Core Viewpoint - The article discusses the challenges and opportunities faced by SenseTime's autonomous driving division, particularly focusing on the competitive landscape and the importance of technological advancements in the industry. Group 1: Company Developments - The head of the world model development for SenseTime's autonomous driving division has left the company, which raises concerns about the future of their cloud technology system and the R-UniAD generative driving solution [2][3]. - SenseTime's autonomous driving division has successfully delivered a mid-tier solution based on the J6M model to GAC Trumpchi, but the mid-tier market is expected to undergo significant upgrades this year [4]. Group 2: Market Dynamics - The mid-tier market will see a shift from highway-based NOA (Navigation on Autopilot) to full urban NOA, which represents a major change in the competitive landscape [4]. - Leading companies are introducing lightweight urban NOA solutions based on high-tier algorithms, targeting chips with around 100 TOPS computing power, which are already being demonstrated to OEM clients [4]. Group 3: High-Tier Strategy - The key focus for SenseTime this year is the one-stage end-to-end solution, which has shown impressive performance and is a requirement for high-tier project tenders from OEMs [5]. - Collaborations with Dongfeng Motor aim for mass production and delivery of the UniAD one-stage end-to-end solution by Q4 2025, marking a critical opportunity for SenseTime to establish a foothold in the high-tier market [5][6]. Group 4: Competitive Landscape - SenseTime's ability to deliver a benchmark project in the high-tier segment is crucial for gaining credibility with OEMs and securing additional projects [6][7]. - The current window of opportunity for SenseTime in the high-tier market is limited, as many models capable of supporting high-tier software and hardware costs are being released this year [6][8].

今天自动驾驶之心为大家分享 英伟达、复旦大学 最新的工作！ GTRS：可泛化的 多模式端到端轨迹规划! 如果您有相关工作需要分享，请在文末联系我们！ 自动驾驶课程学习与技术交流群事宜，也欢迎添加小助理微信AIDriver004做进一 步咨询 >>点击进入→ 自动驾驶之心 『端到端自动驾驶』技术交流群 论文作者 | Zhenxin Li等 编辑 | 自动驾驶之心 论文链接：https://arxiv.org/abs/2506.06664 Github：https://github.com/NVlabs/GTRS NVIDIA技术博客：https://blogs.nvidia.com/blog/auto-research-cvpr-2025/?ncid=so-nvsh-677066 CVPR 2025 Autonomous Grand Challenge: https://opendrivelab.com/legacy/challenge2025/index.html 点击下方 卡片 ，关注" 自动驾驶之心 "公众号 戳我-> 领取 自动驾驶近15个 方向 学习 路线 端到端自动驾驶挑战赛背景 NAVSIM v2 ...

以下文章来源于深蓝AI ，作者深蓝学院 深蓝AI . 专注于人工智能、机器人与自动驾驶的学习平台。 近半年端到端自动驾驶推荐度最高的10篇论文，是由深蓝AI调研了数十位自动驾驶一线研究者后得出的。 深蓝AI自己的定位是人工智能、机器人与自动驾驶的学习平台，受众是相关的技术从业人员。 原标题是" 盘点｜近半年「端到端自动驾驶」推荐度最高的10篇论文 "，并没有带理想，这10篇论文本身也是去中心化排列的，不存在理想公关的 部分。 TOP2非常明显得感知到过去一年，理想在面向自动驾驶从业群体的号的存在感越来越强，甚至可以说，如果是面向母语为中文的自动驾驶从业群 体的号，在过去一年，已经不可能不多发几篇理想的内容。目前理想在面向AI从业群体的号的存在感，还不算特别强，还是有不少AI号主对理想做 AI感知不强。 额外提醒读者留意3点: 1. 李想在24Q4电话会议上比喻端到端是猴子开车，VLM是副驾的人类，给猴子一些指令，VLA是主驾就是人类在开车。即我们合情预期，VLA的 拟人感可以明显比VLM上一个台阶。 从技术架构来说，VLM是两个系统，系统1本质是通过模仿学习的方式端出轨迹，不具备任何语意理解的能力。(对应猴子 ...

科技创新在于灵光乍现的一刻。在端到端领域，商汤绝影CEO王晓刚是最先发现机会的那批人。 《21汽车·一见Auto》发现，2017年，王晓刚在参与的一篇论文中*最先提到"端到端"。彼时，他想解决 计算机视觉在处理不同语义层次任务中的孤立性问题，受人类视觉系统处理信息方式的启发，他们便提 出了一种端到端的多级场景描述网络（MSDN）。 简而言之，在计算机视觉处理时，王晓刚提出通过端到端架构去减少中间模块传递时的误差。 他们甚至试图将端到端运用到实践之中，这个时间点比特斯拉早了近6年。 2017年，本田找到商汤科技团队，合作L4自动驾驶项目。"本田给出的要求就是纯视觉、没有高精度地 图，根据图像直接去规划行驶轨迹"，王晓刚说，"跟今天端到端自动驾驶的要求一样。"但受限于当时 的网络结构、硬件算力、云端算力等客观条件，量产并未能落地。 技术落地需要天时、地利、人和。"我们第一个提出来端到端自动驾驶的方案，但是大家都不信，也不 知道怎么用，行业认知还没有到达一定程度。"王晓刚回忆。 那几年，自动驾驶行业也处于混沌期。车企和自动驾驶公司在纯视觉和激光雷达路线间摇摆，关于未来 智驾的进化路线，行业内并没有统一认知。 因此， ...

• IP 授权费用包括一次性支付的授权费和年度维护费，以及根据芯片销量收 取的版税。例如，一个 BPU IP 授权费大约为 3,000 万元，同时每年需支 付约 10%的维护费，即 200 万元，以及按 5%的比例提成。 • 工信部新规对头部智能驾驶企业影响不大，但可能拉开二梯队之间的差距， 比拼谁的车更多、谁能投入更多成本进行内部测试和迭代发版，从而影响 市场竞争格局和投资决策。 Q&A 主机厂自研算法的主要难点和壁垒是什么？ 主机厂在自研算法方面面临的主要难点和壁垒包括技术能力、开发周期、投入 成本以及数据闭环能力。首先，技术能力方面，传统主机厂在端到端研发过程 中，对于算法的理解和开发能力显著弱于新势力及头部第三方企业。这与内部 领军人物的水平差异有关。此外，传统主机厂更多的是集成或购买算法进行适 配，而非从零开始自主研发。其次，开发周期方面，新势力及头部第三方企业 通常能够在一到两周内迭代一个版本，而传统主机厂迭代速度较慢。再次，资 金投入方面，自研自动驾驶算法非常烧钱，例如头部企业人均薪酬超过 50 万 元，以及算力储备和租赁每年投入达数亿元。最后，在数据闭环能力上，由于 智能化渗透率低，传统车企的 ...