问题还在于，算力与数据的制约又会显着影响算法的发展。虽然国内学术界提出的端到端自动驾驶模型UniAD斩获2023年CPVR最佳论文奖，为国内企业提供了可以参考的方向，但是在开环验证体系、小体量样本数据下开发的UniAD，上车还需要一定时间的工程化改造和大规模数据训练。
此外，端到端会同时放大自动驾驶系统的上限与下限。因为端到端构建的是一个神经网络黑箱，在获取更高上限的过程中让渡了一部分传统模块方案具备的可解释性。如何在自动驾驶系统中保留可解释性，将那些不应被逾越的规则，比如别闯红灯，表征到神经网络中去，保证端到端能安全地落地应用、进化，也将是规控工程师们的重要课题。
攀登珠峰有两条路线：一条是中国西藏的北坡，另一条是尼泊尔的南坡。不管选择从南坡还是从北坡攀登，最终都将到达同一个顶峰。这与当前自动驾驶的发展路径有相似之处。虽然现在还很难判定端到端就是自动驾驶的最优解或最终解，但这并不妨碍企业创新探索。毕竟端到端能够比传统模块化方式更好地处理极端案例，并且代表了一种减少人工编码依赖的更高效的思路。基于这个路径，或许自动驾驶能够通往更高阶段。 |
