地平线吕鹏：端到端是基石，做不好端到端就做不好VLA

21世纪经济报道记者 易思琳

今年前三个季度，国内20万元以上乘用车市场份额占比30%，13万元以下市场份额则高达50%，但后者多数车型尚未配备城区辅助驾驶功能。这一广阔的蓝海市场，正吸引着地平线、Momenta等智驾厂商加速布局，全力抢占市场先机。

今年4月，地平线正式推出基于征程6系列芯片的城区辅助驾驶解决方案——HSD（Horizon SuperDrive）。尽管并非该赛道的先行者，但地平线已快速迈入大规模量产阶段。11月，随着星途ET5正式上市，地平线的HSD解决方案同步实现量产；另一款搭载该方案的车型深蓝L06也于同期发售。两款车型上市短短两周后，地平线HSD的激活量便突破12000辆，量产落地成效显著。

除了推出全新的解决方案，地平线还通过生态拓展加速市场渗透。12月初的地平线技术生态大会上，公司公布了两大生态推进举措：一是拓展生态合作模式，新增算法服务模式“HSD Together”，并已与日本电装、大众的合资公司CARIZON（酷睿程）、HCT（智驾大陆）达成合作；二是引入更多生态合作伙伴，元戎启行、卓驭等企业已加入其生态体系。

缺乏芯片研发能力的算法公司、软硬研发实力薄弱的车企，正纷纷向地平线聚拢。地平线接下来的目标，是让城区辅助驾驶功能下沉至10万元国民车型，实现技术普惠，并计划在未来3-5年内达成千万级量产规模。

地平线敢于定下这一目标，底气源于其在智驾端到端方案上的长期坚守与深耕。据地平线工程师透露，公司自2024年底便集中力量主攻端到端技术，90%的研发人力均投入到该方案的研发与量产落地工作中。

WA/VLA皆需端到端支撑

《21汽车·一见Auto》：地平线是目前行业内少数坚定选择端到端路线的厂商。现在市面上的智驾方案非常多，有很多公司已经开始选择做VLA，也有一些公司像地平线一样深耕端到端。在外界环境不断变化的背景下，地平线为何坚信自己能把端到端做好？

吕鹏：核心底气来自地平线过去丰富的技术积累。最早的端到端其实是地平线的uni AD，当时获得CVPR的最佳论文，那是我们最早基于Transformer提出的端到端架构。现在不管是VLA还是World Model，本质上来说是没有冲突的，因为所有的东西都建立在要有一个非常完整的端到端底座。本身的技术架构都是端到端，在这里面，你是否要引入新的模态？我们的判断是：如果端到端做得不够坚固，性能没有做得足够好，是很难去把更多新东西带进来解决这些问题的。

端到端，其实相当于是人的一个直觉模型。如果你的直觉模型不够完善，光靠思考推理去解决一些场景是很难的，而且这些思考推理反倒会带来一些新的问题。

我们的坚定，源于对技术逻辑的清晰认知，既要把每一步的技术做扎实，又要充分了解下一代技术的优势与短板，要在解决问题的同时把优势发挥到最大。而这一切的核心，在于软硬结合，用更好的硬件去支撑大算力，同时通过软硬协同的优化去释放出来更多的性能，真正在体验端为消费者带来收益，而不光是在一些名词上获得收益。

《21汽车·一见Auto》：地平线HSD的端到端版本，最核心的技术亮点是什么？这一技术方案的基座又是什么？

吕鹏：端到端往简单了说，是很好描述的，就是光子进，轨迹再输出。目前，地平线是除特斯拉之外，少数拥有真正意义上最完整的一段式端到端系统的企业。过去很多系统，虽然营销的词会讲端到端，但有很多都是两段式的端到端。

《21汽车·一见Auto》：什么是两段式端到端？

吕鹏：所谓两段式的端到端，并不是一个模型，而是一个感知的模型加上一个规控的模型。在规控的模型里，你会发现信息的传递是丢失的，因为这个模型的训练是靠感知白名单的检测结果去进行训练的。而真正的端到端，它其实有很多高维的feature是在模型里面进行无损的传递，信息量要更高，就像人开车一样，你可能不知道那个路口具体有多少人会离你多远，但你能凭借感觉很好地开过去，这种感觉就是一段式端到端才能提供的。

 《21汽车·一见Auto》：为什么会有两段式的端到端存在？

吕鹏：一段式的端到端做得不够完善的话，它的输出轨迹有特别多的缺陷，这会导致模型没办法控车，怎么办呢？大家就退而求其次地去解模型，加上了一堆后处理，对横向、纵向的轨迹做修正。当你不断通过规则去做修正的时候，这些规则就会限制模型的上限，端到端模型的优势又发挥不出来，会有很强烈的横纵向割裂感。比如开车的时候，车可能突然横向打一把再加速，正常人不会这么开。

