智能駕駛和具身智能領域正加速轉向端到端神經網絡架構，以替代傳統分模塊規則系統。該範式轉變使研發重心從算法設計轉向數據驅動的閉環體系構建，對數據規模、算力強度及工程穩定性提出指數級要求。

卓馭AI首席技術官陳曉智指出，傳統‘打地鼠’式應對極端場景的方法已觸達天花板，而端到端模型通過傳感器輸入直接映射駕駛動作，具備更強泛化能力。自變量機器人CEO王潛強調，機器人與物理世界交互複雜度遠超車輛，模塊化系統誤差易累積放大，必須依賴統一模型學習物理共性規律，端到端成為具身智能唯一可行路徑。

轉向數據密集型研發帶來三重現實挑戰：其一，數據量達PB至EB級，部分客戶算力需求達萬卡規模；其二，長周期分佈式訓練任務對基礎設施穩定性極為敏感，早期自建平台常因細小波動導致整輪失敗；其三，數據質量與分佈重要性遠超數量，一條高質量真實世界數據對模型訓練的有效性可達普通數據的數千倍乃至數萬倍。行業由此建立精細化數據運營指標，如‘數據效率比’與‘TTE’（Time to Experience）評估模型。

為應對上述挑戰，阿里雲在2025雲棲大會上推出‘Data+AI’一體化平台。該平台包含三層能力：一是穩定可靠的算力底座，依託ODPS平台十餘年高併發實戰經驗，結合自研交換機、Serverless架構與自愈運維體系，實現硬件故障對上層無感替換；二是高度智能化的數據流水線，通過MaxFrame等加速技術及極致彈性併發能力，顯著壓縮PB級數據處理周期；三是開放前沿的工具生態，集成NVIDIA Physical AI軟件棧與世界模型，在PAI平台提供覆蓋數據管理、模型開發、訓練、部署全鏈路的專用優化能力。

目前，超過80%的中國車企及多家頭部機器人企業已將其數據處理與模型訓推鏈路部署於阿里雲大數據AI平台。阿里巴巴集團CEO吳泳銘指出，AI從‘輔助人’邁向‘超越人’的前提是連接並理解真實世界的全量原始數據，新一代自動駕駛正是基於海量原始攝像頭數據實現能力躍升。阿里雲所構建的已不僅是IT基礎設施，而是承載AI時代核心生產力的‘超級AI雲’——以數據為養料、以一體化數字地基為運行前提，支撐更高階自動駕駛與更通用機器人落地，最終服務於出行安全提升與人類勞動解放的實際目標。