端到端，但是真正的端到端系統(tǒng)需要三要素，團隊領頭羊、數(shù)據(jù)和算力。

車企需要收集龐大的數(shù)據(jù)，用于解決場景問題的大量數(shù)據(jù)當模型，再訓練。只要上千小時的視頻數(shù)據(jù)，就可以訓出來一個端到端demo。但是，從demo到量產(chǎn)，還有相當大的差距，訓練出來的模型的質(zhì)量能否完成量化、部署、仿真驗證、上車，整個鏈條非常長。

“數(shù)據(jù)收集之外，工程能力還體現(xiàn)在大數(shù)據(jù)體系的建設、算力部署能力，這都不是一件容易的事。”李力耘表示。端到端智駕需要的視頻數(shù)據(jù)獲取成本和難度極高，數(shù)據(jù)質(zhì)量要求也很嚴苛。

一位自動駕駛工程師提到，在訓練端到端模型時發(fā)現(xiàn)，已有路測數(shù)據(jù)只有2%可以用。模仿學習面臨的最大挑戰(zhàn)是，數(shù)據(jù)匱乏帶來的誤差累積和泛化問題。

再加上，端到端大模型輸出的軌跡還不夠成熟，仍需要工程師要寫規(guī)則兜底，傳統(tǒng)的技術棧在新架構下仍然會有用武之地。

比如，和BEV有關的技術棧仍然在被當下前沿的架構所應用，油門和剎車的控制模塊，目前也是采用傳統(tǒng)的方式來做，車企還是需要在基于傳統(tǒng)規(guī)則的安全模塊上投入、兜底。

“端到端部門都還剛起步，目前還需要傳統(tǒng)智駕部門做算法場景覆蓋，保證自動駕駛安全的下限。”有車企的自動駕駛工程師表示。

“對現(xiàn)階段智駕而言，每個細節(jié)的轉彎、避讓、減速，靠Transformer或端到端做不到。要靠大量工程師在大量場景里，去做苦活臟活累活，才能去真正地構建護城河。”地平線表示，愿意趴在地上，去干充滿“泥濘”的事情。

雖然，在干充滿“泥濘”的事情中，工程師也會抱怨，“即便進入端到端方案中，也是為新的方案兜底，不是核心崗位。”但王軍覺得，得先把端到端的知識點吃透。

不能否認的是，新的技術路線之下，車企減少傳統(tǒng)技術棧對外招人，但對智駕團隊人才的畫像，有了新的變化。

李力耘說，小鵬對內(nèi)，會培養(yǎng)“冷兵器時代”優(yōu)秀的算法工程師積極轉型，對外會持續(xù)招聘優(yōu)秀的人才，牽引他們的轉型。這就要提到端到端的第一要素，“駕馭全局”的高階智駕人才來當“領頭羊”。

小米挖來前圖森中國CTO王乃巖加盟，華為智駕通過相關專利來錨定人才，做定點挖掘。比亞迪引入百度艙駕融合智駕技術負責人周鵬，負責端到端大模型規(guī)控算法開發(fā)。

技術尚未落地，顛覆已經(jīng)開始。一旦特斯拉這條鯰魚將FSD引入國內(nèi)，端到端走向量產(chǎn)，會不會“殺死”5萬名工程師？

雖然未知。但是，端到端不養(yǎng)閑人已是事實。

注：圖片部分來源網(wǎng)絡，如有侵權，聯(lián)系刪除。 

       原文標題 : 智駕端到端，不養(yǎng)閑人