0
  • 聊天消息
  • 系统消息
  • 评论与回复
登录后你可以
  • 下载海量资料
  • 学习在线课程
  • 观看技术视频
  • 写文章/发帖/加入社区
会员中心
创作中心

完善资料让更多小伙伴认识你,还能领取20积分哦,立即完善>

3天内不再提示

蔚来端到端模型化架构如何大幅提升安全上限

蔚来 ? 来源:蔚来 ? 2025-08-15 15:35 ? 次阅读
加入交流群
微信小助手二维码

扫码添加小助手

加入工程师交流群

2024年7月,蔚来将行业首个基于端到端模型化架构的「自动紧急制动 AEB」推送上车,蔚来也成为了行业首家使用端到端模型化架构来做主动安全的车企。

2025年8月,时隔一年,蔚来已经完成了模型化架构驱动下的全向、全速域、全场景智能安全辅助系统,而且同时在成熟的Orin-X平台与自研的「神玑 NX9031」平台实现了并行开发。此时,蔚来仍然是行业唯一使用端到端模型化架构来做主动安全的车企。

把端到端用在行车辅助上,这事在今天已经不稀奇。但把端到端用在安全上,一年多来除了蔚来别无分号。

把端到端模型化架构用在安全上究竟有多难?端到端模型化架构究竟能给安全带来多少提升?端到端安全背后的真正价值到底是什么?

看完今天的文章,或许你就能得到这三个问题的答案,同时也能知道为什么做不好安全,就不可能做好辅助驾驶。

端到端,如何大幅提升安全上限?

如果用最简单的话来描述端到端模型化架构对安全提升的价值,那就是功能多、性能强、场景丰富、迭代快速,安全的上限会被大幅提升。

传统手写规则的主动安全,只能应对有限的场景。如果真实发生的场景不在规则覆盖的范围内,就很有可能发生漏触发或者误触发。不管是在你需要紧急制动的时候没反应,还是在你不需要紧急制动的时候突然猛刹一脚,其实都会影响安全。而且,手写规则的进化,对人的依赖极强,一次写入后很难再会有本质的进步。

比如,传统的「自动紧急制动 AEB」在算法上,会对二轮车的90°横穿或者0°垂直行驶进行应对。可如果二轮车是斜向杀入,或是从斜后方窜出,甚至是在转弯过程中,传统的「自动紧急制动 AEB」还能及时响应吗?答案是很难。因为手写规则无法穷举所有的角度、所有的弧度,面对千变万化的真实场景,只能选择保守应对,对不能准确识别的场景不做响应。

而这样的问题,只能依靠端到端模型化架构来解决。端到端模型化架构,可以通过学习大量人类驾驶员的优秀避险经验,让不同场景下制动的时机更加精准,既不会干扰人类驾驶员避险,又能在更多必要的时刻,提供可靠的安全守护。

蔚来率先做到了这件事情。首个量产的端到端AEB,在前向形成了240°环绕的防卫圈,可以处理更多二轮车路口穿行场景,路口性能相比规则时代的AEB提升了5.2倍,对前向障碍物和全角度切入障碍物的事故减损,分别达到了51%和35%。经四大保险公司联合认定,端到端AEB在2024年减少了25.2%的事故安全损失。

有了这样的基础,进入2025年,蔚来模型化架构驱动的智能安全辅助系统持续进化,新增了行业性能最强、覆盖场景最全的「自动紧急避让 AES」,以及行业首发应对追尾事故的「追尾碰撞预防及保护 RCM」,并将「通用障碍物预警及辅助 GOA」也进行了模型化的增强,构建了一整套能预警、能刹停、能避开、能防住的全向、全速域、全场景的智慧避险能力。

而且,在行业里还在卷主动安全触发极速的时候,蔚来已经开始考虑主动安全触发时的用户体感,不断细化主动安全触发的时机与力度,向更精细的场景迭代优化。根据蔚来内部的数据统计,97.5%的事故发生在速度70km/h以下。做好极速固然重要,但在中低速下确保安全,是更有价值的事情。

那么问题来了,既然端到端模型化架构对安全这么有用,为什么在蔚来做了一年多之后,行业里还是没有人跟进呢?这其中可能有开发目标与节奏的关系,但一个不可忽视的原因,是必须要具备车端大算力。

没有算力就没有数据闭环

更没有模型化的主动安全

想要实现端到端的模型化架构,就要有海量的高质量数据投入训练。想要获得海量高质量的数据,就要在海量的车队上布置完善的数据筛选与回流闭环。而想要实现这一闭环,就必须要具备车端大算力。

