导语：2023年8月，马斯克在帕洛阿尔托直播试驾FSD V12，宣称其为"首个端到端AI自动驾驶系统"。决策规划代码从V11的30万行骤减至2000行，99%决策由神经网络给出。这场从规则到数据驱动的范式革命，三年后已席卷全行业：世界模型、视觉-语言-动作模型层出不穷，但安全可解释性与数据饥渴的争议反而更加尖锐。端到端究竟是L4的终局还是被过度包装的概念？

---

一、端到端的定义：从传感器到方向盘的"直联"

传统自动驾驶系统采用模块化架构：感知→定位→预测→决策→规划→控制，每个模块由不同团队开发，模块之间通过人类可理解的接口（如检测框、高精地图语义、轨迹点）传递信息。

端到端则完全打破这一范式：输入原始传感器数据，直接输出方向盘转角、油门/刹车等车辆控制信号。中间没有任何人工定义的接口，所有计算由一个或极少数的神经网络完成。马斯克将FSD V12称为Full AI End‑to‑End。程序员不再显式编写“识别车道线”、“描述行人意图”的代码，所有驾驶逻辑都隐式地存储在神经网络的权重中，靠数据训练涌现。

特别说明：实际系统中，完全的“传感器到控制”单模型极少被严格采用。更准确的描述是“可求导的端到端”，即整个系统允许梯度从最终驾驶损失一直回传至感知前端，从而实现全局联合优化。V12的端到端并非严格单模型，而是包含数个紧密耦合的神经网络（如感知网络输出隐特征，决策规划网络接力），训练时允许梯度跨模块反传。

---

二、端到端架构的四阶段演进

端到端并非一蹴而就，其技术演进可分为四个阶段：

1. 第一阶段：感知"端到端"

感知模块本身完成端到端。例如，从多摄像头图像到鸟瞰视角下的动态目标检测、车道线识别和可行驶区域分割。特斯拉2020年引入的BEV+Transformer是里程碑。但决策规划依然由基于规则的状态机主导。多数量产系统在2023年前停留在此阶段。

算法篇：从BEV+Transformer到端到端大模型

Jethro，公众号：小白楼实验室算法篇：从BEV+Transformer到端到端大模型

2. 第二阶段：决策规划模型化

预测、决策与规划被集成进同一个神经网络，但感知和决策规划之间仍通过人类可理解的接口（障碍物位置、道路边界）交互，两部分独立训练。优点是模块可单独迭代，缺点是上下游的信息损失无法通过梯度弥补。

3. 第三阶段：模块化端到端（两段式端到端）

感知模块不再输出人类可读结果，而是输出一个特征向量；决策规划网络接收该特征向量直接输出规划轨迹。关键突破在于跨模块梯度传导：两个模块必须联合训练，梯度可以从规划损失一直回传到感知网络，实现全局最优而非局部最优。这正是华为ADS 3.0（采用GOD+PDP两段式端到端，感知与规控分离）、小鹏XNGP（采用XNet+XPlanner两段式端到端）采用的技术路线。

4. 第四阶段：One‑Model / 全栈端到端 & 世界模型

• 模仿学习：让模型直接克隆人类驾驶员的操作（最早由英伟达2016年的CNN工作验证可行性，论文《End to End Learning for Self-Driving Cars》提出PilotNet架构）。
• 强化学习：在模拟器中通过试错最大化奖励。
• 世界模型：模型不仅输出驾驶动作，更关键的是预测环境的未来演化（其他车辆、行人的运动，以及本车动作造成的后续状态），然后基于这些预测进行决策规划。这被普遍视为端到端的终极形态。

到2026年，世界模型已是主流战场。特斯拉在FSD V12的后续版本中持续融合世界模型预测能力；理想汽车2025年推出的VLA司机大模型采用快慢双系统架构；2026年3月发布的MindVLA-o1则升级为原生多模态MoE Transformer架构；蔚来推送了NWM 2.0世界模型；行业已经跨过了单纯"缩代码"的阶段。

演进关键节点：

2016年，英伟达提出PilotNet CNN网络实现端到端驾驶，但模型过于简单，仅支持高速场景；

2020年，特斯拉发布BEV感知，开启感知端到端；

2023年8月，特斯拉FSD V12亮相，首款全神经网络决策系统；

2024年，华为、小鹏等推出模块化端到端架构；

2025年，世界模型与视觉-语言-动作模型加速落地；

2026年，端到端大模型有成为行业标配的趋势，L3级商用与L4级探索并行推进。

三、FSD V12的技术内核：从30万行到2000行

1.V12的技术逻辑

FSD V12的“2000行C++代码”极具象征意义。它意味着过去三十万行显式规则被弃用。驾驶策略从特斯拉车队采集的数十亿英里人类驾驶数据中通过模仿学习涌现。核心优势有二：

