自动驾驶技术的发展存在代码复杂度与维护成本的双重困境。据陈亦伦介绍，华为自动驾驶系统在传统规控阶段已积累200万行代码，虽然能够应对复杂城市路况，但随着场景增加，代码维护成本呈指数级增长，系统的可扩展性和可靠性面临严峻挑战。该问题的出现反映了传统规则编码方法在处理极端场景时的根本局限。 针对这一难题，陈亦伦团队采取了创新的技术路线。他们大胆引入神经网络技术，用3万行代码构建起可规划车辆轨迹的端到端网络，实现了代码量的数十倍压缩。这一方案的核心创新在于采用"两段式"架构设计，将感知与规控环节分别构建为独立的端到端网络，既保证了系统的模块化特性，又运用了神经网络的学习能力。 闭环AI规控是自动驾驶领域的关键难题。在真实驾驶场景中，车辆的每一个动作都会实时改变周围环境状态——变道可能引发相邻车辆让行或抢行，这种动态交互的复杂性使得传统规则编码难以穷举所有可能的极端场景。陈亦伦团队通过调度百辆测试车采集人类驾驶数据，由首席科学家丁文超现场定义驾驶行为标准，在积累数千小时数据基础上训练神经网络模型。最终，该模型成功通过了非结构化城中村路况的严苛测试，证明了端到端方案在复杂真实环境中的可行性。 从技术时间线看，这一突破具有重要的历史意义。陈亦伦强调，2020年特斯拉尚未提出端到端自动驾驶方案，当时特斯拉的研发重点仍聚焦于感知层的鸟瞰视角（BEV）技术。华为团队率先在规控环节实现了从规则编码向神经网络的跨越，这标志着自动驾驶技术发展的一个重要转折点。陈亦伦将这一时刻称为自己的"GPT时刻"，意指AI在规划决策领域的能力突破，预示着人工智能在自动驾驶领域应用的新阶段。 该技术方案已在实际应用中得到验证。华为ADS 1.0智能驾驶系统曾应用于极狐阿尔法S等车型，为用户提供了更加流畅和自然的驾驶体验。这一成果的取得，凝聚了华为自动驾驶团队多年的技术积累和创新探索。 陈亦伦在2022年离开华为后，先后加入清华大学智能产业研究院，于2024年末投身具身智能创业领域，与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。这一动向表明，端到端自动驾驶技术的突破正在推动产业生态的继续演进，吸引更多技术专家投身新创新实践。
端到端自动驾驶的发展表明，智能驾驶正进入以系统工程和安全治理为核心的新阶段。技术突破固然重要，但更关键的是在复杂交通环境中建立可持续迭代的能力边界和责任体系。只有在确保数据合规、评测透明、安全可控的前提下推进创新，才能让技术进步真正提升道路安全和出行体验。