notícias

autor｜hua wei

espera-se que em menos de meio ano,tesla o fsd entrará oficialmente na china. em 5 de setembro, a tesla anunciou que o fsd será lançado na china e na europa no primeiro trimestre de 2025.

não muito tempo atrás, a versão ponta a ponta do tesla fsd v12 recebeu muitos elogios da indústria e de fora da indústria após seu lançamento. mesmo aqueles que “discutiram” abertamente com tesla muitas vezesmotores xpengo presidente he xiaopeng também escreveu que a direção autônoma da tesla “tem um desempenho extremamente bom” e disse com entusiasmo que “2025 será o momento chatgpt para a direção totalmente autônoma!”

os grandes modelos representados pela gpt estão a afectar profundamente o modelo de investigação e desenvolvimento do programa no domínio da condução autónoma com a sua velocidade de inovação e arquitectura técnica sem precedentes, e a indústria global está a responder rapidamente a esta mania. a julgar pelo foco atual das montadoras nacionais, de ponta a ponta também se tornou a rota da tecnologia de direção autônoma da próxima geração.

empresas de condução autônoma de automóveis de passageiros, como huawei, xpeng, pony.ai, momenta, jiji technology e horizon, estão seguindo ativamente o exemplo e lançaram soluções e modelos de condução autônoma de ponta a ponta para produção em massa. em termos de veículos comerciais, a zero one automobile também anunciou um plano de tempo claro para o lançamento do modelo grande ponta a ponta no veículo.carro idealo fundador e ceo li xiang também afirmou publicamente que a li auto alcançará a direção autônoma l4 dentro de três anos, contando com modelos globais e de ponta a ponta.

até o mercado de condução autônoma l4, que já havia sofrido uma “onda de frio”, se recuperou com a chegada da tecnologia de ponta a ponta. a wayve, que contou com esse conceito técnico para obter financiamento de us$ 1 bilhão, é um ótimo exemplo. liu yudong, gerente de investimentos da chentao capital, disse: “de ponta a ponta abre a segunda curva de crescimento para a comercialização l4”.

a tesla, que deu um salto nas capacidades fsd com capacidades ponta a ponta, também anunciou que lançará o modelo robotaxi em 10 de outubro. he xiaopeng também revelou publicamente que a xpeng motors lançará o robotaxi em 2026. no entanto, as recentes acções e expectativas das empresas automóveis e dos fabricantes de condução autónoma para alcançar a produção em massa de l4 através de soluções ponta-a-ponta fizeram com que muitos profissionais da condução autónoma questionassem: será que o ponto-a-ponto tem sido excessivamente "mitificado"?

por que de ponta a ponta se torna a "classe superior" no círculo de condução inteligente?

o ponta a ponta não surgiu apenas nos últimos dois anos. já em 2017, muitas empresas estavam explorando a possibilidade dessa rota técnica. este ano, "ponta a ponta" tornou-se popular no círculo de direção autônoma e é considerada uma tecnologia matadora na indústria. além das inovações trazidas por grandes modelos de linguagem como o chatgpt, também é inseparável da sua própria ". charme".

"o nascimento do modelo ponta a ponta é a única maneira de a tecnologia de direção autônoma levar à comercialização em larga escala." lou tiancheng, cofundador e diretor de tecnologia da pony.ai, disse que essa é uma das maiores vantagens. do modelo ponta a ponta é que ele pode a generalização pode aumentar a velocidade de comercialização da direção autônoma e acelerar a popularização da direção autônoma.

de acordo com wang panqu, chefe de direção inteligente da zero one automobile, os sistemas tradicionais de direção autônoma não ponta a ponta não só têm generalização mais pobre do que ponta a ponta, mas também quando se expandem para novos cenários, muitas regras usadas anteriormente soluções baseadas em se falhar, o código recém-adicionado piorará a capacidade de manutenção do sistema, o que levará a um aumento nos custos marginais.

além disso, os sistemas tradicionais de condução autônoma também apresentam duas desvantagens. a primeira é a complexidade da arquitetura. não só o custo de desenvolvimento de um sistema multimódulo é mais alto, porque cada módulo recebe menos recursos computacionais, seu limite superior de desempenho também é relativamente baixo e a comunicação entre os módulos também trará muitos. problemas de engenharia. o segundo é o problema de alto custo causado pela arquitetura complexa. cada módulo requer desenvolvimento, manutenção, gerenciamento de projetos e integração. esta é também a razão pela qual o tamanho da equipe das empresas tradicionais de direção autônoma é muito grande.

