如何看待华为2024年4月24日发布的ADS3.0使用了端到端的自动驾驶？

华为这个planning那边的“端到端”这段时间看多了已经逐渐无感，但因为华为软硬一体的能力，我对其传感器这边的“端到端”反而非常感兴趣。端到端是有两头的，我们不能只关注后面pnc那端，传感器这一侧能否继续延伸也是很重要的。

虽然我经常在网上吹激光雷达，但我也非常清楚激光雷达的缺点：雨雾尘水花带来的噪点、镜像点、高反膨胀、鬼影等，这些问题之前是通过点云分割网络来解决的，处理过程中我也常常感叹：如果像特斯拉用图像raw信息一样，能拿到激光雷达的原始信息就好了，误检漏检一定能大幅降低。

其实激光光斑打到雨雾尘这些细小物体上虽然有回波，但也会有部分激光没有被阻挡继续前进，直到打到真正的障碍物上产生最后一次回波，而且就算同样是回波，雨雾尘的波形形状与真正的障碍物也会有所不同，也就是说通过多次回波的波形信息，我们是能够分辨出哪些是雨雾尘哪些是真正的障碍物的。同理镜像点、鬼影也是会产生多次的回波，我常常在想，如果我们能拿到多次回波的波形数据，可能这些问题就都可以解决了。

但毕竟现在的激光雷达的点频已经非常高了，如果让厂商把完整波形发出来，带宽是遭不住的，所以必须要提取一些特征以供后面的神经网络进行处理。但究竟要提取什么样的特征，一般来说人拍脑袋的想法往往不会很好，还是得交给神经网络端到端地学习之后才能得到比较好的效果。之后可以将底层的部分特征提取放在激光雷达的端侧来进行压缩，压缩之后再发出来以减小带宽压力。

可惜的是，制造激光雷达的成本和研发周期都太长了，我们无力自研，而跟供应商合作的话，首先供应商能不能把原始数据通过特殊手段发出来都是问题，更别说配合我们修改端侧FPGA的代码，将可能要经常需要更改的神经网络结构、参数写进去了。

所以说，如果要真正发挥出激光雷达的最大潜力，是一定要自研或者与激光雷达供应商深度合作的。而纵观国内的智驾公司，只有华为和大疆有这个能力，这也是为什么智驾四小龙“华大地魔”，华为和大疆排在前两位的原因吧。

另外，禾赛也推出了端侧AI引擎，但因为他们拿不到后面的主干网络，所以这个AI引擎在端侧就要输出结果而不是输出特征，吃不到端到端全局优化的好处。

这个世界，真是打脸越来越快，我前几天刚说特斯拉的端到端这条路不行，结果今天华为也来了。

既然华为也要搞端到端，那说明端到端这条路有其不可忽略的优势。

ADS2.0，根据我获得信息，还属于强规则的智驾系统。

华为的程序员，天天面对自家智驾用户的海量真实用例，规则估计都写吐了吧。

后期的维护真的是一种灾难，虽然华为的系统架构师水平应该很高，程序员都是算法大牛，但是。。。真实情况只有他们清楚了。

我能稍微体会一下，因为我也开发过类似的智能系统，稍微增加一丁点东西，规则就增加一箩筐。

对于无人驾驶这种场景，规则就是无底洞。

端到端看上去倒是一种解脱，因为这相当于把人工编写规则这一过程自动化了，还有一定的泛化能力。

缺点是，端到端模型是黑盒，训练出来的不一定是你想要的，比较难控制；另一个，是维护比较慢，也就是修复比较慢，毕竟训练一个新模型挺费时间和金钱的；

相信，经过ADS2.0这一段时间的用例积累，数据积累已经足够多了，所以模型的更新频率降低不少，另一个，可以增加干预层，相当于人工规则和模型共同使用，这样可以解决这个问题。

所以，我觉得，

华为ADS3.0应该是人工规则+端到端模型，并逐渐减少人工规则的数量，这也是比较稳妥的方案。听说，特斯拉完全是端到端，不写规则，那真的敢想敢干啊，自动驾驶不是炫技，每一个失误可能导致严重后果，而现在的模型能力是有明显边界的，这种激进方案我不看好。多说无益，最终看疗效吧。

最后，不知道我的问界M9能上ADS3.0吗？有没有业内人员偷偷告诉我啊。。