盖世汽车讯 4 月 12 日，在智能电动汽车发展高层论坛（2026）—— AI+ 汽车论坛主题论坛上，清华大学车辆学院、人工智能学院教授李升波指出，端到端训练已成为具身智能的重要范式，但国内自动驾驶领域仍面临数据规模、算力及算法成熟度三大挑战。

李升波认为，应通过仿真技术扩大数据生成，并重视高效算法研发，以降低对传统数据与算力扩张的依赖。清华大学自 2018 年起推广两段式端到端模型，融合仿真与实车数据，并研发了高保真仿真软件及强化学习平台 GOPS。2024 年，团队完成了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。

对比具身智能机器人，李升波强调其训练难度较自动驾驶高出 5-10 倍，数据片段需达百亿级，参数量门槛约 100B，行业普遍低估了这一挑战。他预测，物理智能领域未来 10-15 年将涌现大量新技术与新企业，而生物智能时代则需更长时间。