小马智行楼天城的这个很观点很有意思：
“人类司机可能因为严重身体问题失去驾驶能力，但人不接受机器失效。再比如一些鬼探头的场景，人类司机尽力了，有时可以是无责，但大家不接受 AI 这样。所以 AI 就算真的完美模仿了人类司机，也不满足人的要求。
越是优秀的人类司机，你向他学，越是反向优化。
因为人开车，是眼观四路、耳听八方，不是看传感器的数据，他有一些传感器没法得到的信息，包括他的经验。所以越优秀的司机，让他用传感器数据开车，（决策）偏差就越大。
这背后是 Learning by Watching 的局限，就是它是一个开环训练。这时，自动驾驶车辆无法自己判断是学得更好还是更差了，而向优秀司机学的策略，会放大系统和人类司机的输入偏差。这两个加起来，就会导致反向优化。”
端到端很火，大家挤破头，很可能多数是资源浪费，数据各家根本不能复用。端到端的挑战：需要大量车队参与的训练学习+高昂模型学习成本+必须持续迭代。
小米正在高薪挖人，搭建自己万卡集群，大模型团队成立之初是6500张GPU，都是财力…
