端到端自動駕駛的成本受到多種因素的影響。

首先是模型訓練成本，像特斯拉的 FSD 累計學習的人類駕駛視頻片段超 2000 萬個，僅采集成本就達 50 億至 80 億元。

其次是數據采集、清洗和篩選的成本，這是極具挑戰(zhàn)性的工作。

另外，端到端自動駕駛還需要大量的算力支持，比如理想有五千張 A100、A800 等同的訓練卡，租卡一年就需 10 億。

在硬件方面，傳感器成本和芯片成本也不能忽視。Nullmax Intelligence 采用純視覺路線，不使用高精地圖，其低中高三大技術方案中，僅搭載 1 顆攝像頭的 1V 方案，基于一顆來自 TI 的 2 TOPS 算力芯片，可實現基礎的 L2 級別輔助駕駛，成本在小幾千塊錢范圍內。

特斯拉 Robotaxi 的車輛成本預計低于 3 萬美元。蔚來最新的 OTA 包含了業(yè)內首個應用端到端技術的 AEB，用了 20 億公里的數據集來訓練這個端到端模型。

總之，端到端自動駕駛的成本較高，需要在技術研發(fā)、數據采集、算力支持和硬件配置等方面投入大量資金。