“na minha opinião, ponta a ponta pode resolver esses problemas muito bem.” wang panqu disse que do ponto de vista arquitetônico, ponta a ponta tem apenas um módulo, que pode resolver bem problemas arquitetônicos complexos e também tem o capacidade de reduzir custos e aumentar a eficiência vantagens. a generalização ponta a ponta impulsionada por dados e até mesmo conhecimento é muito forte e provavelmente será rapidamente implementada na produção em massa. ela pode não apenas reduzir o custo de adaptação do l2 a vários modelos, mas também ajudar o l4 a reduzir o tempo de adaptação. para diferentes cenários.

além disso, lou tiancheng destacou que o maior benefício do ponta a ponta é evitar a perda de informações entre diferentes módulos e funções. mao jiming, vice-presidente de engenharia da jiji technology, também falou sobre esse aspecto e explicou que a transmissão eficaz de informações entre módulos envolve a questão da transmissão eficaz de informações. as interfaces dos módulos upstream e downstream definem o limite superior da transmissão de informações. mas não importa quão sofisticado seja o design da interface, haverá perda de informações. a solução de módulo unificado ponta a ponta não sofre com essa perda de informações, o que ajuda a melhorar o efeito final do algoritmo.

ao mesmo tempo, mao jiming também falou sobre outras vantagens da arquitetura ponta a ponta. primeiro, em termos de erros de módulo, uma vez que ponta a ponta está sob um módulo, não há efeito de amplificação de erro de vários módulos, e o limite superior das capacidades gerais do algoritmo de condução inteligente pode ser maximizado. em segundo lugar, na arquitectura multimódulo, cada módulo tem o seu próprio ritmo de i&d e objectivos de optimização, que nem sempre podem ser estritamente alinhados com os objectivos globais de optimização de todo o sistema de condução inteligente, resultando numa optimização potencialmente ineficaz e desperdício de investimento em recursos de i&d; enquanto o terminal a arquitetura ponta a ponta possui apenas um módulo, e os objetivos de otimização são claros e unificados, o que pode efetivamente evitar esse processo de otimização de atrito interno.

outro ponto é que os componentes da arquitetura modular formam naturalmente vários "domínios" orientados por regras, o que traz uma série de desafios de manutenção e dilemas de resolução de casos extremos, como uma arquitetura típica totalmente orientada por dados; irá estimular os desenvolvedores a serem mais proativos e começarem a considerar e resolver problemas a partir de um paradigma de pensamento baseado em dados e modelo, melhorando o nível cognitivo de toda a equipe de algoritmos.

"no geral, a eficiência de desenvolvimento do sistema ponta a ponta é maior e o consumo de recursos é menor." liu yudong disse que o paradigma de desenvolvimento ponta a ponta puramente baseado em dados reduzirá muito o investimento original em pesados. recursos de engenharia e mudança do foco de recursos da empresa mudança para alta densidade de talentos em aspectos orientados a dados e investimento na acumulação de dados.

vale ressaltar que o valor para o usuário trazido pelo ponta a ponta também tem chamado muita atenção. liu yudong destacou que, em primeiro lugar, em termos de processamento de cenários de cauda longa, o sistema ponta a ponta pode cobrir cenários mais extremos do que o sistema original, como capacidades de processamento de bom senso. em segundo lugar, o comportamento do sistema de condução autónomo é mais antropomórfico e também pode construir uma confiança mais forte entre os consumidores e o sistema de ponta a ponta, é mais como um condutor humano num cenário com forte jogabilidade.

o limite superior é alto e o limite inferior é baixo. já é o “fim” da condução autónoma?

embora as vantagens técnicas ponta a ponta sejam significativas, e muitas empresas automobilísticas e empresas de condução autônoma estejam acompanhando ativamente as aplicações ponta a ponta, ainda existem opiniões divergentes na indústria sobre o chamado "modelo final ."

firmes como wang panqu disseram: "acredito que de ponta a ponta deve ser a forma final de realizar a direção autônoma, mas de ponta a ponta é apenas uma estrutura técnica, mas na verdade existem muitas opções para métodos de implementação específicos, e a indústria ainda não chegou a um consenso."

racionalistas como mao jiming apontaram que a solução ponta a ponta tem as características de "limite superior alto, mas limite inferior baixo". em termos gerais, se for bem feito, podem ser alcançados bons resultados, mas se for mal feito, será pior do que as soluções tradicionais. na opinião de mao jiming, a escolha de uma solução ponta a ponta depende do cenário específico da aplicação. para a condução autônoma l5, ponta a ponta é a única solução, mas para l2 e l3, ponta a ponta é apenas uma das soluções viáveis; além disso, a aplicação ponta a ponta precisa ser combinada com outras soluções técnicas.

