他強(qiáng)調(diào)，端到端技術(shù)雖然能夠提供強(qiáng)大的泛化能力，但在安全性方面存在不確定性，尤其是在處理所謂的"長尾問題"時(shí)，即那些不常見但可能引發(fā)嚴(yán)重后果的交通場(chǎng)景。

朱教授還提到，國內(nèi)車企在數(shù)據(jù)量和AI訓(xùn)練算力方面與特斯拉相比還有較大差距。

例如，特斯拉在美國銷售了超過170萬輛車，擁有龐大的數(shù)據(jù)采集網(wǎng)絡(luò)，而國內(nèi)車企則依賴用戶車輛采集數(shù)據(jù)，銷量越大，數(shù)據(jù)越豐富。

朱西產(chǎn)認(rèn)為，國內(nèi)車企應(yīng)采取分段式端到端方案，即在感知端實(shí)現(xiàn)端到端，同時(shí)在規(guī)控算法上保留安全準(zhǔn)則模型，這種技術(shù)路線更為合理。

他還預(yù)計(jì)，在未來一兩年內(nèi)，大模型上車的可能性不大，因?yàn)樗璧母咚懔υ谲嚩瞬贾蒙先源嬖陔y題。