近日，特斯拉股价开启了一轮“猛烈反弹”。7月第一周，特斯拉股价累计涨幅超27%，7月5日的收盘价为251.55美元，只花了一周的时间，特斯拉就抹平了上半年的所有跌幅。
对于特斯拉突如其来的“狂飙”，不少业内人士认为与其二季度的交付数据有关。今年二季度，特斯拉全球交付超44.4万辆电动车，环比增长14.7%，优于华尔街机构预期的43.8万辆。
不过，虽然特斯拉二季度的交付数据不错，但仍然比去年同期的46.6辆少了。所以，交付数量并不是推动特斯拉股价狂飙的唯一因素，在人工智能、储能业务方面的“新故事”，可能才是特斯拉的“市值光环”。
业内人士指出，投资机构开始意识到特斯拉可能是美股市场上最被低估的“AI投资标的”，有分析团队估算，特斯拉全自动驾驶（FSD）业务估值或高达1万亿美元，超过了特斯拉8000亿美元左右的市值。
今年4月，随着马斯克访华一同而来的，还有FSD即将入华的消息，也是从此时开始，特斯拉的股价就开始持续修复，国内新能源车企的智能驾驶业务也迎来积极调整，特斯拉这条“鲶鱼”，已经开始搅动国内的智驾市场了。
特斯拉引发“鲶鱼效应”，“端到端”一夜崛起
今年1月，特斯拉正式向普通车主推送了最新版本的全自动驾驶FSD Beta V12，这一版本在2023年就已经发布了内测版，并被业内人士称为是自动驾驶的“里程碑时刻”。
从技术层面上来看，特斯拉FSD V12与当前车企通用的智驾方案，在实现路径上有着本质的区别。FSD V12采用的是“端到端”技术路线，只需输入原始数据就能直接输出最终结果的AI模型，可以通过观察和模仿人类驾驶行为来优化驾驶决策，反应速度更快。
而传统的智驾方案通常是将感知、决策和控制分为独立的模块，每个模块专注于解决特定的问题，再依靠人工编程根据不同场景提前定义规则，让智能驾驶基于规则来执行。
传统智驾方案的好处是模块化的处理简化了系统开发的难度，利于问题回溯与研发迭代；但缺点是基于人工设想的规则难以覆盖道路驾驶的边缘场景，难以应对城市道路上的突发情况，导致使用体验不如预期。
此外，为了应对这些非常少见，却又不能缺少的边缘场景，一家企业可能需要数千个工程师，将90%的精力花费于编写corner case的代码上，这也增加了智能驾驶迭代的成本和难度。
但据马斯克表示，FSD采用“端到端”技术之后，只需要用3000行代码就能替代原来的30万多万行代码。
因此，作为世界首个“端到端”AI自动驾驶模型，FSD V12从诞生之初就备受关注，特别是在新能源汽车竞争已经进入白热化阶段的当下，消费者已经逐渐对车企卷价格、卷配置、卷营销等招数“脱敏”，新能源汽车行业也急需一个“新故事”来刺激消费者的购买欲，而特斯拉FSD就成为了搅动智驾行业的“鲶鱼”。
一直以来，特斯拉在自动驾驶技术方面都以独立独行的姿势在发展。相较于国内大多数自动驾驶方案供应商们所选择的激光雷达路线，特斯拉从2015年开始自动驾驶研究时，就一直坚持纯视觉自驾方案FSD，马斯克甚至表示，“任何依赖激光雷达的人都注定要失败，昂贵的传感器是不必要的”。
开始的时候，外界认为马斯克之所以坚持纯视觉路线，是因为激光雷达的成本太高，但事实上，随着技术成熟和规模效应，激光雷达的价格已从超10万美元降至数百美元。
所以，马斯克坚持纯视觉路线的另一原因，则被认为是其对“第一性原理”的信仰。马斯克认为既然人类是通过眼睛观察来驾驶汽车的，那么摄像头作为最接近人类眼睛的传感器，其视觉能力也能够超越雷达融合方案。
目前来看，外界对FSD V12的反馈普遍不错，小鹏汽车董事长何小鹏表示，FSD在硅谷和高速表现极好，可以达到很高的分数；英伟达CEO黄仁勋则称赞FSD是目前最先进的系统。
因此，随着4月马斯克访华而传来的“FSD即将入华”消息，也引起了新能源车圈的热门话题。不少车圈人士，比如何小鹏、余承东等均表示支持；但也有人认为，考虑到中国较为复杂的路面情况和数据安全，FSD入华恐怕还有不少“未知数”。
