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、DARPA DAVE、NVIDIA DAVE-2、UniAD和特斯拉FSD v12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FSD v12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。
从应用进展看，自动驾驶由特斯拉率先量产推动，中国厂商2024年集中跟进，并在2025年前后进一步向VLA和世界模型演进；机器人领域自RT-2起即以VLA形态采用端到端；数字AI中端到端已是默认范式，通常不再作为单独技术标签。例外和分歧仍存在，如Mobileye复合AI系统、Zoox模块化路线等。
端到端、VLA与世界模型不是替代关系，而是处于不同能力层级和功能维度。VLA可视为端到端在多模态理解与动作生成方向上的延伸；世界模型关注环境状态预测和场景生成，可作为云端数据引擎、仿真训练场或车端模型组件。产业实践中，三者更可能形成组合方案，而非线性替代关系。
我们认为，数字AI底座模型发展路径已逐渐清晰、价值在于确定性，但其难以实现物理世界的建模闭环；我们认为物理AI将成为物理世界的AI解决方案，从而在AI的当前发展阶段成为增量更大的方向，智能驾驶作为最先跑通闭环的代表场景，我们认为应重点关注。
风险提示：技术迭代不及预期的风险；大模型厂商ARR增速放缓的风险；云服务商资本开支不及预期的风险；智能驾驶及机器人商业化落地不及预期的风险。
