采访楼教主的文章，反复阅读，应该是目前聊端到端天花板的内容。有几个非常有意思的讨论：
1、端到端的开始其实非常早，比如前融合就有端到端的开始，因为前融合解决的就是传感器信息丢失的问题。
2、端到端不是大模型，模型有大有小，但没有一个东西叫大模型。
3、过度的数据就是负担，端到端或者大语言模型的本质，只是拟合现有数据，并没有给出某些智能逻辑。
这类似于跟一个棋艺不高的人下棋过招，自身水平也难以精进，类似臭篓棋子的数据越多，数据就会变成负担，垃圾数据越多，干扰也会越大。
4、端到端的黑盒不可解释是存在的，但它做的事情可能是对的，只是我们当时没有想到而已。端到端确实解释性差，但没有差到让你不安心，他不是一个blocker。
5、小马有 L2 的世界模型，但训练这样一个世界模型不需要太多数据，用 L4 灌一灌就行，大概是 3000 多万公里的高质量里程数据，训练半年，没有投入太多人力。
6、世界模型是最重要的事情，可能没有之一。
7、L4 的表现要好于正常人类的 10 倍，但 L2 不需要，L2 本来就是人类驾驶辅助，只要跟人想的一样就行了。但 L4 的系统可能你都不知道哪个更好，但又不能限制它，所以需要一个更好的教练（世界模型）。比如做一种比较的方法，虽然不知道哪个自驾系统是最好的，但我知道 A 比 B 好。
8、世界模型可以理解为对真实世界的仿真与建模，可以认为它是一个评价体系。比如有个在美国开了很多年车的老师傅告诉我，美国行人过十字路口不看车的。他只说这一件事，所以我开车就得注意旁边的人。我就是端到端模型，但老师傅就是世界模型。
9、编程竞赛圈有个习惯，大牛们会经常分享自己的解决思路，叫题解。大家都是先把题做出来了后再写题解，而不是自己还没做出来就开始教别人怎么做。
#新能源汽车##大v聊车#
