在 2026 年 4 月 12 日举行的智能电动汽车发展高层论坛（AI+ 汽车主题论坛）上，清华大学车辆学院与人工智能学院教授李升波表示，端到端训练已成为具身智能的重要范式，但国内自动驾驶在该方向仍面临数据规模不足、算力受限及算法成熟度不够三大挑战。他建议通过仿真技术扩充数据生成，并加强高效算法研发，以减少对大规模真实数据和高算力的依赖。自 2018 年起，清华大学团队推广两段式端到端模型，结合仿真与实车数据，开发了高保真仿真软件及强化学习平台 GOPS，并于 2024 年完成国内首个全神经网络架构端到端自动驾驶模型的开放道路测试。李升波还指出，相较自动驾驶，具身智能机器人的训练难度高出 5 至 10 倍，需百亿级数据片段和约 100B 参数量，当前行业普遍低估该难度。他预测，物理智能领域将在未来 10 至 15 年催生大量新技术与企业，而生物智能时代则需更长时间发展。