端到端智駕技術(shù)的研發(fā)成本主要集中在數(shù)據(jù)和算力方面。在數(shù)據(jù)領(lǐng)域，獲取數(shù)據(jù)存在多種難題，采集策略、質(zhì)量把控、分布及泛化等都需耗費(fèi)大量成本，數(shù)據(jù)占據(jù)超80%的研發(fā)成本。于算力層面，智駕算力需求呈指數(shù)級(jí)增長(zhǎng)，車載計(jì)算平臺(tái)有上限，云端大模型成為選擇，其訓(xùn)練對(duì)高性能算力及數(shù)據(jù)存儲(chǔ)處理要求極高。這兩方面構(gòu)成了研發(fā)成本的主要部分 。

先看數(shù)據(jù)方面。從量產(chǎn)車和存量數(shù)據(jù)中挖掘數(shù)據(jù)，本就不是一件易事。采集策略需精心規(guī)劃，要確保收集到的數(shù)據(jù)全面且有價(jià)值，這背后需要專業(yè)團(tuán)隊(duì)長(zhǎng)時(shí)間的研究與實(shí)踐，人力、物力成本高昂。數(shù)據(jù)質(zhì)量更是關(guān)鍵，稍有偏差，就可能讓后續(xù)的算法訓(xùn)練走向錯(cuò)誤方向，為保證質(zhì)量，數(shù)據(jù)篩選、清洗等環(huán)節(jié)投入巨大。而且數(shù)據(jù)分布與泛化問題，要求在不同場(chǎng)景、環(huán)境下采集數(shù)據(jù)，覆蓋各種可能情況，這大大增加了數(shù)據(jù)獲取的范圍和難度，成本自然水漲船高。

再談算力方面。智駕領(lǐng)域的算力軍備競(jìng)賽進(jìn)入白熱化階段，指數(shù)級(jí)增長(zhǎng)的算力需求，讓車載計(jì)算平臺(tái)顯得力不從心。云端大模型雖然帶來希望，但訓(xùn)練它對(duì)大規(guī)模高性能算力的需求宛如無底洞，服務(wù)器的購置、維護(hù)，電力的消耗，都是巨額開支。同時(shí)，數(shù)據(jù)存儲(chǔ)和處理也需要強(qiáng)大的基礎(chǔ)設(shè)施支持，從存儲(chǔ)設(shè)備到數(shù)據(jù)傳輸網(wǎng)絡(luò)，每一項(xiàng)都要耗費(fèi)大量資金。

此外，全局式與分段式的研發(fā)和部署成本也不容忽視，部分端到端系統(tǒng)因監(jiān)督訓(xùn)練產(chǎn)生的大量人工標(biāo)注，也在增加數(shù)據(jù)成本?？傊?，端到端智駕技術(shù)的研發(fā)成本集中于多個(gè)關(guān)鍵環(huán)節(jié)，這些投入是推動(dòng)智駕技術(shù)不斷進(jìn)步的基石，未來隨著技術(shù)發(fā)展，相關(guān)成本投入可能還會(huì)發(fā)生變化 。