商湯絕影王曉剛：正基于R-UniAD與車企共研L3方案

近日，地平線創(chuàng)始人余凱指出，99%的人類駕駛行為是不值得學(xué)習(xí)的，仿真強(qiáng)化學(xué)習(xí)更為重要。這與商湯絕影日前發(fā)布的強(qiáng)化學(xué)習(xí)技術(shù)路線不謀而合。

“某種意義上來說，余凱的觀點(diǎn)是有道理的。尤其是在端到端的研究范式下，模型根據(jù)你輸入的視頻去預(yù)測自車行駛軌跡，但是大部分的時間，它只是很簡單的直行狀態(tài)。”

商湯絕影CEO、首席科學(xué)家王曉剛指出，只有駕駛行為發(fā)生改變的數(shù)據(jù)才有價值，而且通過參差不齊的駕駛行為數(shù)據(jù)，以及簡單場景的數(shù)據(jù)，只能讓模型達(dá)到人類平均水平。

基于這種背景，以及強(qiáng)化學(xué)習(xí)的新啟發(fā)，商湯絕影（以下簡稱「絕影」在上海車展發(fā)布了一系列的技術(shù)進(jìn)展。

其中包括生成式智駕R-UniAD技術(shù)方案、近實(shí)時在線交互的4D世界模型「絕影開悟2.0」，以及專為車載AIOS打造的AI內(nèi)核「絕影千機(jī)」。

世界模型步入2.0階段

今年，絕影以DeepSeek為啟發(fā)，推出了強(qiáng)化學(xué)習(xí)的新范式——Reinforced-UniAD（R- UniAD），進(jìn)一步拉高模型能力上限。

在車展現(xiàn)場，絕影展示了基于構(gòu)建集VLAR （視覺-語言-行動-強(qiáng)化學(xué)習(xí)）技術(shù)架構(gòu)的R-UniAD技術(shù)方案。

例如，以「施工占道剎停」路測視頻作為輸入，R-UniAD基于絕影開悟世界模型的4D仿真復(fù)現(xiàn)，然后端到端模型生成該場景下各種可能駕駛策略，并與世界模型生成的環(huán)境交互，反復(fù)強(qiáng)化學(xué)習(xí)中找到最優(yōu)路徑，能預(yù)判施工占道，絲滑變道繞行。經(jīng)過泛化訓(xùn)練后，遇到類似場景，端到端模型也能及時變道，并顯著提升對此類施工場景的泛化交互能力。

同時，絕影也宣布，其世界模型「絕影開悟」升級為2.0版本，進(jìn)化為近實(shí)時在線交互的4D世界模型。

它能夠?qū)崿F(xiàn)「復(fù)雜場景自由復(fù)現(xiàn)」，也具備近實(shí)時交互能力，比行業(yè)SOTA 提升5 倍之多，讓仿真訓(xùn)練過程更加高效和逼真，且感知結(jié)果接近真實(shí)精標(biāo)數(shù)據(jù)98%，能避免因數(shù)據(jù)風(fēng)格差異帶來的Sim-to-Real 遷移時能力退化問題。

同時，王曉剛透露稱，絕影也正與車企共同提升L3的解決方案。

“L3會有更多的冗余備份，對人機(jī)的協(xié)同性也會提出相應(yīng)要求，比如要求接管的路徑等。它同時它對于廠家融合的要求也會更高一些。”

在算力需求方面，王曉剛介紹稱，盡管算力和模型能力存在正比關(guān)系，但絕影可通過MoE的架構(gòu)，減少在同等規(guī)模參數(shù)的情況下，減少對端側(cè)算力的依賴。

這是一種類似于DeepSeek的技術(shù)路線，以此方法結(jié)合多模態(tài)模型，絕影的New Member也能帶來更多可能。

下一代車載OS的「AI內(nèi)核」

在車展現(xiàn)場，商湯絕影也發(fā)布了專為車載AIOS打造的AI內(nèi)核「絕影千機(jī)」，其中最核心的三大技術(shù)包括MOE多模態(tài)大模型、類人記憶框架以及原生智能體框架。

同時，AI 基礎(chǔ)系統(tǒng)模塊、AIOS 工具鏈和生成式UI等外圍技術(shù)，也可以為三大核心模塊提供支持與交互。

“如今，我們的業(yè)務(wù)模式也不局限于軟件。鑒于未來云端的研發(fā)占比會越來越高，商湯也會提供AI DC云服務(wù)。”王曉剛指出，絕影是駕艙云三位一體的，將基礎(chǔ)模型工具鏈和云服務(wù)相結(jié)合，已成為其業(yè)務(wù)特色之一。

