当前很多车企在智能驾驶领域中对于“端到端”技术确实存在严重的过度宣传问题。

实现“端到端”的智能驾驶非常昂贵，需要大量的计算能力来训练模型，还需要高质量的数据和精确的轨迹记录。找到合适的数据并且确保这些数据能够覆盖各种情况是非常困难的。如果数据不够全面或者不平衡，那么训练出来的系统可能无法很好地应对真实世界中的复杂场景。

目前很多研究还在使用简单的开环测试（即没有反馈的测试），而更复杂的闭环测试（考虑传感器输入和车辆行为之间的互动）仍然是一个未解决的问题。仿真环境难以完美模拟现实世界的情况，这使得准确评估系统性能变得十分棘手。

比如，在红绿灯前停车这个例子中，很难确定车辆是因为看到了红灯才停下的，还是因为它模仿了前面车辆减速的行为。这种不确定性可能导致神经网络学习到不正确的逻辑。

即使发现了某个特定问题并试图通过添加更多相关数据来修复它，也可能会无意中引入新的问题。因此，在调整训练数据时必须格外小心。

尽管存在上述种种挑战，但许多公司为了保持竞争力，仍然选择大肆宣传其“端到端”技术的进步。

大家不要被过度乐观的宣传蒙蔽，而是要认识到智能驾驶技术尤其是端到端方法仍然面临着许多技术和实践上的挑战。不是所有声称实现了“端到端”的公司都真的做到了这一点，也不是那些没有高调宣称自己是“端到端”的公司在技术上就一定处于劣势。