《21汽车·一见Auto》：如何分辨一段式和两段式端到端？

吕鹏：消费者不太需要关注这些名词。对于消费者角度来说，最直观的就是开车时他是否真的愿意在城市里去使用这个系统，有没有足够的安心？对于从业者来说，分辨起来其实没有那么复杂，主要看模型输出轨迹的连贯性和拟人性好不好，特别是交互情况下模型的整个动作是按照场景step by step的，还是行云流水的。这是一段式端到端中很重要的判断点。只有行云流水的时候，里面才没有太多的规则、行动比较一致，不会有场景的割裂感。

《21汽车·一见Auto》：此前体验地平线HSD的时候，有产品经理分享了一个非常小的tips——变道的时候，旁边有一个框出现的就是两段式，没有框的是一段式，能这样简单理解吗？

吕鹏：这种说法不算是特别（严谨）。这只是HMI上的显示问题，厂家不做显示，也能达到一样的结果。核心还是看是否连贯，以及能否控制车速。正常来说，你在一段式的端到端里面是没有办法设定到规定车速的，因为对于模型来说，你只能告诉他期望的车速是多少，它会朝着期望的车速去逼近，但未必会一定到那个车速。

《21汽车·一见Auto》：智驾的技术路线，不同的车企和供应商都给了不同的方案。理想、元戎启行选择了VLA，华为和小鹏选择去掉了“L（language）”的WA、VA模型，地平线怎么看不同的智驾路线之争？

吕鹏：不管是WA还是VLA都是基于端到端做的。没有端到端的基座，很难把一些新的模态做引入，也就没办法更好地提升产品性能。这才是基座的意义。其他东西都只是辅助性，比如language。模型一定不是以language为核心去做开发，而是把language作为辅助项，再结合端到端的基座，这样才符合我们人类开车的状态。

人开车的时候，95%以上的时间开得非常轻松的，你不会有太多的思考，只在极度一些复杂的场景下，会加入一些理解、思考和推理，这也就说明了在AI重构智能驾驶的情况下，instinct model（直觉模型）一定要做得足够好，这样才能在此基础上，加入一些语言或者其他辅助性的模型，才能更好的智能。

没有扎实的端到端，高阶智驾就是空中楼阁

《21汽车·一见Auto》：在未来更智能的端到端里，最关键的核心技术是什么？

吕鹏：随着产品性能越来越强，仿真闭环很关键。因为稀疏的场景是需要通过仿真去生成一些simulation和validation。随着端到端的不断成熟，遇到问题的场景会越来越稀疏。虽然新技术也会有帮助，但万变不离其宗。如果没有一个很好的端到端基座，其他都是空中楼阁。

《21汽车·一见Auto》：按照这个逻辑，未来最理想的智驾方案，是否在端到端的基础上叠加世界模型或者强化学习的模块？

吕鹏：直觉模型做得足够强，解决了95%甚至99%的场景，剩下的需要认知推理的场景再加上思维链的理解能力，这是比较理想化的状态。但是一切都要回归原点，也就是端到端场景下的直觉模型一定要先做得足够好，再把其他的东西进行提升。

《21汽车·一见Auto》：地平线内部是否有布局VLA或者下一代的智驾方案？作为智驾供应商，接下来的竞争核心应聚焦哪些领域？

吕鹏：核心还是要回归产品体验和安全性。现在我们没有必要太多关注于各种新名词和新概念，因为本质上都是端到端，最终还是要看智驾方案的体验够不够好，系统够不够安全，它有没有很好的市场认可度，这些才是最关键的。技术上，我们肯定会做好预研和储备。

《21汽车·一见Auto》：此前与一位智驾企业CEO交流时，他认为端到端更像是模仿学习，基于GPT架构的VLA，才是强化学习。但如果给端到端的基座去加一个世界模型，相当于是给纯电车加了一个涡轮增压，他认为没必要。你如何回应这一观点？

吕鹏：我觉得核心还是要看最终产品的收益是什么。少部分场景确实需要强化学习来解决，包括language这些维度的信息，最后一定是辅助项。所谓辅助项，不是说去解决复杂的思维链，而是帮助去训练模型。这么多摄像头的输入，最终输出只有一个踏板方向盘。如何把这个模型训好，这里面有巨大的难度。

《21汽车·一见Auto》：如果地平线下一代智驾方案包含VLA技术，是否会全盘抛弃当前的端到端技术？

吕鹏：当然不会。没有好的端到端，VLA一定做不好，这是基础。