端到端方案在学界备受热捧，这是一种从传感器输入信息，经统一的深度学习网络处理后输出自动驾驶规划或控制结构的方案，与感知、预测、决策分开的模块化方案相对。目前更多智能驾驶汽车使用的仍是模块化方案，由上层模块输出结果，指导下层模块运行。
“（模块化方案）每个模块间串联的是高度抽象的结果，可能是错误的，下一个预测模块无法进行误差修复，或需大量后处理或判断来恢复误差，效果也不一定很好，同时，每个模块分别需要数据集，标注需求和金钱消耗非常大，分别部署对算力的要求也更高。”上海AI Lab浦驾OpenDriveLab团队青年研究员陈立介绍，端到端则是一个联合优化的产品，整个模型对上游误差相对不敏感。
此外，端到端方案可减少自动驾驶中人为设定的规则，通过一套大模型完成原本多个模块的功能，更大程度发挥大模型效用。昇启科技创始人兼CEO孙琪指出，模块化方案在决策与控制部分目前仍以专家规则为主，通过专家系统进行人工调优，具有泛化能力弱的缺点，而基于神经网络的端到端方案可通过自动化学习替代人工修改规则的方式。
清华大学计算机系教授、人工智能研究院视觉智能研究中心主任邓志东则表示，彻底的端到端是基于原生多模态视觉语言模型的一体化技术路线，端到端知识模型与驱动能进行复杂的逻辑推理与规划，靠近人类思维与行为方式。
虽然端到端方案实际应用中还未展现出匹敌模块化方案的性能，但与人类思维方式接近、能解决模块化方案难以穷尽Corner Case（长尾场景）和驾驶规则的缺点，使多名业界和学界人士认为，端到端可能成为更终极的自动驾驶方案，推动自动驾驶向L3、L4更高级别进化。
特斯拉将是第一家落地端到端方案的车企，国内智能驾驶企业将很快面临的是，随着特斯拉加速进入中国，端到端自动驾驶方案可能带来直接竞争。2021年，特斯拉在上海成立数据中心，特斯拉近期为中国车主的手册更新FSD测试版功能说明，近期特斯拉回应FSD国内落地传闻称，确实在推进。
记者了解到，应对特斯拉的挑战，国内自动驾驶产业链已在部署端到端方案，包括针对端到端模型训练中的仿真测试等。端到端方案的大模型训练需要大量数据支撑，特斯拉在车端筛选边缘场景（数据）供给云端AI模型训练，形成数据闭环，基于特斯拉大量路面行驶的汽车，其在数据获取上有优势，国内自动驾驶厂商也在部署数据闭环。
此外，端到端方案基于BEV（鸟瞰图）+transformer架构，国内厂商也在布局这一架构，包括蔚来、理想、小鹏及多家产业链厂商，并以此推动NOA功能落地。地平线11月公开了智驾芯片征程6系列部分数据，该系列旗舰最高算力560TOPS，地平线芯片产品规划与市场总经理尹凌冰向第一财经等媒体表示，端到端实现自动驾驶的背后，很重要的一部分是transformer先进算法框架，征程6系列在高效支撑transformer方面有深度思考并在算力上进行系统级支撑。
L3加速到来
2023年底，L2驾驶功能逐渐优化，L3加速到来。改变发生得稍显突然，毕竟这一年里，因消费者感知不明显、L3以上技术待突破等原因，L2在相当长一段时间陷入同质化竞争，彼此比拼价格。
德赛西威智能驾驶传感器事业部负责人江伙红能感受到市场变化，他表示，今年由于市场成本压力，车企理性回归，大算力产品受影响，但随着大模型应用，对算力要求进一步提高，也将提升用户体验，高阶智能驾驶已在路上。对消费者而言，对未来新汽车的预期已将高阶智能驾驶放在重要位置。
