7月12日第六届全球汽车技术发展领袖峰会上，地平线总裁陈黎明演讲部分内容：
1、端到端大模型的核心要素：算法、数据和算力、工程能力。
2、对于端到端大模型在自动驾驶领域的落地，不会一蹴而就，需要逐步去实现。从规则驱动到数据驱动，技术迭代的“跷跷板效应”无法全面提升系统能力。规则驱动的软件1.0基于大量人工规则，系统上限低，下限可控；数据驱动的端到端系统，能够实现信息无损传递，系统上限高，而下限不可控。在目前缺乏足够数据的条件下，还是需要逐步实现端到端，一个模块、一个模块去替代，完成端到端的同时做好安全兜底，以这种比较坚实的工程基建和快速迭代的方式，能够一步步提升系统的性能上限，同时也能够保证系统性能的下限。
3、包括模型本身、算法本身也在不断发展。我们之前用得比较多的神经网络都是卷积神经网络（CNN），目前比较流行的是Transformer，Transformer里面有特殊的算子，需要硬件去支持它。这要求我们在硬件设计上更好地支持这些特殊的算子，使得整个计算效率更高。这是逐步实现的过程。
4、关于数据，特斯拉今年推出的FSD V12.3版本很惊艳，它在很短的时间里面用了一千万个样本视频，来训练它的自动驾驶这部分。一千万个样本是从100亿个样本里面提取出来的高质量数据，对于我们自动驾驶在中国落地的话，现在的数据积累远远不够。怎么得到这些数据，也是现在整个行业面临的挑战。主机厂的确有很多数据，但很多数据是不是真正高质量有用的？这是一个值得探讨的问题。因为对于特斯拉积累的100亿的数据，它是基于在标准传感器的框架下收集起来的，它有延续性，它在过去几年的积累可以继续用来训练它的一些最新的模型。
5、我们目前遇到的困难是很多车型和传感器的架构、传感器的布置和采用等都在不断变化，我们虽然收集了很多数据，但这些数据不是高质量地积累起来并且能够持续使用的，这块也是我们接下来不光是某个企业，而是整个行业要去探讨的问题。也就是说，主机厂和科技企业怎么能够协同起来解决这个问题，这是大家要共同探讨的。