• 规则引擎退场：长尾场景不再依赖工程师打补丁，而是指望数据覆盖。

• 全局优化：不像模块化架构那样各自优化局部指标（感知mAP、轨迹平滑度），V12直接用“是否安全舒适地到达目的地”这一终极目标来优化整个网络。

2.真实的代码量与架构

3.2024‑2026年的迭代

• FSD V12.5 (2024年)：合并高速和城市栈，引入“端到端高速神经网络”，提升了平顺性。

Tesla FSD v12.5 will combine highway and city software stacks and bring FSD to the Cybertruck, says Elon Musk

https://www.teslaoracle.com/2024/07/13/tesla-fsd-v12-5-highway-and-city-software-signle-stack-bring-fsd-to-the-cybertruck-elon-musk/

• FSD V13 (2025年)：采用基于HW4.0硬件的全分辨率图像处理平台，每秒36帧处理速度，决策速度提升2倍，增强倒车与自动停车功能，支持车队动态导航。

特斯拉FSD V13发布，强大到可怕！2025将是特斯拉关键之年？

吴沛哲，公众号：汽车之家特斯拉FSD V13发布，强大到可怕！2025将是特斯拉关键之年？

• FSD V14（2026年）：底层重写AI编译器和运行时，反应速度提升约20%；训练和视觉编码器升级，复杂红绿灯路口处理更聪明；开得更"拟人"，车道偏移减少、跟车更自然；泊车更聪明，新增"无干预里程连续计数器"；Actually Smart Summon提速约33%。

Tesla increases Actually Smart Summon speed by 33% in new FSD update

https://electrek.co/2026/05/17/tesla-actually-smart-summon-speed-increase-8-mph-fsd-v14-3-3/

Tesla expands ‘Robotaxi’ to entire Austin metro — but still has only ~20 vehicles

https://electrek.co/2026/06/03/tesla-robotaxi-expands-entire-austin-metro-only-20-vehicles/

Tesla confirms Cybercab production has started despite delays in unsupervised driving

https://electrek.co/2026/04/23/tesla-cybercab-production-starts-no-nhtsa-2500-vehicle-cap/

四、争议：黑盒、数据饥渴与安全性

争议1：黑盒不可解释性 vs. 安全验证

端到端网络的决策过程难以解释。L4的认证体系（如ISO 26262、UL 4600）历来要求可解释、可分解的安全论证。Waymo坚持采用具有可解释约束的模块化架构，配合高精地图和冗余传感，其Robotaxi已在旧金山、凤凰城实现大规模付费运营，安全性记录远优于同期FSD。尽管2025年以后，Waymo也开始引入学习型规划，但其上层仍有确定性的安全包络。

端到端的支持者认为，可解释性是“过时的执念”。飞机的飞控也是高维非线性系统，照样通过形式化验证。针对此，学界和工业界提出多种“端到端+安全护栏”方案：

• 后验证：用形式化方法在线监控神经网络输出的安全性，必要时触发基于规则的降级策略。

• 可解释插件：利用大语言模型输出文本解释驾驶决策，再映射为轨迹（如早期探索性的DriveVLM/DriveVLA方案）。

• 安全强化学习：用约束马尔可夫决策过程，将碰撞、违反交通规则定义为硬约束，内置到训练目标中。

争议2：数据与算力的无尽饥渴

端到端的性能与数据量、多样性呈强正相关。特斯拉基于约5万块NVIDIA H100 GPU构建了Cortex训练集群，于2024年Q4在德克萨斯州超级工厂上线。2025年Q2，特斯拉进一步将Cortex扩展至约6.7万块H100等效算力。马斯克表示训练基础设施投资将持续增长，Optimus机器人的训练需求预计至少是汽车的10倍。即便如此，系统仍会在遇到未覆盖的长尾场景（如突然出现的动物、非标准交通设施）时表现异常。

Tesla’s 50,000 GPU Cortex supercomputer went live in Q4 2024

https://www.datacenterdynamics.com/en/news/teslas-50000-gpu-cortex-supercomputer-went-live-in-q4-2024/

Tesla Dojo: The rise and fall of Elon Musk’s AI supercomputer

https://techcrunch.com/2025/09/02/tesla-dojo-the-rise-and-fall-of-elon-musks-ai-supercomputer/

端到端大模型进入普及期，自动驾驶能否迎来终局？

魏文，公众号：第一财经陆家嘴端到端大模型进入普及期，自动驾驶能否迎来终局？

争议3：L4路线彻底分化

• 端到端激进派：特斯拉、小鹏、理想、蔚来等，目标是通过端到端+世界模型直接跨越到L4。小鹏在2025年推出720亿参数世界基座模型，G7首发VLA-OL全端侧模型，宣称端到端大模型已实现高频迭代，完全基于数据闭环。