"de ponta a ponta fornece um bom caminho técnico para a popularização rápida e em grande escala da direção autônoma. resta verificar se esse é o fim do jogo com o tempo. lou tiancheng também tem uma visão semelhante, acreditando que tanto l2 quanto l4." a condução autônoma já está sendo realizada, mas a qualidade e o escopo da implementação têm requisitos e padrões de tecnologia diferentes.

para a condução autônoma de nível l2, a tecnologia ponta a ponta é atualmente o melhor caminho; para a direção autônoma de nível l4, ponta a ponta pode ajudá-la a abrir rapidamente novas áreas. porém, o l4 possui requisitos de segurança mais elevados, que devem ser mais de 10 vezes maiores que os dos motoristas humanos. portanto, além de usar ponta a ponta, também é necessário incorporar instruções de alto determinismo baseadas nas intenções de direção e nos cenários de aplicação. como regulamentos de trânsito, preferências de condução, etc.

liu yudong deu uma conclusão mais cautelosa: "atualmente, de ponta a ponta é o fim previsível da direção autônoma no futuro, mas existem várias possibilidades para a evolução tecnológica a longo prazo. assim como fizemos há três anos inesperadamente, um tecnologias como o chatgpt surgirão, e uma nova arquitetura técnica poderá surgir em dois ou três anos para subverter o atual chatgpt.”

100% de ponta a ponta ainda não apareceu, qual é a "melhor prática"?

embora ainda não esteja claro se de ponta a ponta é a solução final para a condução autónoma, a sua aplicação prática tornou-se claramente uma solução consensual na indústria da condução inteligente. no entanto, ainda existem muitas controvérsias na indústria em relação à escolha do caminho da tecnologia de condução autônoma de ponta a ponta.

atualmente, a zero one automotive está avançando ao longo da rota de ponta a ponta com base em modelos multimodais de grande linguagem. não só alcançou resultados em alguns conjuntos de dados públicos, mas também na condução autônoma realizada pelo laboratório de inteligência artificial de xangai. em conjunto com a cvpr e outras empresas este ano, no desafio internacional, com a sua solução de condução autónoma puramente visual, alcançou o segundo lugar entre 143 equipas internacionais na pista de condução autónoma de ponta a ponta.

wang panqu acredita que a modularidade de ponta a ponta equivale a um estágio inicial de exploração e pode ser implementada mais rapidamente. atualmente, a academia e a indústria também possuem soluções relativamente maduras. a adopção de uma rota técnica ponta-a-ponta baseada em grandes modelos multimodais tem o potencial de transformar a condução autónoma num negócio rentável, e apenas um modelo base com forte generalização pode trazer a injecção e integração de conhecimento necessária no domínio da condução autônoma.

simplificando, a forte generalização de grandes modelos trará vantagens de desempenho para todo o sistema ponta a ponta e também tornará possível alcançar no futuro uma condução autônoma lucrativa de alta qualidade na produção em massa em grande escala. além disso, no futuro, estas duas rotas técnicas ponta a ponta baseadas em grandes modelos multimodais e modelos mundiais podem ser reutilizadas entre si.

liu yudong disse que, em princípio, um modelo está mais próximo da forma de agi em outras áreas, enquanto o modelo mundial é atualmente principalmente uma ferramenta para geração de dados, e levará mais tempo para ver se pode ser usado como um sistema de direção autônomo. . nos próximos dois anos, existem dois tipos principais de soluções ponta a ponta: uma é modular ponta a ponta, o representante típico é o uniad do laboratório de inteligência artificial de xangai e o outro é baseado em grandes modelos multimodais; . modelo de ponta a ponta, como o lingo-2 da wayve e o recentemente lançado drivevlm da lili.

quanto ao modelo mundial, mao jiming tinha uma visão diferente. ele acredita que o modelo mundial é uma solução razoável de ponta a ponta. baseado no modelo mundial, o algoritmo de direção inteligente tem a capacidade de compreender o cenário e fazer previsões razoáveis ​​​​sobre o futuro, e tomar decisões com base nessas informações. esta é uma solução mais alinhada com a lógica do pensamento humano.