但在6月中旬，据财新报道，一名接近上海市政策制定部门的人士称，上海自动驾驶示范区已向特斯拉发放了道路测试牌照，FSD可能正在测试。虽然特斯拉中国对此未有回应，但“FSD入华”显然已经成为国内车圈必须直面的竞争因素。
大模型加速“上车”，车企开展军备竞赛
在去年特斯拉发布了首个“端到端”自动驾驶模型FSD V12之后，多家新能源车企也开始对旗下的智能驾驶业务进行调整，并纷纷发布了端到端模型的“上车”规划。
小鹏汽车是国内首个发布量产上车的端到端模型的整车企业，预计在2024年第三季度实现全国范围内的无障碍驾驶。去年，小鹏汽车智驾负责人吴新宙离职后，目前由曾任阿里巴巴达摩院的自动驾驶实验室运营负责人袁婷婷，担任小鹏自动驾驶产品高级总监。
蔚来则单独设立了一个大模型部，专门负责端到端的模型研发。据蔚来自动驾驶副总裁任少卿表示，蔚来已经在布局端到端，预计今年将实现上车量产。
理想虽然在5月对智驾团队的规模进行了缩减，但依然保留了算法研发团队，主要负责无图城市NOA以及端到端智驾的研发。在近日举办的智驾发布会中，理想发布了基于端到端模型、VLM视觉语言模型和世界模型的全新自动驾驶技术架构，并在7月内向用户推送“全国都能开”的无图NOA。
华为则在今年4月发布了ADS 3.0端到端架构，并表示将于8月随着享界S9正式上市。据辰韬资本发布的《2024端到端自动驾驶行业研究报告》显示，端到端方案上车量产时间预计会出现在2025年。
长城汽车则在3月宣布将引入元戎启行作为第二家智能驾驶供应商，元戎将为长城提供端到端的智能驾驶方案，今年计划落地三款车。
车企扎堆“端到端”背后，一方面是它们对智能驾驶应用落地的迫切追求，近年，车圈的同质化竞争趋势已经越来越明显，所以智能驾驶成为各家的必争之地。
但即便是新势力中将智能驾驶做到前列的小鹏，也只是完成了NGP覆盖243座城市的目标，随着“FSD入华”，车企提升智驾能力也将变得更加迫切，谁能更高效、更低成本地支持城市NOA，谁就能抢先一步与友商拉开差距。
另一方面，在智驾升级的压力之下，各大车企也通过大量实践、试错，逐渐认识到“端对端”是提升智能能力的“有效解法”，在自动驾驶领域，端到端大模型将能带来更加突出的算法能力跃升。
但端到端对自动驾驶来说，可能是“有效解法”，但却不一定是“最佳解法”。马斯克曾发文表示，特斯拉今年将在综合训练和推理人工智能方面（主要用于汽车）投入约100亿美元，任何公司如果不能达到这一水平的支出，且不能高效地进行支出，就无法竞争。
这其实也揭示了端到端模型背后的三大棘手问题：高质量数据、算力和算法。首先，自动驾驶系统需要大量的高质量训练数据，但收集、标注和维护这些数据也成为了一项挑战。
比如马斯克就曾在自传中提到，特斯拉全球200万台车每天可收集1600亿帧的驾驶视频，但绝大多数视频都是无用的。毫末智行数据智能科学家贺翔曾表示，数据占端到端自动驾驶开发成本的80%。
另外，要将来自于不同的传感器、设备和环境的数据用于自动驾驶的训练和应用，就需要进行准确的数据对齐，这不仅需要先进的算法和技术支持，还需要对这个领域有深入理解。
最后，算力问题也是攻克端到端方案的必由之路，就连马斯克都曾抱怨FSD的最大限制因素是算力，如果以上述其提到的百亿元作为“算力门槛”，即便不考虑国内主机厂和智驾厂商能否购买到足够多的高算力GPU，光研发费用就已经拦下了不少车企。
所以，端到端模型看似是智能驾驶的“最优解”，但却是“简约不简单”。而且，当前业内对“端对端”的概念也还没有一个清晰的定义。
据辰韬资本研报显示，自动驾驶架构的演进可以分为四个阶段，分别是感知端到端；决策规划模型化；模块化端到端；单一模型端到端。
