苏箐在谈到自动驾驶的端到端架构颠覆了过去十几年（从 2009 GoogleX 自动驾驶实验室成立 - 2023 特斯拉 FSD v12 出来前）的模块化架构，预测未来 3 年的行业技术趋势，是这么说的：「我个人判断，很大的概率是未来三年是在现有的系统上做极致的优化，而不是一种理论内核的重构，所以大家别太嗨，又进入苦日子的阶段了。」我在下面听的时候就在想，未来 3 年，一个可在全球任意国家任意场景运行的 L5 自动驾驶系统还缺什么？还缺「持续（在线）学习」、「全局记忆」。对于自动驾驶来说，如果一个模型可以持续学习，拥有全局记忆，意味着这个模型不依赖 OTA 就可以迭代，可以自主处理从未见过的场景并从中学习，进一步自我提升。这个模型可以记得在探头交规执行严格的一线城市比如上海，开车要更加注重合规，在探头少、弱路权强博弈的三线城市，开车要更加注重效率。从今天最顶尖的端到端系统特斯拉 FSD v14.2，到一个可以在线学习、全局记忆的系统，是苏箐说的「在现有的系统上做极致的优化」吗？我觉得不是，我觉得这还需要一些模型架构的根本创新，不完全是工程上优化的活儿。第二个问题是，「持续学习」、「全局记忆」有哪个顶尖的 AI Lab 搞出来了吗？答案是还没有。不过——Ilya 前些天播客里面对主持人的问题：我们怎么才能在模型中复制人类的学习效率？lIya 明显变得兴奋，说：「这是一个极好的问题，我对此也有很多想法。但遗憾的是，我们生活在一个并非所有机器学习思想都能被自由讨论的世界里，而这个问题恰恰属于其中之一。不过我认为，这种（学习）机制是可以实现的，毕竟人类的存在本身就是一种证明。」在同一个播客里，Ilya 对自己的 AI 公司 SSI 的评价是：「我们在取得进展，实际上我们在过去一年里取得了相当好的进展。」所以这个问题有点像是，押注 SSI 或其他的顶尖 AI 实验室会在未来 3 年取得重大突破，那么在随后的时间里，自动驾驶模型也会受益于此，继续有架构上的重大突破。当然，最后也要说一句，未来那个可以在线学习，拥有全局记忆的自动驾驶模型，很可能也是端到端的。从字面意义上来说，苏箐说的也没问题，很难想象还能出现什么架构能颠覆「端到端」这个最底层的范式了。
