#地平线#
【端到端正在替代规则库——算法范式的最大变量】

传统智驾的算法架构是"模块化"的——感知层识别车辆行人、决策层判断该不该刹车、规划层计算最优路径、控制层执行转向和油门，四个模块各干各的，中间靠规则库串联。这套架构在过去十年撑起了L2级辅助驾驶的落地，但它的天花板也很明显：规则是人写的，写不完所有场景。

端到端（End-to-End）是另一种思路：一个大模型直接从传感器输入到方向盘输出，中间不拆模块——像人一样"看到就开"。特斯拉是这条路线最激进的推动者。数据最能说明问题。

截至2026年5月初，特斯拉FSD（全自动驾驶）累计行驶里程达到100亿英里，日均里程为2,670万英里，相比4月的1,850万英里/日增长了44%。100亿英里是什么概念？地球到太阳往返1000次。这不是PPT数据，是真实世界在喂养算法。

小鹏走了一条不同的路。2026年5月18日，小鹏首款基于量产车型的Robotaxi下线并开启广州路测。更值得关注的是小鹏的战略选择：跳过L3，直接瞄准L4。高盛的研报明确指出，小鹏认为"L3缺乏清晰的商业模式逻辑，且事故责任归属等法律问题尚未解决"。这个判断非常务实——做工程的最怕的不是技术难，而是责任边界模糊。小鹏的技术底座是VLA2.0（Vision-Language-Action，视觉-语言-动作）基础模型，进入新城市运营Robotaxi无需重新预训练基础模型，仅需基于该城市新能源车队收集的数据进行针对性的边缘案例训练和模型后训练，边际成本极低。

硬件侧也在同步升级。2026年3月，乘用车前视摄像头中800万像素占比达50.6%，同比大幅提升27个百分点；激光雷达渗透率提升至16.0%，同比增加10个百分点。感知层的数据质量在飞速提升，为端到端算法提供了更丰富的"燃料"

城市NOA市场的竞争焦点已从"功能可用性"转向"驾驶体验质量"，系统不仅需感知和规划，更需理解驾驶员意图、进行类人化交互，并在多变环境下保持一致性。这句话的潜台词是：端到端算法的终极目标不是"能开"，而是"开得像人"

【算法在进化，但光有好算法还不够——谁来为算法的失误买单？】

BYD给出了一个出人意料的答案。

确定性排序：安全承诺 > 混合网络 > 端到端——以及一个最大的悬念三个核心变量排个序：

第一，安全承诺模式——确定性最高。 BYD已经在做了。315万辆车、2亿公里日数据、1年期安全兜底——这不是概念，是已经落地的商业行为。BYD将竞争维度从参数切换到责任，这是"长期催化剂"。安全承诺的本质是用规模换信任，而BYD的规模是当前全球最大的。

第二，出行平台混合网络——结构性优势明确。 利用率衰减数据（85%→35%）从数学上证明了纯Robotaxi车队的经济性瓶颈。出行平台的"20%固定+80%弹性"供给结构，是解决潮汐需求的最优解。中国出行平台的防御性比美国更强——因为中国网约车定价已接近私家车TCO，价格颠覆的空间有限，运营效率才是关键。

第三，端到端算法——技术路线对了，但仍在验证中。 特斯拉100亿英里、小鹏VLA2.0——端到端的方向没有争议，但泛化能力（长尾场景、极端天气、跨城市适应性）还需要更多数据验证。小鹏进入新城市"仅需边缘案例训练"，但实际部署成本和周期可能被低估。

http://t.cn/AXo28kfw