国联民生证券发布主流车企端到端智驾模型对比研究，特斯拉FSD V13、华为ADS 3.0、小鹏XNet+ XPlanner+ Xbrain、理想E2E+VLM均已实现量产上车。端到端大模型正全面替代模块化智驾方案，数据积累与训练算力成为衡量车企智驾实力的核心标尺，国内算力竞赛进入白热化阶段。

智能驾驶技术路线正经历从模块化方案向端到端大模型的范式转移。传统模块化方案将感知、决策、规划、控制分为独立模块，各模块间信息传递存在损耗；端到端大模型将感知-决策-规划整合为统一神经网络，实现信息无损传递和全局优化。

端到端算法的实现需要大量测试、工程落地专家和顶尖AI人才，有效数据量和训练算力决定大模型效果上限。当前主流车企均已转向端到端路线，但在模型架构、训练数据和算力规模方面存在显著差异，技术路线选择正成为衡量车企智驾竞争力的首要维度。

特斯拉是端到端智驾路线的开创者和全球标杆。FSD V13实现全链路端到端开发，从传感器数据输入到控制指令输出完全由神经网络完成，无需人工编写规则代码。2025年3月初，FSD V13已陆续向国内HW4.0硬件车型用户推送。

截至2024年Q3，特斯拉智能驾驶累计里程超32亿公里，其中50%来自FSD V12.5之后版本；训练算力达67.5EFLOPS（等效6.75万张英伟达H100芯片）。特斯拉凭借庞大的车队规模和超算中心算力，构建了数据-算法-算力的正向循环，在端到端技术成熟度和功能完整性方面保持全球领先。

2024年8月，华为发布ADS 3.0智驾系统，将GOD（通用障碍物检测）和RCR（道路场景重建）算法纳入完整的GOD感知神经网络中，实现从简单的"障碍物识别"到深度的"理解驾驶场景"的功能和性能升级。华为ADS 3.0采用PDP（预测决策规划）网络实现端到端决策规划。

截至2024年10月，华为训练算力达7.5EFLOPS，鸿蒙智行智驾里程累计超10亿公里（截至2024年11月）。华为凭借ICT领域技术积累和云侧算力优势，在感知神经网络和决策规划网络融合方面走在国内前列。

2024年5月，小鹏汽车XNet（感知网络）、XPlanner（规划网络）和XBrain（决策网络）端到端大模型量产上车，成为国内首个实现端到端智驾量产的车企。小鹏通过三网融合实现了从感知到决策规划的神经网络全覆盖。

截至2024年10月，小鹏训练算力为2.5EFLOPS，计划2025年提升至10EFLOPS；视频训练折算里程超10亿公里，其中包含2.16亿公里仿真测试数据。小鹏在端到端量产落地方面具备先发优势，2025年新车周期有望推动销量快速增长。

2024年10月，理想汽车宣布E2E（端到端模型）+VLM（视觉语言模型）双模型架构推送至AD Max车型车主。E2E模型负责快速响应和底层控制，VLM模型负责复杂场景理解和决策解释，双模型协同工作提升了系统的可解释性和安全冗余。

截至2024年12月25日，理想训练算力达8.1EFLOPS，智驾里程29.3亿公里（截至2024年12月）。理想的VLM模型是国内首个将大语言模型能力引入智驾决策系统的量产方案，在复杂场景理解和人机交互方面具备差异化优势。

国内主要智能电动车企端到端进展对比

企业	端到端进展	训练算力	智驾里程
特斯拉	FSD V13端到端开发，国内已推送	67.5EFLOPS	超32亿公里
华为	ADS 3.0 GOD+RCR融合感知	7.5EFLOPS	超10亿公里
小鹏汽车	XNet+XPlanner+XBrain量产上车	2.5EFLOPS（目标10EFLOPS）	超10亿公里
理想汽车	E2E+VLM双模型AD Max推送	8.1EFLOPS	29.3亿公里

端到端大模型对数据、算力和人才的综合要求远高于模块化方案，正加速行业分化。头部车企凭借规模优势和数据积累构筑护城河，尾部车企面临技术和成本双重压力。2025年国内算力竞赛将进一步白热化，端到端功能的消费者感知差异将直接影响终端销量表现。