据悉，陈亦伦毕业于清华电子系，后在美国攻读博士，毕业后曾先后在大疆和华为任职，攻坚无人机和无人车。
在华为任职期间，他担任车BU首席科学家，是华为ADS辅助驾驶的核心人物。期间，他主导设计了智能辅助驾驶系统ADS 1.0的算法全栈，组建了核心技术团队，并推动该产品实现商业化，成功应用于极狐阿尔法S等车型。
2022年年中从华为离职后，陈亦伦选择加入清华大学智能产业研究院；到了2024年末，他投身具身智能领域的创业浪潮，与百度前自动驾驶事业群负责人李震宇等人携手，联合创立了它石智航。
在此次采访中，陈亦伦爆出了猛料：自己在2020年主导华为ADS时就已经开始做端到端，比特斯拉还要早。
陈亦伦说：“2020到2021年期间，我在华为首次接触端到端系统的研发工作，当时我已经带领团队做了两三年的研发项目了。我们开发的自动驾驶系统代码量最少有二百万行，这套系统确实能够正常运行，也可以应对复杂的城市道路场景，不过它的维护成本却非常高。”
2020年，陈亦伦和丁文超博士（注：现它石智航首席科学家，曾被华为“天才少年” 计划招募入自动驾驶部）等同事想试一下：能不能训练一个神经网络，把这200万行代码精简掉？
最终他们用3万行代码训练了一个网络，直接让网络去规划无人车的轨迹。
陈亦伦称，那就是最早的端到端自动驾驶，只不过当时做的是 “两段式”（注：感知环节是一个端到端网络，规控环节是另一个端到端网络）。
当被问到做端到端是否是受了特斯拉启发时，陈亦伦断然否认。
没有，2020年的特斯拉AI Day还没涉及端到端的内容，当时重点讲的是感知环节里如何重建3D环境（也就是Vector Space，即鸟瞰视角BEV）。在我们看来，感知不算什么开放问题，它其实是有已知解法的——只要有数据、有标注就能推进。
当时让他最头疼的是规控，这是一个闭环AI，产生的每一个动作都会影响下一刻的环境，比如选择 “加塞”，对方可能让行，也可能加速抢行。
这种闭环AI该如何训练？当时没人能确定，但采用传统规则方法逐一描述corner case（极端情况），代码量已经累积到200万行，结果发现问题的速度远远超过了解决问题的速度，因此必须换用新的方法。
要攻克这个长期棘手的问题，就得进行大规模的人类驾驶数据采集，而这在过去是从未有人涉足的领域。“当时我们调配了一支由大约100辆车组成的车队，全身心投入到这件事上。丁博（丁文超）则每天驻守现场指导司机驾驶，明确界定‘优秀司机’的行为标准。”
陈亦伦介绍称，起初没看到显著进展，但当数据积累到几千小时后，会发现网络真的学到了东西，而且越来越厉害。
于是选了一个极难的测试场景——一个人车混行、完全非结构化的城中村，通过规则算法几乎无法通过。
我们大胆尝试用神经网络，秉持“后处理越少越好”的原则，结果车辆极其流畅地完成了穿行。那一刻于我而言，就是专属的“GPT Moment”——我猛然意识到，AI是能够胜任Planning（规划）任务的。
正是看到了端到端的成功，陈亦伦重新燃起了最初做机器人的梦想。不过当时他还不清楚具体该如何着手，于是决定先回到母校，经过两年多的沉淀与积累，最终得以重新出发。
