經(jīng)濟觀察網(wǎng) 周信/文 2025年2月22日，在“2025全球開發(fā)者先鋒大會（GDC）”的商湯大模型生產(chǎn)力論壇上，商湯絕影CEO、商湯科技聯(lián)合創(chuàng)始人、首席科學家王曉剛發(fā)布了行業(yè)首個“與世界模型協(xié)同交互的端到端智能駕駛路線R-UniAD”。

在推動人工智能技術(shù)進步的過程中，算法、算力和數(shù)據(jù)是三大要素。在自動駕駛領(lǐng)域，自2024年3月起，特斯拉的“端到端”解決方案成為整車企業(yè)認可的主流智能駕駛方案。擁有強大學習和泛化能力、多模態(tài)融合能力、創(chuàng)新應(yīng)用和功能拓展的大模型，在端到端系統(tǒng)比拼中起著至關(guān)重要的角色。

但此前的端到端智能駕駛方案仍存在諸多問題。首先，端到端的智能駕駛本質(zhì)上是通過海量的人類駕駛數(shù)據(jù)來實現(xiàn)最佳的“模仿”駕駛效果。相比特斯拉擁有700萬輛智駕車型的保有量，國內(nèi)各車企向市場推出的高階智駕車型較少，且每個車主的駕駛習慣不同，因此，在高質(zhì)量的場景和駕駛數(shù)據(jù)方面存在短板。

其次，生產(chǎn)高質(zhì)量數(shù)據(jù)需要大裝置算力基礎(chǔ)設(shè)施。動輒千萬Clips的高質(zhì)量數(shù)據(jù)回流，在數(shù)據(jù)存儲、算力資源等方面有著較高的規(guī)模門檻。目前特斯拉的Giga Texas數(shù)據(jù)中心的算力超過100 EFLOPS，國內(nèi)車企與之相比差距巨大。

再者，就技術(shù)而言，模仿學習的范式可以讓智駕技術(shù)做到接近人類但難超越人類。智駕技術(shù)要想超越人類智駕水平，必須在上述三個方面都實現(xiàn)超越，但國內(nèi)沒有哪個車企或智駕公司能夠做到如此。

年初DeepSeek的火爆給智能駕駛行業(yè)來了啟示，大模型訓練從模仿學習到強化學習這一思路被廣泛認可。DeepSeek-R1帶來的啟示是，通過少量高質(zhì)量數(shù)據(jù)的冷啟動，模型進行多階段的強化學習訓練，降低了數(shù)據(jù)規(guī)模的門檻。更重要的是，強化學習讓大模型有了長思維鏈能力，推理效果顯著提升，甚至可能具備超越人類的思維能力。同時，純強化學習訓練讓端到端智駕模型能夠探索多元場景和駕駛風格，最終讓自動駕駛技術(shù)超越人類。

據(jù)官方介紹，商湯絕影的R-UniAD端到端技術(shù)路線與DeepSeek技術(shù)思路同源。商湯絕影于2023年3月發(fā)布了UniAD端到端自動駕駛方案，2024年11月發(fā)布了“開悟”世界模型。

R-UniAD以高質(zhì)量數(shù)據(jù)冷啟動，用模仿學習訓練出一個端到端基礎(chǔ)模型，再通過強化學習方法進行訓練。通過小樣本多階段學習的技術(shù)，讓端到端自動駕駛的數(shù)據(jù)需求降低一個數(shù)量級。

在論壇現(xiàn)場，商湯絕影展示了“開悟”世界模型與主車閉環(huán)交互的方式。通過場景庫文件導入一個BEV視角下的初始主車和他車位置，世界模型自動生成主車視角下11V（11個攝像頭）的傳感器仿真數(shù)據(jù)，端到端模型接收到這一數(shù)據(jù)后，生成主車下一時刻位置并進行反饋，世界模型根據(jù)刷新的主車位置和預(yù)測的他車位置渲染新的11V傳感器仿真數(shù)據(jù)。

值得一提的是，因為高質(zhì)量數(shù)據(jù)的生成需要更高的算力，相比其他競爭者，商湯絕影的優(yōu)勢在于，其既擁有大裝置算力基礎(chǔ)設(shè)施，又有云端自動駕駛大模型。

依托商湯科技，商湯絕影可汲取的算力達20 EFLOPS，而目前“蔚小理（蔚來、理想、

小鵬）”三家新勢力公布的算力數(shù)據(jù)總和還不到10 EFLOPS。商湯絕影“開悟”世界模型的1個GPU產(chǎn)生的仿真數(shù)據(jù)相當于500臺量產(chǎn)車的數(shù)據(jù)采集效果，商湯絕影擁有超5.4萬塊GPU。

在2025年4月即將到來的上海車展上，商湯絕影將正式發(fā)布R-UniAD端到端自動駕駛方案，量產(chǎn)的端到端智駕方案預(yù)計在今年年底交付落地。