聊两句辅助驾驶的时延问题，上一条我提到了"时延"对防御性驾驶的影响，其实它影响着

聊两句辅助驾驶的时延问题，上一条我提到了"时延"对防御性驾驶的影响，其实它影响着辅助驾驶的方方面面。我们横评的考点，过和不过，往往跟时延有关：

感知"看晚了"；轨迹输出“慢了”；轨迹够快，但控车“拉跨了”，这些都是常见的挂科原因。

减少时延，往往需要软硬件的共同努力，用更高算力的芯片，用更大的带宽都会得到改善。

但硬件只能治标，治本还需要在软件架构上来努力。

为什么行业更推崇一段式端到端？因为更纯粹的架构，也能有效降低时延。但在量产过程中，会遇到一些现实性问题。

国内如此内卷，不能按时交卷，不能交出稳定的产品，都是大忌，所以沿用更稳定的系统，或者做微创新，避免交卷的时候翻车。

所以，我们就看到了"一段式"加后处理、"一段式"横纵控制解耦的务实方案，这些在一定程度上，能保证性能稳定，不出大错，但在某些场景下，车会开得突兀，没FSD 那么丝滑。

你加的后处理越多，你的子系统越多，怎么可能降低时延呢？

那我们能做到FSD V14般的丝滑吗？我认为可以，放弃过去的方式，用更纯粹的架构，就能做到。

前端时间曝光度极高的地平线HSD，就是一个很好的例子。

据我所知：他们也经历过模型的内部赛马和选择，最终还是用了一段式端到端方案，而且是横纵联合训练的一段式端到端，极少的后处理。

所以很多体验过的媒体、主机厂、同行，都对HSD的控车赞赏有加，与FSD非常相似。

HSD的一段式、横纵联合训练的架构，让系统时延在100ms级，这是一个非常耀眼的指标。

那一段式端到端，相比VLA、世界模型是否落伍了呢？

其实这是三个完全不同的概念，并不是迭代演进的关系，端到端的下一代不是VLA，他们只是技术范式的不同。

一段式端到端同样可以通过云端的强化学习，在训练中引入VLM视觉语言模型，来达到多模态的效果。从而可以理解更复杂的驾驶场景。

所以HSD也可以解"潮汐车道"、文字标牌、文字红绿灯，理解防御性驾驶，而它的技术范式并不是VLA。

我之前说过，如果人为，把模仿学习为主的两段式（多段式）端到端、多个小模型的混合架构定义为端到端1.0时代。

那接下来，行业将进入到2.0，他是基于强化学习补强的：一段式端到端、VLA、世界模型，我们可以人为的叫他端到端2.0时代。

在这个时代，基于全数据驱动的AI能力，将决定最终的胜负。而此刻正是新与旧交割的时间节点。

中国的用户很幸运，我们不是一家独大的市场，还能看到不同方案的百花齐放，对实现最终自动驾驶的不同解法和路线。

不是每个人，都有机会见证和经历这一切。HSD一段式端到端体验