“要么拥抱端到端，要么几年后脱离智驾行业。”

进入智驾行业数年，智驾工程师秦风（假名）原本已经顺应智驾行业猛烈的内卷节奏。但当新手艺“端到端大模子”来暂且，他以为首先被袭击的可能不是人类司机，而是作为工程师的自己。

这种焦虑并非秦风独占。不少智驾工程师告诉36氪，为了学习新手艺，他们在事情加班的间隙看起了行业最新论文、去B站听课，有的甚至从研究生课本最先学起。

“端到端大模子”是今年智能驾驶行业的最 新手艺炸弹。

今年1月，特斯拉面向通俗用户正式推送了 FSD（自动驾驶软件包） v12 的测试版本。该版本接纳了端到端网络方案，不少用户称效果履历，比之前的v11版本要拟人得多。

马斯克曾先容端到端的能力，称之为“图像端输入，控制端输出”。只管多位行业人士向36氪表达，他们不信托特斯拉端到端方案在实操层面云云激进与神乎其技，但端到端依然如蜜般驱使着海内偕行。海内玩家逐渐信托，在大模子、大算力、海量数据的驱动下，AI系统会像人类一样开车。

嗅到新的手艺风潮，海内的车企与头部智驾公司已经付诸行动。华为、蔚小理、比亚迪等头部玩家都投入了团队与资源推进端到端方案；理想与蔚来两家车企，还确立了专门的端到端大模子部门，以更快推进手艺落地。

高端人才的争取也在明暗处涌动。在第 一款车推向市场之际，为追上智驾进度，小米汽车挖来了前图森中国CTO王乃岩加盟。另有智驾行业人士告诉36氪，华为智驾甚至通过相关专利来锚定人才，做定点挖掘。

新方案简直在引燃海内市场。但这枚硬币另一面是，端到端强依赖于数据驱动，而非大量工程师的人力堆叠实现。特斯拉300人左右的团队规模，被当成范本在头部玩家之间流传。

然而行业现实是，当下头部玩家的智驾团队，人才规模险些都是千人级。追赶智驾中的老牌车企比亚迪，有达3000人的软件团队，华为智驾团队人数也不遑多让。行情好的时刻，工程师们普遍能拿到年薪百万的薪资包。

但不少智驾工程师都信托，若是端到端方案效果被进一步验证，车企智驾团队裁员将是也许率事宜。

“200-300人都用不上。”一位前新势力车企智驾主干坚定地对36氪说道。甚至深度学习靠山的应届生，可能都比一些智驾工程师进入端到端项目更有优势。

一些智驾猎头也显著感受到了行业的人才满溢：车企智驾团队不再放出新岗位，职员最先要精简，“许多挂着的HC都是僵尸岗。”在一位猎头的最新动态中，他已经切换赛道，转而替机械人公司招揽人才。

「被堵在门外的工程师」

智驾工程师田炜（假名）告诉36氪，这场新手艺变化中，比起感知模块、展望模块，设计控制模块的工程师受到的袭击会更大。

这主要由于端到端方案与传统智驾方案有显著差异。传统方案分为感知、定位、舆图、展望、设计控制等多个模块，模块功效实现基本由工程师的代码驱动。感知、设计控制两大个部门的职员，往往占智驾团队人数大头。

但端到端方案的特点是，从工程师的代码驱动，酿成了数据驱动。最理想的方式是，给系统输入图像，系统可以直接输出车辆的控制，中央的环节都由AI神经网络来完成。

从海内头部玩家的进度来看，引入端到端方案后，传统方案的多个模块通过AI神经网络刷新，正在被整合成2个大网：感知大模子、展望决议大模子。“当下许多的方案都是在感知大模子的基础之上，接入一个展望设计大模子。”

更进一步的方案，会将感知展望决议设计集于一体，行业称之为“One Model”（一个模子）。

而新的手艺蹊径，也对车企智驾团队有了全新的人才画像。

有智驾人士告诉36氪，端到端团队需要的人数变少，但人才门槛要求变得更高了。大模子自己要求团队有很强的深度学习靠山，“搭建方案阶段，更需要很强的infra（基础架构）人才，对感知、设计控制每个模块都有深刻认知，领会差异芯片算力平台的支持力度、差异AI推理框架等。”

但认真模子搭建与训练人只占很小一部门。“可能团队90%的人都是在为端到端提供数据，以及数据闭环工具链支持等。”

“大模子自己就是一个很精壮的团队。”有智驾人士说道。这也是OpenAI等AI科技公司早期仅有200-300人，但也能推出大语言模子ChatGPT，改变全球AI历程的缘故原由。

