在自動駕駛技術(shù)領域，陳亦倫是一位備受矚目的行業(yè)先鋒。他畢業(yè)于清華大學電子系，隨后赴美攻讀博士學位。學成歸來后，他先后投身于大疆和華為，在無人機和無人車領域展開技術(shù)攻堅。

在華為工作期間，陳亦倫擔任車BU首席科學家，成為華為ADS輔助駕駛系統(tǒng)的核心人物。他主導設計了智能輔助駕駛系統(tǒng)ADS 1.0算法全棧，組建了核心技術(shù)團隊，并推動該產(chǎn)品成功商業(yè)化應用于極狐阿爾法S等車型，為華為在自動駕駛領域的布局立下汗馬功勞。

2022年中，陳亦倫離開華為，加入清華大學智能產(chǎn)業(yè)研究院。2024年末，他投身具身智能創(chuàng)業(yè)浪潮，與百度前自動駕駛事業(yè)群負責人李震宇等人聯(lián)合創(chuàng)立了它石智航，開啟新的技術(shù)征程。

近期，陳亦倫在接受媒體采訪時透露了一個重要信息：早在2020年主導華為ADS項目時，他就已經(jīng)開始探索端到端自動駕駛技術(shù)，這一時間甚至早于特斯拉。他回憶道，當時華為的自動駕駛系統(tǒng)代碼量龐大，至少有200萬行。盡管系統(tǒng)能夠應對復雜的城市道路情況，但維護成本極高，代碼的更新和維護變得愈發(fā)困難。

面對這一挑戰(zhàn)，2020年，陳亦倫與現(xiàn)它石智航首席科學家丁文超博士（曾被華為“天才少年”計劃招募入自動駕駛部）等同事決定嘗試一種新的方法：能否訓練一個神經(jīng)網(wǎng)絡，將這200萬行代碼精簡掉？經(jīng)過努力，他們最終用3萬行代碼訓練出一個網(wǎng)絡，直接讓網(wǎng)絡負責規(guī)劃無人車的軌跡。陳亦倫表示，這就是最早的端到端自動駕駛，不過當時采用的是“兩段式”結(jié)構(gòu)，即感知環(huán)節(jié)和規(guī)控環(huán)節(jié)分別采用端到端網(wǎng)絡。

當被問及是否受到特斯拉啟發(fā)時，陳亦倫明確否認。他指出，2020年特斯拉AI Day主要聚焦于感知環(huán)節(jié)如何恢復3D環(huán)境（Vector Space），即BEV（Bird's-Eye-View，鳥瞰視角），而華為在感知方面已有成熟方案，真正的難題在于規(guī)控環(huán)節(jié)。規(guī)控是一個閉環(huán)AI系統(tǒng)，每一個動作都會影響下一刻的環(huán)境，例如選擇“加塞”時，對方可能讓行，也可能加速搶行，這種不確定性使得訓練變得極為復雜。

為了解決規(guī)控難題，陳亦倫團隊決定大規(guī)模采集人類駕駛數(shù)據(jù)，這在當時尚屬首次。他們調(diào)撥了約100輛車的車隊，專門用于數(shù)據(jù)采集。丁文超博士每天在現(xiàn)場指導司機開車，定義“好司機”的行為標準。起初，數(shù)據(jù)積累并未帶來顯著進展，但當數(shù)據(jù)量達到幾千小時后，團隊發(fā)現(xiàn)神經(jīng)網(wǎng)絡真的學到了東西，而且能力越來越強。

為了驗證端到端技術(shù)的效果，團隊選擇了一個極具挑戰(zhàn)性的測試場景——一個人車混行、道路完全非結(jié)構(gòu)化的城中村。傳統(tǒng)規(guī)則算法在這樣的場景下幾乎無法通過，但團隊大膽啟用神經(jīng)網(wǎng)絡，遵循“后處理越少越好”的原則，結(jié)果車輛非常流暢地穿行了過去。陳亦倫回憶道，那一刻他意識到AI已經(jīng)具備規(guī)劃能力，這成為他技術(shù)生涯中的一個重要里程碑。

正是這次成功，讓陳亦倫重新燃起了最初做機器人的夢想。盡管當時他還不清楚具體該如何實現(xiàn)，但決定先回到母校沉淀。經(jīng)過兩年多的積累，他終于重新出發(fā)，在具身智能領域開啟新的探索。