东吴证券：汽车行业深度报告：AI系列深度12期：从模块化到端到端

投资要点 端到端的核心，是以原始传感器输入直接映射规划或控制输出，并通过整体可微、全局优化的方式训练系统。该概念最早来自网络工程语境，进入机器学习后逐步转化为输入端到输出端整体训练的方法论；在自动驾驶中，ALVINN、DARPADAVE、NVIDIADAVE-2、UniAD和特斯拉FSDv12共同构成其从学术探索到产业落地的演进脉络。我们将端到端理解为训练方法、系统架构和技术思想三重属性的组合。 端到端与模块化流水线的差异，在于是否将感知、预测、规划和控制拆成多个人工定义模块。模块化系统可解释、可调试，但信息容易在模块边界损失，且规则维护成本较高；端到端系统可让模型直接围绕最终任务优化，信息传递更完整，但可解释性、可控性和安全验证难度更高。2024年以来，一段式与二段式成为中国智驾行业讨论焦点。 端到端并不等于完全取消规则，更准确的表述是替代人工规则在主决策回路中的主导地位。特斯拉FSDv12以神经网络替代大量手写C++规则，是该趋势的重要标志；但规则仍会保留在安全兜底、形式化校验、冗余备份和合规约束中。由此看，端到端普及是主决策范式从人工规则转向数据驱动模型，而非规则系统消失。 从应