据报道，近日，蔚来智驾研发部完成架构调整，将感知和规控团队合并为一个大模型团队。此前，蔚来智能驾驶研发部分为感知、规控和集成等部分，这一调整意味着蔚来将更明确地探索用端到端大模型实现高阶智能驾驶。
蔚来智能驾驶研发副总裁任少卿表示，蔚来不再将智能驾驶分解为独立的感知、决策和规控三个阶段，而是将这三个阶段整合为一个完整的端到端系统。即从输入端感知外部环境到输出端产生给油门和刹车等部件的控制指令的全过程，都由深度神经网络完成。
AI大模型在汽车行业的应用场景非常广泛，涵盖了汽车研发、生产、销售、使用等各个环节，包括智能驾驶和智能座舱等方面。
国内AI大模型加速上车，不只是蔚来，其他车企也在积极拥抱AI大模型技术，陆续将大模型技术应用于车辆的智能驾驶场景。
例如，2023年4月，长城汽车控股的毫末智行发布了全球首个自动驾驶生成式大模型DriveGPT 雪湖·海若。并通过引入真实人驾接管数据建立RLHF（人类反馈强化学习）机制，解决自动驾驶的认知决策问题，以生成更贴近人类驾驶逻辑的决策，来提高自动驾驶的安全性和可靠性。
今年1月，吉利汽车发布了全球首个汽车行业全场景大模型——吉利星睿AI大模型。该大模型以星睿智算中心为算力底座，将自研基础大模型与吉利npds研发体系、巨量造车全链路场景数据库深度融合。
在智能驾驶方面，吉利星睿AI大模型拥有多模态大模型、语音大模型和数字孪生大模型3款基础模型，这些模型共同构成了一个全面的智能驾驶技术体系，能够提供从智能交互到智能驾驶的全方位支持。
今年5月，小鹏汽车发布了国内首个量产上车的端到端大模型，包括神经网络XNet、规控大模型XPlanner和大语言模型XBrain。
这些模型通过聚合动态XNet、静态XNet和行业首个量产纯视觉2K占用网络，提升了自动驾驶系统的深度视觉感知能力，并在感知、定位、规划和控制方面实现了全面的端到端处理。
端到端大模型是一种在人工智能领域中应用广泛的技术，特别是在高阶智驾中具有重要意义。
在自动驾驶领域，端到端大模型通过整合相机图像、激光雷达等多种传感器数据，通过一个统一的神经网络模型进行感知、理解、规划和控制。
这种模型能够简化传统自动驾驶系统中复杂的模块化架构，提供更流畅的决策过程，同时减少延迟和提高整体系统的鲁棒性。
端到端大模型还在加速城区NOA等高级驾驶辅助功能的落地方面，展现出了显著的优势。
由于不需要单独优化每一个模块，端到端的训练和调试过程可以大大缩短研发周期，加速产品的上市时间，还能减少中间环节的优化和集成成本，有助于降低总体的研发和生产成本。
此外，大模型训练和运行需要巨大的算力支持，自动驾驶等领域应用的模型，拥有数亿乃至数十亿的参数，训练和运行这些模型对GPU、TPU等加速硬件有极高需求。
尤其在车载应用中，模型需要在有限的时间内完成计算，对算力和算法优化提出更高要求。
因此许多车企也建立了智算中心。
智算中心整合了大量的计算、存储和网络资源，为大模型提供稳定的高性能计算环境。此外，集中处理数据，便于数据清洗、标注、管理和隐私保护，还能减少数据传输带来的安全风险。智算中心提供平台进行模型的快速迭代、测试和优化，还将加速产品上市周期。
例如，吉利星睿智算中心的云端总算力达到81亿亿次每秒，通信网络传输速度达800GB每秒，存储带宽4.5TB每秒。这种高性能的计算能力为自动驾驶模型训练、智能驾驶系统开发等提供了强大的支持。
毫末智行与火山引擎合作建设的智算中心雪湖·绿洲智算中心，旨在加速其自动驾驶技术的迭代和优化，尤其是针对城市复杂环境的自动驾驶功能。
小鹏汽车在乌兰察布建成了“扶摇”智算中心，通过与阿里云的合作，不仅提升了自动驾驶模型的训练速度，还能够处理更复杂的数据集，加快了自动驾驶功能的商业化进程。
蔚来的“蔚来云”智算中心不仅处理日常的自动驾驶数据，还支持车辆远程升级、数据分析和故障预测等功能，增强了蔚来的智能网联汽车服务。
此外，还有比亚迪的“云辇”智算中心、理想汽车智算中心等。
建立自己的智算中心使汽车厂商能够控制自己的AI技术栈，减少对外部供应商的依赖，从而降低技术风险和成本，并且能够更快地适应市场需求和技术变化。
此外还可能促使汽车制造商与芯片制造商、软件开发商和云计算服务商等上下游企业形成更紧密的合作关系，推动整个智能汽车产业生态的成熟。
随着智能网联汽车的发展，拥有自主大模型和智算中心的汽车厂商具有明显的技术优势，也意味着智能汽车行业从单一产品制造向综合解决方案提供商转型。
