2月4日消息，近日，媒体晚点LatePost发布了对话它石智航创始人陈亦伦的文章。
据悉，陈亦伦毕业于清华电子系，后在美国攻读博士，毕业后曾先后在大疆和华为任职，攻坚无人机和无人车。
在华为工作期间担任车BU首席科学家，系华为ADS辅助驾驶的核心人物，曾主导设计智能辅助驾驶系统ADS 1.0算法全栈、组建核心技术团队，并推动这款产品商业化应用于极狐阿尔法S等车型。
2022年中离开华为后，陈亦伦加入清华大学智能产业研究院，2024年末投身具身智能创业，和百度前自动驾驶事业群负责人李震宇等联合创立它石智航。
在此次采访中，陈亦伦爆出了猛料：自己在2020年主导华为ADS时就已经开始做端到端，比特斯拉还要早。
陈亦伦表示，2020-2021年，我在华为第一次尝试端到端系统，那时我已经带团队做了2、3年研发。我们的自动驾驶系统至少有200万行代码，它虽然能工作，可以处理复杂的城市道路情况，但维护成本极高。
2020年，陈亦伦和丁文超博士（注：现它石智航首席科学家，曾被华为天才少年 计划招募入自动驾驶部）等同事想试一下：能不能训练一个神经网络，把这200万行代码精简掉？
最终他们用3万行代码训练了一个网络，直接让网络去规划无人车的轨迹。
陈亦伦称，那就是最早的端到端自动驾驶，只不过当时做的是 两段式（注：感知环节是一个端到端网络，规控环节是另一个端到端网络）。
当被问到做端到端是否是受了特斯拉启发时，陈亦伦断然否认。
没有，2020年的特斯拉AI Day还没讲端到端，讲的是在感知环节如何恢复3D环境（Vector Space），即BEV（Bird's-Eye-View，鸟瞰视角）。对我们来说，感知是已知解，它是开放问题，有数据、有标注就能做。
当时让他最头疼的是规控，这是一个闭环AI，产生的每一个动作都会影响下一刻的环境，比如选择 加塞，对方可能让行，也可能加速抢行。
这种闭环AI怎么训练？当时没人有把握，但靠传统规则方法一个个描述corner case（极端情况），代码已经堆到了200万行，发现问题的速度已远超解决问题的速度，所以必须用新的方法。
解决这个老大难需要大规模采集人类驾驶数据，这在之前还没人做过，我们当时调拨了约100辆车的车队，专门干这一件事。丁博（丁文超）每天在现场教司机开车，定义什么是‘好司机’的行为。
陈亦伦介绍称，起初没看到显著进展，但当数据积累到几千小时后，会发现网络真的学到了东西，而且越来越厉害。
于是选了一个极难的测试场景一个人车混行、完全非结构化的城中村，通过规则算法几乎无法通过。
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，那一刻就是我的‘GPT Moment’，我意识到AI可以做Planning（规划）了。
也正是因为看到了端到端的成功，陈亦伦重新拾起了自己最初做机器人的梦想，但由于那时还不知道具体怎么做，所以选择先回到母校，用了2年多时间，终于重新出发。
