智能汽车从辅助驾驶迭代到自动驾驶
技术路线探讨
2025年5月22日
人类对汽车智能化的追求：第一个避撞雷达
智能化的基础：环境感知传感器
2
AI是智能新能源汽车的灵魂
电动汽车只是基础平台，接入AI才是颠峰
特斯拉的完全端到端技术引领了智能驾驶的技术方向
ScalingLaw：200万辆量产车的用户数据闭环、100亿美元建设的Dojo高算力数据处理了AI训练平台
算力优势之下特斯拉的用户数据闭环，实现了用户数据高效利用正循环
特斯拉刮起了“端到端”风
输入摄像头图像输出运动决策
提升了上限：丝滑
“端到端”从用户体验角度是
“丝滑”，与人工准则模型不同，
采用用户数据闭环采集的数据训
练出来的AI模型，驾驶风格更像
一个“老司机”。
丢掉了下限：安全
完全“端到端”模型取消了安全
准则模型，以用户驾驶数据驱动
的AI算法能保住安全底线吗？
5
FSDV12模型20亿英里数据优化后：已标注为Supervised
端到端方案中神经网络是关键，有望实现全局最优解
◆原理：与模块化方案相比，端到端自动驾驶方案将感知、规划、
控制各环节一体化，去除了各模块基于规则的代码，将传感器
收集到的信息直接输入神经网络，经过处理后能够直接输出自
动驾驶指令，使得整个系统端到端可导。
◆优点：能够降低对激光雷达、高精地图、人工的依赖，减少中
间环节的成本；模型上限高，可以得到近似全局最优解。
◆缺点：模型能力起步较慢，解释简单场景不如模块化架构，模
型下限低；中间“黑盒”解释性差模块输出的特征会传递到之
后的模块来辅助下游任务，这样的模型结构实现了端到端可导，
显著提升了模型的可解释性。
6
目前国内环境感知方案，采用多传感器融合是主流形态
多种运动规划模型：AI老司机+本能安全（AI+准则）+紧急安全（准则）
确保安全底线，也能弥补数据和训练的不足
本能安全模型：在交通环境准确识别潜在风险，合理控制安全车速
特斯拉遇到路边
摔倒的老人，紧
急状态下选择了
向左紧急避让，
躲过了老人，但
自己与迎面车辆
碰撞。你怎么看
这起事故：
◆从伦理观点：
“撞人VS撞
车”？撞车，
没毛病。
◆技术派理想主
义者：特斯拉
车速是不是太
高了？
?如果车速
低于