现代自动驾驶系统的特点是将任务模块化并按顺序执行，即感知、预测和规划。为了执行多种任务并实现高级智能，当前的方法要么为每个任务部署独立模型，要么设计具有单独头部的多任务范式。然而，这些方法可能会遭受累积误差或任务协调不足的问题。相反，我们认为应该设计并优化一个有利的框架，以追求最终目标，即自动驾驶汽车的规划。为此，我们重新审视了感知和预测中的关键组件，并优先考虑这些任务，以便所有任务都能为规划做出贡献。我们引入了统一自动驾驶（UniAD），这是一个迄今为止最全面的框架，将整个驾驶任务链整合到一个网络中。该框架精心设计，旨在充分利用每个模块的优势，并从全局视角提供互补的特征抽象以促进代理之间的交互。通过统一的查询接口进行任务通信，有助于各任务相互协作以实现规划目标。我们在具有挑战性的nuScenes基准上实例化了UniAD。经过广泛的消融实验，证明了这种理念的有效性，其在各个方面均显著优于以往的最先进方法。代码和模型已公开。