端到端架构的发展为自动驾驶技术发展带来更多可能，其核心理念是构建一个能够直接从原始感知信息到最终控制输出的映射，确保所有相关信息都能被用于做出决策，从而实现更加高效和鲁棒的自动驾驶系统。在实际应用中，端到端架构的优势在于可以降低研发投入、提高系统性能、也可以提高系统的可靠性和安全性。然而，端到端架构也存在一些挑战，例如可解释性低、训练难度大等问题，目前只有特斯拉等少数厂商在量产车中采用这种架构。
六耳计划近期重点学习端到端，也同步分享给大家共同探讨。内容很多，计划拆分成多篇文章逐篇释放。该系列主要包含端到端概述、20 多个企业/研究机构端到端方案盘点、可/潜在支持端到端芯片架构等内容。作为一个初学者，后续文章难免出错，如有问题欢迎各位大佬们在文末留言“大刀砍改”，希望可以给相关从业人员一个参考。如果喜欢本系列，欢迎持续关注~
附上目录，欢迎大家随时补充~
1 端到端概述
1.1 端到端概念
1.2 端到端发展历程
1.3 端到端原理
1.4 端到端特点
1.5 端到端与传统架构对比分析
1.6 端到端面临的挑战
2 芯片架构变化
2.1 现有芯片如何高效部署端到端模型
2.2 芯片架构需要哪些创新
2.3 可支持/潜在支持端到端架构的芯片企业
（包含：NVIDIA DRIVE AGX 系列、地平线征程系列、华为昇腾 AI 芯片系列等）
3 端到端自动驾驶企业/研究机构方案盘点
（包含：Tesla FSD V12、小鹏汽车XNet+XPlanner+XBrain、理想汽车、零一汽车、英伟达、地平线、Wayve GAIA-1、商汤、元戎启行等 20 多个企业端到端方案）
4 总结
<- 联 系 & 声 明 ->
【声明】除文内特殊声明外，本公众号内所有文章编写或转载的目的仅用于学习和交流，不予以商用，不代表本号观点及立场。本公众号内资讯及正文引用图片均由个人公众号 ADS 智库六耳基于官网或公开信息梳理或引用。本公众号所引用及转载内容版权均归原作者所有，凡是注明来源 “ XXX ADS 智库 ” 或作者为 “ XXX 六耳、XXX ADS 智库 ” 的文章转载或引用时请注明来源 ADS 智库。若有版权或其他任何问题请联系六耳（ 微信号：adas_miao ），本号将及时处理。