zhu zheng, cofundador e cientista-chefe da jiji technology, acrescentou ainda que o treinamento de um modelo consome muito tempo e recursos e tem requisitos muito elevados para a escala e a qualidade dos dados. o método ponta a ponta usa recursos de previsão de modelo para tomar decisões de percepção de cena e comportamento de direção, o que é mais consistente com comportamentos e hábitos de direção humanos. de acordo com sua introdução, jiji atualmente possui um sistema de protótipo básico completo baseado no modelo mundial e está verificando-o em conjunto com um fabricante de automóveis, e alguns progressos serão divulgados em breve.

em agosto do ano passado, pony.ai unificou os três módulos tradicionais de percepção, previsão e controle em um modelo de direção autônoma de ponta a ponta. agora foi instalado simultaneamente em táxis autônomos l4 e carros de passageiros com direção assistida l2. . de acordo com lou tiancheng, tanto o modelo modular ponta a ponta quanto o modelo único estão atualmente nos estágios iniciais e ainda não foram verificados para produção e entrega em massa. espera-se que nos próximos 1 a 2 anos, a rota técnica de ponta a ponta passe do desacordo ao consenso.

"no longo prazo, o modelo de ponta a ponta eventualmente assumirá a forma de um modelo." mao jiming disse que, no status atual, o "dois estágios" de ponta a ponta adotado pela huawei. , xiaopeng e outras empresas ainda são uma implementação semi-ponta a ponta, ou em um estado de transição ponta a ponta, em vez de um estado completo.

não faz muito tempo,extremoo ceo automotivo, xia yiping, também disse publicamente: "ninguém no mercado é realmente de ponta a ponta, todos são truques de marketing". entende-se que a atual solução de direção inteligente de ponta a ponta da jiyue também usa "dois estágios". “arquitetura técnica.

o atributo "caixa preta" é um mal-entendido e pode ser semelhante a uma caixa cinza ou a uma caixa branca

uma série de vantagens da solução ponta a ponta decorrem de sua arquitetura que integra múltiplos módulos, mas esse design também torna o sistema mais próximo de uma "caixa preta" do que da "caixa branca" original compreensível, portanto, tem mais "inexplicabilidade ".

lou tiancheng acredita que a inexplicabilidade é uma falha natural do sistema ponta a ponta, mas se isso limitará o desenvolvimento da tecnologia de direção autônoma ponta a ponta depende da situação. para l2, a não interpretabilidade não afeta as aplicações ponta a ponta. por exemplo, a modularidade ponta a ponta ainda mantém cada módulo funcional principal e os recursos de saída intermediários podem ser posteriormente extraídos em dados interpretáveis.

para l4, os seus requisitos de segurança e certeza são muito mais elevados do que os de l2. portanto, é necessário incorporar instruções regulares ao modelo, como regulamentos de trânsito, preferências de direção, etc., para ajudar o modelo de direção autônoma de ponta a ponta a compreender melhor as intenções de direção. ao mesmo tempo, as capacidades do modelo também precisam ser atualizadas para transmitir as intenções motrizes ao mundo exterior, a fim de melhorar ainda mais a interpretabilidade.

na opinião de zhu zheng, embora ponta a ponta seja de fato uma caixa preta do nível do produto e da forma final de p&d, da perspectiva dos engenheiros e designers de produto, incluindo usuários, ponta a ponta pode ser semelhante à caixa cinza. caixa ou caixa branca.

primeiro, a junta modular ponta a ponta distingue detalhadamente os três módulos de percepção, previsão e planejamento. qualquer resultado de planejamento pode ser associado a um módulo intermediário anterior. em segundo lugar, um modelo pode produzir resultados intermediários modularizados. marcar os resultados para supervisão intermediária pode fazer com que um modelo convirja melhor, e os resultados intermediários modelados também podem ser mostrados aos engenheiros ou usuários. terceiro, o mais importante sobre um modelo mundial é a sua capacidade preditiva, e os seus resultados de previsão também podem ser associados a resultados intermédios padronizados.

mao jiming disse que a atual declaração de "caixa preta" de ponta a ponta é um mal-entendido dos detalhes de inferência de treinamento de todo o modelo. enquanto a cognição de p&d for apresentada de uma forma que possa ser explicada externamente, ela não será mais uma caixa preta.