據(jù)了解，依托于「日日新SenseNova V6」基礎(chǔ)模型，絕影構(gòu)建了覆蓋0.1B 至70B汽車垂類模型矩陣，模型首字延遲小于300ms，吐字速度高達(dá)47 Tokens/s，性能超越DeepSeek。

同時，絕影還構(gòu)建了業(yè)內(nèi)首個端側(cè)類人記憶框架，賦予AIOS認(rèn)知力與成長性。

在這樣的技術(shù)加持下，New Member擁有了多模態(tài)識人能力：不需要注冊，它就能結(jié)合相貌，在座艙多人交互的過程推測出每個人的名字及關(guān)系。不僅如此，它還能記住你用戶喜好及生活點(diǎn)滴，結(jié)合這些進(jìn)行深度思考。

“當(dāng)我坐上去的時候，它就會叫我王老師。那么，人與車的關(guān)系一下子就拉近了。從前，它是需要注冊和登錄的，今天，我們的小影能夠直接通過面部記憶或聊天對話，知道用戶姓名和身份。“

王曉剛介紹稱，New Member能夠記住用戶生活當(dāng)中經(jīng)歷的點(diǎn)點(diǎn)滴滴，會與用戶形成共情，甚至能給予情感上的支撐。“

在絕影展臺上，另一個熱門技術(shù)是「3D視線交互算法技術(shù)」——它將艙內(nèi)3D視線結(jié)合車外前視相機(jī)，能夠辨識人眼所關(guān)注的人、車、建筑、二維碼、花草樹木等目標(biāo)，真正實(shí)現(xiàn)「視線所及，所見即所得」。

“從前的2D視線技術(shù)，只能區(qū)分用戶是在看哪塊大的區(qū)域。如今我們把2D 視線追蹤升級為3D gaze，而且可以結(jié)合車外攝像頭進(jìn)行交互——例如用戶在座艙內(nèi)看車外的人和物，還有建筑物的時候，3D gaze能夠自動判斷用戶的視線定位在哪？具體是哪輛車？哪個人？”

王曉剛介紹稱，3D gaze可以帶來很多創(chuàng)新型應(yīng)用，而且可以與輔助駕駛聯(lián)動，甚至改變駕駛策略。

另外，打通艙內(nèi)外的3D視線，能實(shí)現(xiàn)更多便捷功能。王曉剛還舉了一個例子：在3D視線技術(shù)加持下，在離開停車場時，用戶只需注視出口處二維碼的同時說“我要繳費(fèi)”，系統(tǒng)即可自動完成掃碼支付，實(shí)現(xiàn)更便捷的無感通行。

“到了2026年，法規(guī)會強(qiáng)制要求DMS與高精度視線結(jié)合，這樣能夠大幅的降低智駕事故的發(fā)生率。所以我預(yù)測，接下3D gaze的使用會變得非常重要。”王曉剛說道。

另外，絕影還推出了跟健康和安全駕駛相關(guān)的，測你的心跳、血氧、血壓，能夠不舒服的時候做出主動的關(guān)懷和問候問診，巡診問診、掛號。

在輔助駕駛領(lǐng)域，商湯絕影的量產(chǎn)方案目前已合作4家車企和7款車型。今年3月底，絕影和廣汽聯(lián)合打造的首批基于地平線征程6M的輔助駕駛方案，正式量產(chǎn)上市。今年還有更多基于地平線征程6打造的輔助駕駛方案量產(chǎn)落地奇瑞等眾多車企伙伴。

另外，在英偉達(dá)DRIVE AGX Thor平臺部署的絕影UniAD一段式端到端量產(chǎn)方案，也將于2025年第四季度量產(chǎn)交付東風(fēng)汽車。

截至2024年底，商湯絕影已與超30家國內(nèi)外車企達(dá)成合作，覆蓋130余款車型，量產(chǎn)交付累計(jì)突破360萬輛。

“現(xiàn)在，我們也在繼續(xù)配合國內(nèi)車企，做好出海的準(zhǔn)備。2026年，ENCAP會對座艙中的DMS、OMS 增加很多強(qiáng)制性的要求，也會大幅的提升它的裝配率。此外，我們與合資車企和全球品牌也一直都有合作。”