19.58万元起售，跨时代的AI汽车小鹏G7正式上市

公众号：老司机汽车19.58万元起售，跨时代的AI汽车小鹏G7正式上市

• L4保守派：Waymo、Cruise、百度Apollo（部分Robotaxi）坚持模块化可验证架构，认为端到端短期内无法提供L4所需的安全保证。前图森创始人侯晓迪在2024年曾多次表示"端到端是一种技术的意识形态化"，"通过L2的路径永远无法实现L4"，认为以特斯拉为首的大部分L2公司缺乏L4所需的安全冗余。

前图森未来创始人侯晓迪揭秘端到端“骗局”

圆周智行，公众号：圆周智行前图森未来创始人侯晓迪揭秘端到端“骗局”

• 中间路线：华为ADS 5.0、理想MindVLA-o1采用"快慢系统"，用端到端处理常规驾驶，同时用规则或世界模型进行长时规划与安全兜底，试图在灵活性与可解释性间取得平衡。理想汽车创始人李想强调:"端到端+VLM"体系只能解决L3，而非所有端到端架构。他提出的L4三条件是：500万辆以上车队、自主掌握VLA基础模型、充足资金和算力。

理想汽车发布下一代自动驾驶基础模型MindVLA-o1

理想汽车，公众号：理想汽车理想汽车发布下一代自动驾驶基础模型MindVLA-o1

李想：端到端只能解决L3 解决不了L4

https://weixin.qq.com/sph/AdgCTVwXZO

五、深度扩展：从模仿学习到世界模型的内在挑战

1.模仿学习的“因果混淆”陷阱

2.世界模型：驾驶的“内化模拟器”

3.安全层：端到端上路的最后防线

无论神经网络多强大，总需要一个确定性的安全监控层。该层通过传统方法（如雷达/激光雷达障碍物聚类、规则校验）实时校核网络输出，一旦识别出碰撞风险，立即触发紧急制动或保守轨迹。这相当于给黑盒套上一个白盒笼子。2025年以后的主流端到端方案，无一例外都内建了这类功能安全模块。

六、端到端的“中国化”路径：百模大战与数据闭环

1. 模块化端到端先行，逐步迈向统一

华为 ADS4 - ADS5

Jethro，公众号：小白楼实验室算法篇：从BEV+Transformer到端到端大模型

从ADS 4到ADS 5，华为智驾系统有哪些升级？

陈云培，公众号：智驾最前沿从ADS 4到ADS 5，华为智驾系统有哪些升级？

小鹏端到端智驾落地，XNGP迎史诗级更新：L3级自动驾驶来到临界点

https://chejiahao.autohome.com.cn/info/16146989

2. 多模态与激光雷达的长期保留

3. 国产世界模型与VLA

理想在2025年将空间理解、语言理解与行动决策统一到VLA司机大模型框架，月使用率达80%。2026年3月，在NVIDIA GTC 2026发布MindVLA-o1，通过3D空间理解、多模态思考、统一行为生成、闭环强化学习和软硬件协同设计五大技术创新，构建面向物理世界的通用智能体。

理想汽车发布下一代自动驾驶基础模型MindVLA-o1

理想汽车，公众号：理想汽车理想汽车发布下一代自动驾驶基础模型MindVLA-o1

蔚来于2026年1月推送NWM 2.0世界模型新版本，首装46万辆Banyan车型，首创"世界模型+闭环强化学习"架构，实现城区/高速领航、智能泊车、主动安全全面提升”。

踏实用、放心开，「蔚来世界模型 NWM」全新版本正式推送

蔚来，公众号：蔚来踏实用、放心开，「蔚来世界模型 NWM」全新版本正式推送

4. 数据与算力的“军备竞赛”

• 华为：截止2025年底的数据，乾崑智驾已链接14家车企、覆盖33款量产车型、累计智驾行驶里程58.1亿公里，辅助驾驶活跃用户占比达95.2%。在35万元以上的豪华新能源市场，华为乾崑的市占率已达53%。

华为智驾技术演进史：从ADS 1.0到5.0的跃迁

https://www.leiphone.com/category/transportation/AsDfGhJk5LpQw3ErT.html

• 小鹏：2025年云端算力目标达10 EFLOPS，720亿参数世界基座模型验证成功，VLA-OL实现全端侧运行。

• 理想：MindVLA-o1发布，构建MindData数据引擎、MindSim世界模型与RL Infra强化学习基础设施的完整AI框架。
• 特斯拉：真实驾驶数据里程累计达数十亿至84亿英里，云端算力基于5万块H100构建Cortex集群持续增长，FSD v14.3.3已推送，无监督Robotaxi在奥斯汀全都会区运营。

结语：

从30万行到2000行，代码的消失不是复杂度的消失，而是复杂度的转移：从人类工程师的显式逻辑，转移到数据和算力构成的隐式模型。2026年的今天，端到端已经证明它可以让辅助驾驶拥有前所未有的丝滑和拟人性，但从L2到L4的最后一步，不是单靠扩大网络能够跨过的。安全验证、因果推理、人机交互、法规体系，每一项都需要技术之外的协同进化。