wang panqu também acredita que a proposta da inexplicabilidade reflete a confiança do público na tecnologia, ou seja, se o desempenho da própria tecnologia atinge um padrão aceitável para todos. com o desenvolvimento do design de algoritmos baseado em dados, da segurança de grandes modelos e de outras tecnologias relacionadas, haverá um grande salto no desempenho e na confiabilidade de ponta a ponta nos próximos um a dois anos. através de testes de desempenho em larga escala e verificação completa, a sua interpretabilidade deixará de ser uma questão crítica.

o “pico” da integração ponta a ponta está chegando e os veículos comerciais serão lançados mais rapidamente

"o lançamento em larga escala do modular de ponta a ponta ocorreu no ano passado, e de ponta a ponta baseado em grandes modelos de linguagem levará mais 1 a 2 anos." wang panqu apontou que a condução autônoma l4 de veículos comerciais. os veículos devem ser mais rápidos do que a implementação de automóveis de passageiros. a razão é que os sistemas de condução autónomos de alta qualidade que podem ser produzidos em massa em grandes quantidades são muito difíceis de implementar em cenários de veículos comerciais são mais simples do que os automóveis de passageiros. cenário é fácil de fechar comercialmente o loop e também é conveniente fazer cena assintótica.

liu yudong está mais otimista, acreditando que no próximo ano a modularidade de ponta a ponta e um modelo de ponta a ponta começarão a ser impulsionados com mais intensidade. além disso, liu yudong disse que da perspectiva do grau radical de desenvolvimento tecnológico e coleta de talentos, da velocidade da iteração tecnológica e da dificuldade de aplicação tecnológica, o tempo real de implementação de veículos comerciais e de passageiros de ponta a ponta pode ser semelhante , mas o escopo de implementação dos veículos de passageiros será maior do que os veículos comerciais, e os veículos comerciais se desenvolverão lentamente nas fases posteriores.

“esses obstáculos devem ser superados antes da produção em massa ponta a ponta. o primeiro é a preparação do poder de computação do veículo, o segundo é a iteração do algoritmo ponta a ponta, o terceiro é a escala dos dados em nuvem. o quarto é a escala do poder computacional e o terceiro é a iteração do algoritmo ponta a ponta. o quinto é o plano de verificação”, disse mao jiming.

em sua opinião, a tesla e os principais oems e empresas nacionais como wei xiaoli e huawei já estão equipados com todos os três aspectos de poder de computação veicular, escala de dados em nuvem e escala de poder de computação em nuvem. do final deste ano até o primeiro semestre do próximo ano, os algoritmos ponta a ponta de várias empresas automotivas líderes poderão ser lançados em larga escala a partir do segundo semestre do próximo ano, a indústria dará início; em uma explosão de produção e lançamento em massa de ponta a ponta.

ir de ponta a ponta significa “recomeçar”?

o desenvolvimento e a adoção de sistemas ponta a ponta trarão, sem dúvida, uma revolução tecnológica à solução geral de condução inteligente. então, precisamos derrubar a tecnologia anterior para entrar no mercado ponta a ponta?

liu yudong acredita que a tecnologia original de direção autônoma não será completamente subvertida e compartilhará certos algoritmos e acúmulo de software com ela de ponta a ponta.

a primeira é a parte de percepção. muitas partes de processamento de informações da câmera frontal de ponta a ponta agora usam métodos bev, como backbone ou codificador. a segunda é a parte de regulação e controle. parte do conhecimento original em regulação e controle pode ser migrado para o sistema de ponta a ponta. a terceira é a infraestrutura de dados. esta é uma capacidade importante que as empresas necessitarão para operações ponta a ponta no futuro. as empresas que podem implementar soluções bev também possuem uma infraestrutura de dados relativamente forte.

na opinião de mao jiming, a possibilidade de ser anulada depende de qual foi a solução técnica anterior. ele disse que o núcleo ponta a ponta é um grande modelo multimodal baseado em dados. se a solução técnica anterior de uma determinada empresa de direção inteligente tiver muitas regras, então essas regras serão basicamente anuladas se a solução técnica anterior já tiver sido implementada; a maior parte foi alterada para orientada por modelo, portanto, há uma grande probabilidade de que esta parte do código possa ser reutilizada de alguma forma.

