陈亦伦:华为2020年就做端到端,自动驾驶系统至少有200万行代码,某些领域已远超特斯拉!这对它石智航有何帮助?
- 2026-11-11 20:11:20
引言
美国有特斯拉，中国有华为！在某些细分科技领域，华为的实力还是远超特斯拉的。
自动驾驶领域暗流涌动，华为前车BU首席科学家陈亦伦近日爆出猛料：2020年我们就做了端到端，比特斯拉还早。
当特斯拉凭借FSD在自动驾驶领域声名鹊起之时，一位关键人物却爆出惊人内幕。
曾在华为担任车BU首席科学家的陈亦伦近日透露，他在2020年主导华为ADS时就已经开始探索端到端自动驾驶系统，比特斯拉公开相关技术更早。
这位毕业于清华电子系、在美国攻读博士的科学家，先后在大疆和华为攻坚无人机和无人车技术，如今携手华为“天才少年”丁文超和百度前自动驾驶负责人李震宇，共同创立了它石智航，进军具身智能领域。
（参考阅读请点击：
《它石智航：17亿天使轮背后，把自动驾驶的“坑”种成了具身智能的“树”》）
01 技术破局：从200万行代码到3万行神经网络的跨越
2020年的华为自动驾驶团队面临着一个巨大挑战。陈亦伦回忆道：“我们的自动驾驶系统至少有200万行代码，虽然能工作，但维护成本极高。”
传统规则方法需要工程师一个个描述各种极端情况，而发现问题速度已远超解决问题速度。
陈亦伦与丁文超博士等同事决定尝试全新路径：训练一个神经网络，替代那庞大的代码库。
丁文超作为华为“天才少年”计划入选者，早在香港科技大学攻读博士期间就开发了被多家企业参考的自动驾驶决策框架EPSILON。两位技术精英强强联手，开始了大胆尝试。
结果令人震惊：他们用3万行代码训练的网络，直接实现了无人车的轨迹规划。这种“两段式”端到端架构（感知环节一个网络，规控环节另一个网络）成为了华为ADS系统的突破性创新。
陈亦伦特别强调，这一创新并非受特斯拉启发：“2020年的特斯拉AI Day还没讲端到端，讲的是感知环节如何恢复3D环境。对我们来说，感知是已知解，而规控才是真正的挑战。”
02 数据驱动：100辆车队与城中村突破
实现端到端自动驾驶的关键突破在于数据采集方法的创新。陈亦伦团队调拨了约100辆车的车队，专门采集人类驾驶数据。
“丁博每天在现场教司机开车，定义什么是‘好司机’的行为，”陈亦伦回忆道。起初进展缓慢，但当数据积累到几千小时后，网络开始显现出惊人学习能力。
真正的“GPT时刻”出现在一个极端测试场景：一个人车混行、完全非结构化的城中村。这个通过规则算法几乎无法通过的环境，却被他们的神经网络轻松攻克。
陈亦伦描述道：“我们大胆用神经网络去试，原则是‘后处理越少越好’，结果车非常流畅地穿行了过去。那一刻我意识到AI可以做Planning了。”
这一成功经验也影响了它石智航当前的数据采集策略。公司开发了“以人为中心”的数据引擎，通过可穿戴设备采集真实工作场景的数据，而非依赖传统的遥操作或仿真方式。
03 未来布局：具身智能的三道曙光与挑战
端到端自动驾驶的成功经验让陈亦伦看到了更广阔的应用前景。2024年末，他联合百度前自动驾驶事业群负责人李震宇等创办它石智航，进军具身智能领域。
陈亦伦指出了具身智能发展的三道曙光：运动控制能力的解锁、大语言模型提供的任务规划能力，以及端到端方法的验证。
同时他也提出AI发展需要跨越的三道墙：数据墙、算力墙和后训练挑战。在他看来，具身智能目前还在第一道关卡，即数据问题。
它石智航的创新之处在于不跟随主流的VLA路线，而是开发了AWE模型，追求表达时间、空间、力和环境交互等物理量。陈亦伦表示：“具身一定会有自己的独立模型，而不是在VLM上长出一个动作的头。”
对于未来发展，陈亦伦团队判断具身智能所需的数据量级至少是自动驾驶的10倍以上，即100万小时起步。目前它石已开始布局工业场景应用，展示了机器人刺绣等精细操作能力，作为其技术实力的外溢表现。
从华为ADS到它石智航，陈亦伦的技术路线一以贯之。3万行代码替代200万行，不仅是技术的胜利，更是对AI发展路径的深刻洞察。
随着它石智航在天使轮融资2.4亿美元，创下中国具身智能领域纪录，这场由端到端技术开启的智能革命，正迎来更广阔的应用天地。
来源：春公子
备注：本文略有编辑，标题有修改
期待您的关注、点赞、在看、转发