从2022年的ET7开始,蔚来就在车端部署算力达到1,016TOPS的4×Orin-X平台,其中有一颗Orin负责群体智能,也就是对车端实时产生的全场景数据进行自动筛选与标注,然后回流到云端,供模型进行训练,然后将更新后的模型参数返回车端,以此形成数据功能闭环。而到了「一颗顶四颗」的「神玑 NX9031」平台上,也有专门的模块来负责群体智能。

这就意味着,每一辆拥有群体智能的蔚来车型,都能进行真实路况的数据回流。一辆车每分钟产生数据达到900T,每周可用于群体智能的数据量达到1亿公里。这个数据如果用传统路测车来跑,需要1,000辆车在三班倒的情况下跑1年。而在蔚来,获得同等体量、质量还更高的数据,只需要1周。平均每周,蔚来都可以更新一次模型版本。

举个例子,在蔚来AES功能全量推送前,就已通过群体智能的技术手段在车端全场景下进行了超过3亿公里的运行测试。确保严格满足100万公里误触发小于1次且因误触发导致碰撞概率1亿公里不多于1次的苛刻指标。

而如果没有这么大的算力,那么在运行常规应用程序的情况下,就很难再额外分出算力去运行数据功能闭环的机制。即使勉强挤出算力,也只能对某个模块或者某个链路进行数据功能闭环,无法实现全场景的数据功能闭环。出于产品、市场、营销传播方面的考量,此时大多数车企都会优先选择把数据功能闭环用在行车上。

但是,蔚来的车上因为具备足够大的算力,它不需要去做选择,而是可以将行车、泊车、安全的全场景数据实现回流。因为安全对用户的价值最大,蔚来先在安全上跑通了数据功能闭环的机制,打好了模型化架构切换的地基。基本功都做扎实之后,蔚来又相继在安全、行车、泊车方面,全面切换至模型化的架构。

罗马城不是一天建成的,如果没有当初没有坚定地规划车端大算力和群体智能的技术路线,今天蔚来就不可能实现端到端模型化架构的主动安全。如果主动安全数据功能闭环的地基没有打好,那么包括后面蔚来世界模型在内更加先进的技术架构,都很难做到顺利切换。

所以,蔚来行业首发端到端模型化架构的智能安全辅助系统,既大幅提升了用户的安全上限,也是蔚来辅助驾驶在技术先进性上的集中体现。

每一点安全提升,都值得全力以赴。这句话在蔚来,从来都不是一句口号,而是落实到所有的技术、工程与产品的开发环节上。

声明:本文内容及配图由入驻作者撰写或者入驻合作网站授权转载。文章观点仅代表作者本人,不代表电子发烧友网立场。文章及其配图仅供工程师学习之用,如有内容侵权或者其他违规问题,请联系本站处理。 举报投诉
  • 模型
    +关注

    关注

    1

    文章

    3547

    浏览量

    50725
  • 辅助驾驶
    +关注

    关注

    1

    文章

    305

    浏览量

    15520
  • 蔚来
    +关注

    关注

    1

    文章

    547

    浏览量

    14978

原文标题:做不好安全,就不可能做好辅助驾驶

文章出处:【微信号:NIO-Wechat,微信公众号:蔚来】欢迎添加关注!文章转载请注明出处。

收藏 人收藏
加入交流群
微信小助手二维码

扫码添加小助手

加入工程师交流群

    评论

    相关推荐
    热点推荐

    为什么自动驾驶模型有黑盒特性?

    [首发于智驾最前沿微信公众号]随着自动驾驶技术落地,(End-to-End)大模型也成为行业研究与应用的热门方向。相较于传统自动驾驶系统中的模块
    的头像 发表于 07-04 16:50 ?303次阅读
    为什么自动驾驶<b class='flag-5'>端</b><b class='flag-5'>到</b><b class='flag-5'>端</b>大<b class='flag-5'>模型</b>有黑盒特性?

    Momenta飞轮大模型开启智能辅助驾驶行车体验

    面对桥底迷宫下连续绕障左转的场景,遭遇极窄夹缝、桥墩障碍物等复杂等路况,Momenta飞轮大模型以管家级智能辅助驾驶,无忧守护用户的每一段旅程,将紧张时刻转化为
    的头像 发表于 05-14 14:37 ?557次阅读

    一文带你厘清自动驾驶架构差异

    [首发于智驾最前沿微信公众号]随着自动驾驶技术飞速发展,智能驾驶系统的设计思路也经历了从传统模块架构
    的头像 发表于 05-08 09:07 ?401次阅读
    一文带你厘清自动驾驶<b class='flag-5'>端</b><b class='flag-5'>到</b><b class='flag-5'>端</b><b class='flag-5'>架构</b>差异

    首创开源架构,天玑AI开发套件让侧AI模型接入得心应手

    侧部署,Token产生速度提升了40%,让侧大模型拥有更高的计算效率和推理性能,使侧AI交互响应更及时,用户体验更贴心。 联发科还
    发表于 04-13 19:52

    自动驾驶中基于规则的决策和模型有何区别?