é preciso enfatizar que as mudanças no modelo de p&d provocadas pelo algoritmo ponta a ponta são o foco de todos os oem e empresas de direção autônoma, e também é o lugar mais doloroso.

wang panqu também disse que, além do final do modelo, mais trabalho de dados precisa ser feito de ponta a ponta: primeiro, o sistema de circuito fechado de dados e sua eficiência de iteração precisam ser reconstruídos e, em segundo lugar, de ponta a ponta. teste e verificação, sensores de toda a plataforma de simulação a entrada deve ser muito realista, o que é uma questão técnica muito desafiadora no momento. no entanto, em termos de custos laborais, o custo global do sistema de condução inteligente ponta a ponta é inferior ao do sistema não ponta a ponta, porque existem apenas alguns módulos no sistema ponta a ponta, e a equipe principal de 20 a 30 engenheiros deve ser suficiente.

além disso, mao jiming destacou que da arquitetura modular tradicional ao modelo ponta a ponta, a estrutura de custos das soluções de direção inteligente também mudará: os custos trabalhistas de um grande número de especialistas em p&d que escrevem várias regras migrarão para o aspecto dos dados. isto é bom para os oems com capacidade de produção em massa. devido ao menor custo de aquisição de dados, o custo geral das soluções de condução inteligentes diminuirá ainda mais significativamente.

em termos de investimento em poder computacional, lou tiancheng disse que, no curto prazo, a compra de grandes chips de poder computacional aumentará de fato os custos atuais. mas, a longo prazo, quando a tecnologia ponta a ponta estiver madura e aplicada, o custo do investimento inicial será gradualmente diluído.

o investimento puro em poder de computação de ponta a ponta é menor do que o da arquitetura modular, que é de pelo menos 100 a 200 milhões por ano.

“se você deseja que o modelo ponta a ponta atinja um nível de treinamento relativamente bom, você precisará de pelo menos 100 milhões a 200 milhões em investimento em poder de computação por ano, e o número de pistas de automóveis de passageiros será definitivamente ainda mais impressionante ."

de acordo com wang panqu, o poder computacional necessário de ponta a ponta é dividido em dois aspectos: treinamento e implantação. a implantação equivale a quantos controladores de domínio precisam ser adquiridos. esse custo é fixo e relativamente baixo, relacionado ao custo de um único veículo. o maior custo é o custo de treinamento, que pode ser dividido em dois tipos: cartões autoconstruídos e adquiridos ou cooperação com provedores de serviços em nuvem. para as montadoras com pedidos relativamente grandes, construir seus próprios data centers é uma opção econômica, mas para os fabricantes de automóveis com pedidos menores ou nos estágios iniciais de pesquisa e desenvolvimento, alugar servidores de provedores de serviços em nuvem é uma escolha melhor;

anteriormente, lang xianpeng, vice-presidente de direção inteligente da li auto, revelou publicamente que a li auto gasta atualmente 1 bilhão de yuans em treinamento de potência computacional todos os anos e espera-se que gaste 1 bilhão de dólares americanos todos os anos no futuro. “se não pudermos gastar 1 bilhão de dólares por ano em treinamento, poderemos ser eliminados na futura competição de direção autônoma.”

em termos de escala de poder computacional, lou tiancheng acredita que se for apenas um simples treinamento de modelo de direção autônoma de ponta a ponta, centenas de gpus com grande poder computacional podem suportá-lo. se for necessário investimento de longo prazo e a qualidade de ponta a ponta for garantida, a escala de poder computacional de treinamento de cada empresa de direção autônoma estará basicamente no nível de milhares de calorias, e as montadoras investirão mais.

mao jiming forneceu requisitos de potência de computação ponta a ponta mais específicos: todo o sistema requer pelo menos dois nvidia orin ou um único nvidia thor. ele disse que os requisitos de potência de computação de um sistema ponta a ponta puro são menores do que os requisitos de potência de computação total de uma arquitetura modular. no entanto, além do sistema principal, a produção em massa de ponta a ponta geralmente possui um sistema de bypass. , e seus requisitos de potência de computação são geralmente os mesmos da arquitetura modular anterior, arquitetonicamente equivalente.

no entanto, wang panqu acredita que, com o aumento das capacidades dos chips de computação veiculares, o poder da computação não se tornará um obstáculo para a integração ponta a ponta no futuro. lou tiancheng mantém a mesma opinião, dizendo que da arquitetura clássica até ponta a ponta, o número total de códigos será significativamente reduzido, e o consumo de recursos de computação trazido pela rede neural ponta a ponta não será necessariamente significativamente melhorado em comparação com o modelo bev.

"o desejo por maior poder de computação vem mais da melhoria dos parâmetros e do desempenho do modelo, e não da transformação ponta a ponta." as empresas relevantes deveriam pensar mais sobre o mais importante é como aproveitar ao máximo os recursos de computação de chips existentes para melhorar a eficiência de utilização.