端到端发展趋势下，云算力如何赋能智能驾驶技术跃迁？

[首发于智驾最前沿微信公众号]随着智能驾驶辅助系统的发展，汽车行业正在从传统模块化架构向端到端（End-to-End，E2E）模型迈进。端到端模型的核心理念是将感知、决策和控制功能整合到同一深度学习网络中，让系统直接从传感器数据生成车辆控制指令。这种方法在提升系统响应速度、优化复杂场景表现以及减少模块间误差积累方面展现出显著优势，但同时，为了满足足够庞大的智能驾驶辅助需求，端到端模型也面临数据量、算力需求、可解释性和安全性等多重挑战。2025年8月28日，在智能汽车大会2025上，华为云CloudVeo智能驾驶云服务正式发布，为端到端模型研发提供了强有力的基础设施和算力保障，或将为行业发展带来新机遇。

华为云CloudVeo智能驾驶云服务解决方案全景图

端到端模型的技术价值与现实挑战

传统智能驾驶辅助系统采用感知、决策、规划和控制分模块处理，每个模块通过明确接口传递信息。其优点在于可解释性强、模块独立易于维护，但在复杂场景下，信息传递延迟、模块间耦合问题和算法迭代不同步的缺陷就会凸显。像是在城市交叉口、密集车流或雨雪天气等边缘场景中，传统模块化方法往往难以快速响应多变环境，容易产生决策滞后或路径规划不一致等问题。

端到端模型通过统一网络直接映射传感器输入到车辆控制指令，整体优化车辆行为，使车辆在复杂场景下的表现更连贯自然。这种方式充分利用深度学习的优势，将视觉、雷达、激光雷达等多模态数据输入模型进行联合训练，系统可以同时学习道路特征、交通信号、周边车辆行为以及潜在风险。这种整体优化减少了模块间误差累积，使得车辆在复杂环境下的行为更为连贯和自然。

端到端方案表面上看起来非常理想，因为它把感知、决策和控制全部整合在一起，实现了从传感器输入到车辆动作输出的闭环。但在真实驾驶环境中，要让这种方案可靠地工作，仍有不少挑战。训练端到端模型需要大量且多样化的数据，这就要求覆盖城市复杂路口、乡村道路、高速公路，还要考虑暴雨、浓雾、夜间行驶和积雪等极端天气的情况。每一种场景都有不同的视觉和雷达特征，模型需要学会从多种传感器信息中提取关键特征，并在特殊情况下作出安全决策。如果数据不够全面，模型在未见过的场景里就可能表现不稳定，这对安全是很大的隐患。

端到端模型对算力的要求也非常高。深度神经网络通常要处理高分辨率图像、激光雷达点云和毫米波雷达数据，信息量极大。训练模型需要处理数十万小时的驾驶数据，同时完成多模态特征融合、时序建模和决策优化。为了让模型不断迭代和升级，需要大规模GPU集群、高速存储和高带宽内存来支撑。而在车辆端，模型又必须在有限算力下快速做出决策，保证低延迟和高精度，这对模型压缩和推理优化提出了很高要求。

还有一个问题就是可解释性。端到端模型的决策是由大量参数的非线性组合产生的，内部逻辑不容易直接理解。对于安全敏感的驾驶任务，监管部门和车辆使用者都希望了解系统为什么会在某个场景做出某个动作。像是在复杂路口是否选择变道或在湿滑路面是否要减速，这些决策逻辑在模型内部的权重是很难观察的。这也让测试、验证和回溯分析变得复杂，需要通过仿真、对抗测试和因果分析等方法，确保模型在各种边缘场景下仍然可靠。

智驾最前沿以为，对于智能驾驶行业而言，端到端模型的发展已成为不可逆的趋势，其结构可能会在多模态信息融合和时空特征建模方面不断演进。像VLA（Vision-Language-Action）与世界模型的结合，可以让系统在复杂道路环境中获得更精准的感知和预测能力，实现对周围动态场景的深度理解。同时，云端与车端的协同模式将逐渐成为主流，高性能算力集中在云端，车辆端运行轻量化模型，使复杂计算能够在保证实时响应的前提下落地到每一辆车上。端到端模型的可解释性和验证机制也将不断完善，通过仿真验证、行为约束建模以及可解释AI方法，可以对系统决策进行深入分析和安全保障。华为云CloudVeo智能驾驶云服务针对这些趋势就提供了全面支持，依托超强算力和全国分布式汽车专区，为端到端模型的训练、迭代和落地提供高效、稳定的技术保障，使智能驾驶辅助系统能够更可靠地应对实际道路场景。

CloudMatrix384超节点与云端算力加速

端到端模型对算力的依赖极其强烈，单靠车端算力难以完成大规模深度学习训练和复杂多模态数据处理。华为云推出的CloudMatrix384超节点计算架构，为端到端模型训练提供了行业领先的算力平台。今年4月，该架构在芜湖数据中心实现了规模化部署并率先投入商用，成为国内首个真正落地的大规模超节点集群，为智能驾驶模型的快速迭代和高效训练奠定了坚实基础。

CloudMatrix384超节点计算架构

该平台将384颗昇腾NPU和192颗鲲鹏CPU通过全新高速网络MatrixLink全对等互联，形成一台超级“AI服务器”，支持高带宽缓存和大容量存储，为模型训练提供了充足的资源，在端到端和VLA模型上，其性能优于H100 GPU，使得大规模训练成为可能。现阶段，已有100万辆智能车依托云上昇腾算力支持得到了落地。

