端到端是一种模型的组织框架而非具体的技术范式,其相对于模块化的模型组织形式如同“连续”相较于“离散”的区别,或者汽车分布式架构向域集中再到中央集中架构升级的过程。具体而言,端到端模型可以被定义为一种基于学习的、完全可微分的算法思路,它将原始传感器数据作为输入,并生成轨迹规划或低级控制动作作为输出,其中不包含任何人为设计的模块或接口。需要指出的是:1)自动驾驶端到端模型可以依赖不同的具体技术方法实现,即可以利用传统的神经网络架构(数据驱动式的概率输出)、也可以利用 VLA 方案(知识驱动式的理解能力输出)、或者将二者组成双系统(高维思考+低维执行)、或利用世界模型方案。不同端到端实现方案会给模型构建与性能发挥、芯片等硬件要求带来不同影响。2)端到端模型并不一定是黑盒模式,它可以像规则算法一样进行模块化设计并加入大语言模型以增强模型可解释性和分部优化,其核心在于不同模块间传播的是隐式特征而非具体输出结果,不同模块间可以联合优化以实现全局最优性能(信息损失最小化与联合优化)。