Robotaxi的商业闭环依赖大规模车辆部署，而国内现有技术方案对高精地图和激光雷达的依赖限制了扩展性。中银国际证券报告指出，端到端自动驾驶通过海量数据学习人类驾驶行为与决策，减少对高精地图和传感器的依赖，具备更高的技术上限，有望成为Robotaxi大规模部署的关键技术突破口。特斯拉FSD V12的实践验证了端到端路线的可行性。
端到端vs分模块：技术路线之争与性能上限差异
当前自动驾驶存在端到端和传统分模块两条技术路线。传统分模块架构以工程师人为定义的手写规则为基础，感知、决策、规划由不同开发人员独立完成，模块间数据逐级传递，存在信息损失和误差累积。根据小鹏XPILOT总监Patrick Liu在CVPR 2023的演讲，分模块方式允许开发人员以最少努力快速工作，但通常导致自动驾驶性能上限约80%。端到端采用一体化神经网络，从传感器数据中直接学习驾驶策略，以全局最优为导向。其优势在于：能够充分利用传感器信息（分模块下信息经感知模型过滤后损失较多），减少对高精度地图和激光雷达的依赖，无需根据每个假设场景人工编写规则、能更好处理corner case。在动态交通环境中，端到端的实时感知和决策能力使其具备更高的性能上限，有望突破Robotaxi点对点运营的限制。
特斯拉FSD V12：光子进控制出的端到端实践
特斯拉FSD V12是端到端路线最具代表性的实践。V12采用"光子进，控制出"模式，以全球各地数百万特斯拉车身视频作为训练材料模仿人类司机驾驶决策，仅利用一套神经网络处理所有输入信号并输出驾驶决策。2023年8月，马斯克45分钟直播试驾中，FSD V12面对从未见过的建筑、道路标志能够识别并轻松绕过障碍物，对于未经过编程的环形交叉路口概念也顺利完成转弯行驶。YouTube博主Whole Mars Catalog将特斯拉与Waymo进行同路线测试，结果表明特斯拉路线用时5分12秒，比Waymo的8分钟节省约3分钟。2024年4月，马斯克在特斯拉AI官方社交媒体账户宣布FSD行驶里程已超10亿英里。端到端路线的数据飞轮效应正在形成——使用用户越多，收集的数据越多，算法迭代越快，性能提升越显著。特斯拉通过"影子模式"实现数据采集：在有人驾驶状态下运行自动驾驶系统，将系统模拟决策与驾驶员行为对比，不一致时触发数据回传，高效获取极端工况数据。
端到端对Robotaxi产业的关键价值
端到端自动驾驶对Robotaxi产业的意义体现在三个层面。第一，降低对高精地图的依赖。国内现有方案重高精地图，需要定期更新以反映道路变化。点对点运营场景下更新频率尚可满足，但若Robotaxi在复杂多变道路行驶，面对道路施工、交通信号变化等突发状况，需要地图实现分钟级或秒级更新，成本高且耗时。端到端从传感器数据中实时学习驾驶策略，可大幅减少对高精地图的依赖。第二，减少对激光雷达的依赖。激光雷达成本高于纯视觉方案，且在恶劣天气条件下性能受影响。端到端能够更充分利用摄像头等传感器信息，为成本更低的纯视觉方案提供技术支撑。第三，提升泛化能力。端到端通过海量数据学习驾驶规律而非人工编写规则，能够适应不同城市的交通环境，降低Robotaxi从试点城市向更多城市复制的边际成本。当前Robotaxi仍处于点对点运营阶段，而端到端技术的成熟有望推动其进入"数据驱动-规模部署-成本下降-盈利兑现"的商业正循环。
