一、范式革命：从“写规则”到“学驾驶”
五千条代码vs一个神经网络
传统决策系统依赖工程师编写数千条明确指令，定义系统在特定场景下的响应逻辑。这种方式在简单场景中尚可，但面对现实世界的无穷变化，规则永远写不完。端到端则完全不同——用一个统一的神经网络，直接从原始传感器输入映射到控制指令输出，中间不再人为切分模块。数据喂进去，决策直接出来。
这是近年来唯一的“真范式革命”
地平线前副总裁苏箐曾评价，从规则驱动的分模块到数据驱动的端到端，是自动驾驶领域近年来唯一的一次“真范式革命”。架构从模块化规则切换到统一神经网络，这不是局部优化，而是底层逻辑的彻底重构。2023至2024年间，这场革命由特斯拉FSD V12开启，随后本土车企全面跟进。
二、架构统一：从“串行流水线”到“一体贯通”
信息零损耗，告别接力赛
传统架构是“感知→预测→规划→控制”的串行流程，每经过一个模块就有一次信息损耗和延迟累加。端到端通过统一的大模型骨干网络打通算法链路，显著减少信息损耗与规则依赖。系统不再需要多个模块之间的“翻译”和“对接”，而是直接从传感器输入到执行指令，一气呵成。
泛化能力质的飞跃
传统规则系统遇到未定义的场景就会“卡壳”。端到端系统从海量数据集中直接学习行为模式，能更高效地适配陌生环境、应对更复杂的场景，并且随着数据处理量的提升，能力迭代速度显著加快。这意味着系统不是靠“背题库”应对世界，而是真正学会了“如何决策”。
三、能力演进：从端到端到VLA再到世界模型
工程缺陷驱动的能力增强
端到端并非终点。纯视觉端到端缺乏推理能力，于是行业在2024年引入了VLM（视觉语言模型），带来了“慢思考”能力。但VLM只能提供建议、不直接参与动作，于是2025年VLA（视觉-语言-动作模型）登场，语言模态开始直接参与决策输出。随后，世界模型补上了对物理世界未来状态预测的能力。
VLA与世界模型走向融合
2026年，VLA与世界模型不再是“二选一”的对立路线。小鹏推出二代VLA后表示“也是世界模型”，理想发布Mind VLA-o1基座模型，内置预测式隐世界模型。核心观点指向物理AI未来的架构将是“VLA与世界模型的深度闭环”——VLA负责“说人话、做决策”，世界模型提供“内嵌物理引擎”，提前模拟动作的物理后果。
四、产业落地：从概念到量产加速跑
2026年，端到端全面上车
分段式端到端方案已于2024至2025年实现规模化量产，一段式端到端与VLA技术在2025至2026年集中落地。2026年6月，地平线发布全场景辅助驾驶HSD V2.0，基于“世界模型+端到端强化学习”，主动安全系统不再依赖传统“白名单”识别逻辑，风险感知与决策能力得到根本性增强。行业端到端竞赛已进入下半场。
从汽车到机器人的跨界迁移
端到端的决策范式正在从自动驾驶向更广泛的具身智能领域迁移。2026年6月，智平方发布全球首个类脑式具身智能系统NeuroVLA，实现感知、理解、决策、执行的一体化闭环。Qwen团队也推出面向机器人的端到端模型套件。端到端模型凭借广覆盖、低时延、高自主的优势，在具身智能走向通用泛化的探索中展现出巨大潜力。
五、挑战与前路：范式已定，工程决胜
下半场拼的是迭代效率
地平线方面指出，上半场是架构革新的从0到1落地比拼，下半场则是对端到端范式认知、迭代效率和工程能力的三重考验。头部企业的技术差距已以“月”为单位波动。技术路线之争正在消解，真正的竞争转向了数据规模、算力基础设施和工程化能力。
从“端到端”到“端到所有地方”
卓驭创始人沈劭劼预判，2026年智驾行业要从“端到端”走向“端到所有地方”。这意味着端到端的决策范式将渗透到每一个需要智能决策的角落。CVPR 2026上，智能驾驶的技术叙事已从端到端走向物理AI基座模型。范式革命已经发生，接下来的问题是：谁能把这场革命推向更广、更深、更稳的境地？答案，正在每一公里的真实路测和每一次的模型迭代中书写。
