朱西产称特斯拉端到端技术使自动驾驶更可能，但存在安全不确定性，国内车企在数据量和AI训练算力上与特斯拉有差距，应采取分段式端到端方案，且未来一两年大模型上车有难题。

🧐特斯拉的端到端技术虽让自动驾驶更有可能，但其强大的泛化能力在安全性上有不确定性，尤其在处理‘长尾问题’时，可能引发严重后果的交通场景需重视。

📊国内车企在数据量和AI训练算力方面与特斯拉差距较大。特斯拉在美国销售超170万辆车，有庞大数据采集网络，国内车企依赖用户车辆采集数据，销量影响数据丰富程度。

💡朱西产认为国内车企应采取分段式端到端方案，在感知端实现端到端，同时在规控算法上保留安全准则模型，这种技术路线更为合理。

🚗朱西产预计未来一两年内，大模型上车可能性不大，因为车端布置所需的高算力仍存在难题。

快科技8月18日消息，据媒体报道，在近日的第四届沈阳智能网联汽车挑战赛上，同济大学汽车学院教授朱西产表示：

“特斯拉的端到端、人工智能让自动驾驶更加成为可能，端到端被特斯拉带火了，国内的车企都在说端到端，但现在，谁宣布端到端了，他的这个车你就别买。”

他强调，端到端技术虽然能够提供强大的泛化能力，但在安全性方面存在不确定性，尤其是在处理所谓的"长尾问题"时，即那些不常见但可能引发严重后果的交通场景。

朱教授还提到，国内车企在数据量和AI训练算力方面与特斯拉相比还有较大差距。

例如，特斯拉在美国销售了超过170万辆车，拥有庞大的数据采集网络，而国内车企则依赖用户车辆采集数据，销量越大，数据越丰富。

朱西产认为，国内车企应采取分段式端到端方案，即在感知端实现端到端，同时在规控算法上保留安全准则模型，这种技术路线更为合理。

他还预计，在未来一两年内，大模型上车的可能性不大，因为所需的高算力在车端布置上仍存在难题。