    在自动驾驶架构的选择上,也经历了从感知、决策控制、执行的三段式架构到现在火热的模型,尤其
    的头像 发表于 04-13 09:38 ?3036次阅读
    自动驾驶中基于规则的决策和<b class='flag-5'>端</b><b class='flag-5'>到</b><b class='flag-5'>端</b>大<b class='flag-5'>模型</b>有何区别?

    自动驾驶技术研究与分析

    传递和全局优化的优势,成为智能驾驶技术发展的重要方向。与传统模块架构相比,技术通过深度神经网络实现从传感器数据输入
    的头像 发表于 12-19 13:07 ?987次阅读

    阶跃星辰发布国内首个千亿参数语音大模型

    近日,阶跃星辰在官方公众号上宣布了一项重大突破——推出Step-1o千亿参数语音大模型。该模型被誉为“国内首个千亿参数
    的头像 发表于 12-17 13:43 ?811次阅读

    黑芝麻智能算法参考模型公布

    黑芝麻智能计划推出支持华山及武当系列芯片的算法参考方案。该方案采用One Model架构,并在决策规划单元引入了VLM视觉语言大模型
    的头像 发表于 12-03 12:30 ?1042次阅读
    黑芝麻智能<b class='flag-5'>端</b><b class='flag-5'>到</b><b class='flag-5'>端</b>算法参考<b class='flag-5'>模型</b>公布

    爆火的如何加速智驾落地?

    自动驾驶,唯有?)技术通过消除模块间数据传递中的信息损耗和延迟,以神经网络驱动感知
    的头像 发表于 11-26 13:17 ?1256次阅读
    爆火的<b class='flag-5'>端</b><b class='flag-5'>到</b><b class='flag-5'>端</b>如何加速智驾落地?

    连接视觉语言大模型自动驾驶

    自动驾驶在大规模驾驶数据上训练,展现出很强的决策规划能力,但是面对复杂罕见的驾驶场景,依然存在局限性,这是因为
    的头像 发表于 11-07 15:15 ?782次阅读
    连接视觉语言大<b class='flag-5'>模型</b>与<b class='flag-5'>端</b><b class='flag-5'>到</b><b class='flag-5'>端</b>自动驾驶

    智己汽车“”智驾方案推出,老司机真的会被取代吗?

    与Momenta联合打造的IM AD 3.0端直觉智能驾驶系统,在结构设计和决策逻辑上,进行了大胆的创新,试图用“直觉”思维模式替代传统的模块系统。 ? IM AD 3.0的技
    的头像 发表于 10-30 09:47 ?890次阅读
    智己汽车“<b class='flag-5'>端</b><b class='flag-5'>到</b><b class='flag-5'>端</b>”智驾方案推出,老司机真的会被取代吗?

    InfiniBand网络解决LLM训练瓶颈

    的,这需要大量的计算资源和高速数据传输网络。InfiniBand(IB)网络作为高性能计算和AI模型训练的理想选择,发挥着重要作用。在本文中,我们将深入探讨大型语言
    的头像 发表于 10-23 11:26 ?3801次阅读
    <b class='flag-5'>端</b><b class='flag-5'>到</b><b class='flag-5'>端</b>InfiniBand网络解决LLM训练瓶颈

    智驾进程发力?小鹏、模型上车

    编者语: 「智驾最前沿」微信公众号后台回复: C-0546 ,获取本文参考文档:小鹏、模型
    的头像 发表于 09-26 09:19 ?698次阅读
    智驾进程发力?小鹏、<b class='flag-5'>蔚</b><b class='flag-5'>来</b><b class='flag-5'>端</b><b class='flag-5'>到</b><b class='flag-5'>端</b><b class='flag-5'>模型</b>上车

    测试用例怎么写

    编写测试用例是确保软件系统从头到尾能够正常工作的关键步骤。以下是一个详细的指南,介绍如何编写
    的头像 发表于 09-20 10:29 ?1042次阅读

    恩智浦完整的Matter解决方案

    恩智浦为打造Matter设备,提供了完整的解决方案,从连接和安全解决方案到处理器和软件,应有尽有,为Matter标准的规模商用提供有
    的头像 发表于 08-26 18:04 ?3103次阅读
    恩智浦完整的Matter<b class='flag-5'>端</b><b class='flag-5'>到</b><b class='flag-5'>端</b>解决方案