起飞前12小时，执飞航司却停飞准备破产了

对工程师而言，端到端手艺带来的袭击也深浅纷歧。

有智驾人士告诉36氪，感知、规控两大模块中，感知大模子原本就依赖深度学习手艺。只管视觉检测蹊径从已往的CNN卷积神经网转向了基于Transformer的BEV，但工程师们的受到的影响并不大。

但对规控工程师而言，若是要加入端到端，险些是重新切换赛道。有智驾人士告诉36氪，传统的规控工程师主要有几个偏向：路径展望、路径优化、规则后处置，以及车辆控制。“都是蛮细分的学科，基本不相关。除了路径展望模块之外，其他偏向的工程师基本没有深度学习靠山。”

智驾工程师田炜告诉36氪，规控的人若是想转端到端，一个偏向是模子训练自己，但需要很强的深度学习靠山。“有可能研究深度学习的应届生，对模子的明白都比你好。”

其次，是数据挖掘和处置，为端到端提供数据养分。“但若是工具链的基建搭建完成，模子也许结构稳固之后，也可能不会再需要人。”最后是模子后处置，端到端大模子输出的轨迹不能信，仍需要一小部门工程师要写规则兜底。

工程师们的焦虑也来于此。“一方面是，端到端大模子自己不需要这么多人。另一方面是，人人都想做端到端，但公司的量产营业需要有人运转。”

一位智驾员工也由于公司当前的量产项目，错过了进入端到端项目组的时机而懊恼。但他也很纠结：即便进入端到端方案中，也是为新的方案兜底，但这不是焦点的大模子自己岗位；

而若是留在现在的量产项目岗位，可以积累一段完整的智驾量产项目履历，未来几年也还能流向传统车企。

但另一种险境也会到来，一旦端到端方案向全行业普及，那么他积累多年的手艺栈在几年后也会晤临镌汰的风险。“可能就要脱离智驾行业。”

「手艺分野、资源游戏」

为了转入端到端项目组，工程师田炜直接从深度学习的研究生课程最先看起。

他找来深度学习的经典课程，以及一张显卡，对着课本上的实战课程，去实现一些简朴的图像识别算法。“至少先把知识点吃透了，才气知道模子自己是怎么运转的。”

看书、实践训练两个月后，田炜才稍微感受自己能看懂一些端到端大模子开源代码。 他已经向公司申请，调入端到端项目组。

事实上，不只田炜焦虑，田炜所在智驾公司比他更焦虑。他告诉36氪，其公司与一家车企互助开发智驾量产方案，但车企内部也有团队在推进端到端，“整个公司就很焦虑，也早就启动了端到端设计。”

田炜示意，据公司领会，只要2000个小时的视频数据，就可以训出来一个端到端demo，而这个量级的数据用50辆车，跑一两个月也能搞定。

但田炜很清晰，以公司现有的资源，最多也只能支持训练出来一个端到端demo，证实方案可行。从demo到量产，中央另有相当大差距。

而这场新手艺的分野游戏，会最 先体现在资源分野上。

特斯拉CEO马斯克就曾强调过数据对端到端的主要性：“用100万个视频case训练，委屈够用；200万个，稍好一些；300万个，就会感应Wow（赞叹）；到了1000万个，就变得难以置信了。”

另一方面是算力资源，马斯克还放肆采购了英伟达的显卡训练，称到年底其人工智能训练算力将是9万张英伟达H100的等效算力。算力的贮备与需求惊人。

这个门槛相当高。对于至今仍然赚钱艰难的智驾公司而言，一方面是不与车企互助，智驾公司的训练数据很难光靠自身采集获得；另一方面，云端的训练芯片在海内一卡难求，不少车企都在高价收购。“量产项目与融资都还不晴朗，很难耐久投入端到端。”

而另一位智驾工程师也感受到了无奈。在开发端到端项目小半年后，他接到了公司的通知，暂停端到端项目。缘故原由是公司要集中精神与资源去开发当前的都会无图智驾方案，“端到端要消耗的资源太多了”。

该工程师感应惋惜的是，他所在团队做的端到端demo已经可以上路了。团队最初照样奔着对标特斯拉的FSD而去，甚至还花了大气力去搭建工具链等基础设施建设。但随着公司端到端战略的暂停，团队的研发重心已经转向了机械人领域。

端到端新手艺未在海内真正落地，但对智驾行业的人才结构重塑、生态名目的袭击都已经最先展现。

只管云云，头部玩家照样会想尽设施挤上这趟具有推翻性意义的快车，而掌握数据资源、芯片资源、人才资源的巨头时代会到来。