如何评价车企端到端能力？
引言：为何关注智能驾驶端到端大模型进展？
端到端大模型是实现高阶智能驾驶功能的主要路径。端到端神经网络可以充分简化运算步骤，减少人工特征工程的需要，并识别出数据中关联性，充分提升计算效率。受益于有效行为轨迹数据规模提升，智能驾驶端到端大模型有望成为高阶智能驾驶解决方案。2023 年开始，模块化的端到端规划模式加速，逐步成为代表智能驾驶实现高阶功能迭代的主要方向。
➢ 如何评价车企智能驾驶端到端大模型能力？
参考大模型的发展，端到端智能驾驶大模型具备涌现效应。我们认为，评价模型主要参数指标为车端轨迹数据规模、训练数据能力、软件开发能力。
（1）车端轨迹数据规模：具备集中式域架构和车端具备较大算力的车型累计销量及累计里程；（2）训练模型能力，主要包括智算中心算力、云端训练能力和数据存储能力，训练算力成为运算速度的关键，云架构优化算力编排，数据存储能力决定可训练车端轨迹数据规模；（3）软件开发能力，各家代码并不开源，无法直观评价各家智能驾驶模型。我们集中在车端轨迹数据规模和训练数据能力两个维度，使用研发费用替代软件开发能力。
➢ 当下车企智能驾驶端到端大模型进展如何？
我们从整车端和训练端两个维度进行当下时点各车企对车企智能驾驶端到端大模型进展进行分析。车端主要关注架构和车型销量，（1）E/E 架构：特斯拉和新势力领先，自主品牌加速跟进；（2）域控制器式架构后车型销量与里程积累正相关，理想销量领先，华为、小鹏快速跟进，自主品牌后续有望加速。训练端主要关注算力部署和云化水平。（1）算力部署：特斯拉领跑，华为建设加速，国内车企与互联网厂商建立合作加速算力部署；（2）云计算能力：华为云、阿里云、腾讯云、百度智能云加速整合份额提升。
➢ 当下格局：特斯拉领跑，国内品牌加速
当下格局来看，特斯拉凭借算力和数据规模优势有望持续领跑，国内华为、理想研发支出较高、数据规模较大从而追赶速度较快，蔚来、小鹏或受到数据量等方面的影响降低迭代效率。其他自主品牌中，由于具备集中式 E/E架构车型较少，可实现数据积累车型数量短期内不足且算力处于建设阶段。
