一段/两段式端到端和VLA大模型，到底怎么理解和区分这些架构？

今天借着#听不懂的汽车黑话#，给大家唠嗑一下：什么是一段式端到端？最近大家讨论较多的地平线HSD，我们用的就是一段式端到端

用比较行业的话说，一段式端到端就是用单一模型完成「感知输入👉输出决策控制」，优点是动作执行的低时延（100ms），接近人类司机的判断和执行速度

但可能很多人不理解：都是端到端，一段式和两段式有什么区别？这里我举个例子，我们学习英语或者其他外语，都要从基础的「主谓宾」句式开始。

「Horizon's slogan is Journey Together」学习这个句子的时候，我们得区分主语是Horizon's slogan， is是谓语，Journey Together是宾语，组合起来的语义理解就是「地平线的愿景是征程与共」

这种先拆解、再组合输出翻译内容，有点像两段式的端到端的工作模式。而一段式端到端，就像是双语环境下成长的小朋友，TA不需要提前了解句式，听到英文的瞬间，直接翻译成中文

从这个例子可以看出，一段式端到端的优点，是不强依赖Language的语言模型，所以英中文的转化效率高，反应快，也就是我们说的低时延。

而HSD在一段式端到端架构的基础上，实现了系统低延时、全方位防御性驾驶、横纵向合一的车控。

例如横纵向合一的车控，大模型输出的控车轨迹「更线性」，从体感上来说，就是绕行走线都很丝滑。目前体验过HSD的媒体老师，都称它是最接近FSD的控车体验，如果大家有兴趣，可以期待奇瑞ET5的量产车。

#一段式端到端##地平线HSD#