云端算力不仅优化训练阶段，还会显著加速仿真验证过程。传统生成式仿真场景构建通常需要一周时间，而在CloudMatrix384超节点算力平台上，这一过程可缩短至5分钟，版本迭代周期从月级缩短至周级。这意味着开发团队能够更快速地测试端到端模型在极端场景、低速泊车及紧急避障等多样化条件下的表现。结合AI-Native智算存储，高性能缓存容量达128PB，缓存带宽提升至12TB/s，大幅提升了数据读取和模型训练效率，为复杂模型提供了稳定、可扩展的算力支持。

“以云助车”的方案也会使端到端模型在车端运行时更为轻量化。车辆主要承担实时数据采集和控制指令执行，而复杂计算和模型推理迁移至云端，实现云端模型训练与端侧应用的高效协同。这种模式不仅优化了端到端模型的实际表现，还在泊车和低速巡航场景中提高了成功率和操作平滑度。华为云方案通过云端模型辅助，让泊车成功率提升15%，端到端泊车效率显著优化。

全国多专区布局，全国覆盖都可行？

算力优化必须依赖网络与基础设施的高效布局。华为云在全国布局了贵安、乌兰察布和即将上线的芜湖三大汽车专区。本次贵安专区上线实现跨越南北的双专区布局，与乌兰察布专区形成联动，为端到端模型训练与应用提供低时延、高可用的分布式环境。

华为云贵安汽车专区发布仪式

多区域多活架构的设计，使得端到端模型在跨区域出行时，能够获得一致的智能驾驶辅助体验，车云时延可降低60%，系统可用性将达到99.999%，为端到端模型的商业落地和大规模部署提供坚实基础。分布式布局还允许多地资源协同调度，大幅提升端到端模型训练效率，支持不同车型、不同应用场景的快速迭代。这种全国一体化算力网络，使华为云在智能驾驶辅助系统领域从算力提供者升级为产业赋能者，为车企模型研发和技术创新提供全方位支撑。

此外，多专区协同还为未来数据聚合、模型迁移学习和仿真场景扩展提供了基础。通过分布式资源调度，端到端模型可在全国范围内共享高质量训练数据和优化经验，实现跨车型、跨场景的快速泛化，降低单一车企研发成本，提高整体产业效率。

行业合作与端到端模型落地实践

端到端模型的研发和应用离不开产业链的协同，华为云通过与长安科技、广汽集团、奇瑞、一汽丰田等头部车企的深度合作，把CloudMatrix384超节点、AI-Native智算存储以及多区域汽车专区的基础设施优势，真正转化成了可落地的成果。

华为云EI服务产品部部长尤鹏与长安科技人工智能基础与应用副总经理梁锋华在智能汽车大会2025上联合发布了“搭载华为云CloudMatrix384超节点的长安天枢智驾”，这款智驾方案首次搭载CloudMatrix384超节点，使长安成为首个依托国产算力开展智能驾驶研发的央企。依托华为云提供的高带宽和大容量存储集群，双方不仅实现了自动驾驶模型的高效训练，还在VLA、端到端等多种模型上完成了适配，展示了AI技术推动汽车产业智能化发展的新可能。

华为云CloudMatrix384超节点的长安天枢智驾发布仪式

广汽集团通过“星云空间-广汽X华为云”云车机技术，将座舱算力上云，实现车机性能提升、卡顿问题解决，同时降低核心芯片成本20%，应用集成周期下降50%。这说明智能座舱模型不仅依赖算力和算法，还需要整体系统架构的优化，包括车端与云端的协同计算、数据传输优化以及软件集成能力。

端到端未来会如何发展？

在智能驾驶领域，端到端模型的发展正在朝着更高复杂度和多模态融合方向演进。随着车辆配备的传感器类型不断增加，道路环境也愈发复杂，端到端模型必须能够同时处理视觉、雷达、激光等多模态信息，并结合时空信息建模，从而准确理解周围环境。

VLA模型与世界模型的结合，为系统提供了长时序的环境预测能力和优化的行为决策能力，这在复杂交叉路口、高速行驶及多车混行等场景中，能够显著提高安全性和决策的可靠性。

与此同时，云端与车端的协同模式逐渐成为主流。端到端模型在训练和推理阶段对算力的需求极高，云端可以提供集中化的大规模计算资源，用于训练复杂模型、构建高精度仿真场景以及加速模型迭代，而车端则承担实时数据采集和控制任务，保证车辆在道路上的低延迟响应和稳定表现。这种云端与车端协作的模式，不仅让复杂模型能够在实际驾驶中稳定运行，也为智能驾驶辅助系统的大规模落地提供了技术支撑。

可解释性和验证体系的完善也是端到端模型发展的关键环节。端到端模型的决策逻辑本质上较难直观理解，因此需要借助可解释AI方法、模型仿真验证以及行为安全约束建模等手段，构建完整的验证体系，确保模型在各种道路场景下的可控性和安全性。

华为云通过CloudVeo智能驾驶云服务，正顺应这些技术趋势，提供强大算力、低延迟分布式架构和产业链协同支持，助力车企高效研发端到端模型，实现智能驾驶辅助系统的规模化应用。

最后的话

端到端智能驾驶辅助系统正引领智能驾驶技术的发展方向。通过统一网络直接映射传感器数据到控制指令，系统在复杂场景中展现出连贯性和高效性优势。华为云CloudVeo智能驾驶云服务通过CloudMatrix384超节点和全国三大汽车专区，提供了从训练到仿真、从算力到分布式部署的完整技术支撑，推动端到端模型从实验验证向产业化落地转化。未来，随着模型复杂度提升、云端协同模式普及以及可解释性与验证体系完善，端到端模型将在智能驾驶辅助系统中发挥核心作用，为行业智能化升级提供持续动力。

审核编辑 黄宇