去年，Scaling law和端到端自動駕駛，都遇到了瓶頸。

隨著互聯(lián)網(wǎng)的數(shù)據(jù)價值被榨干，自動駕駛模型千萬級clips的「數(shù)據(jù)黑洞」難以被填補。

此時，DeepSeek出現(xiàn)了。它采用的強化學(xué)習(xí)，帶來了長思維鏈的涌現(xiàn)，大幅降低數(shù)據(jù)需求。隨之，商湯絕影也推出了R-UniAD，同樣應(yīng)用了強化學(xué)習(xí)，以此突破數(shù)據(jù)瓶頸，并有望優(yōu)于人類駕駛水平。

昨日（2月25日）,商湯絕影CEO、商湯科技聯(lián)合創(chuàng)始人、首席科學(xué)家——王曉剛，對RoboX進一步解釋了R-UniAD誕生的背景和思路，以及該公司下一步的規(guī)劃。

什么是R-UniAD？

“從中國的實際情況來看，我們很難像特斯拉那樣，擁有700萬臺量產(chǎn)車的數(shù)據(jù)回流，而且高質(zhì)量數(shù)據(jù)占比極少...目前端到端只是模仿學(xué)習(xí)，難以突破人類上限?！?/p>

王曉剛介紹稱，DeepSeek通過強化學(xué)習(xí)的框架，可以生成多條的思維鏈，讓模型產(chǎn)生更多的解法，突破了人類知識庫的限制，也產(chǎn)生了更多的數(shù)據(jù)，以此大幅降低數(shù)據(jù)門檻。

在這一啟發(fā)下，商湯絕影在UniAD的基礎(chǔ)上，推出了強化學(xué)習(xí)的新范式——Reinforced-UniAD（R- UniAD）。

其具體訓(xùn)練方法如下：

1、基于冷啟動數(shù)據(jù)，讓端到端自動駕駛大模型達到基礎(chǔ)水平，通過模仿學(xué)習(xí)進行云端訓(xùn)練；

2、再基于強化學(xué)習(xí)，讓該模型與世界模型協(xié)同交互，持續(xù)提升其性能；

3、從云端大模型通過高效蒸餾的方式，實現(xiàn)端到端小模型的車端部署。

王曉剛表示，在初始階段，通過千臺規(guī)模量產(chǎn)車形成的數(shù)據(jù)，即可讓端到端模型達到較好的水準，之后就不再需要這些「冷啟動數(shù)據(jù)」了。

“端到端的模型可以預(yù)測很多種軌跡，世界模型也可以模擬仿真出各種周邊環(huán)境的這樣的變化。同時，仿真器可通過Reward的方式，為這些軌跡和環(huán)境變化打分，找到最佳的駕駛行為。”

DeepSeek帶來的「利好」

在王曉剛看來，DeepSeek的長思維鏈、慢推理方式，能夠產(chǎn)生更高層次的認知，達到情感上的支持。這對于絕影的「New Member」產(chǎn)品來說，是很大的利好。

王曉剛認為，商湯絕影去年推出的「A New Member For U」產(chǎn)品，同樣是端云協(xié)同的方案。從前，此類方案落地時，對端側(cè)芯片有一定要求。而DeepSeek的MoE（混合專家模型）的架構(gòu)，使其能部署在低成本芯片上，該方式也有利于「A New Member For U」的推廣。

“以蒸餾手段，可以通過強大的云端模型，產(chǎn)生高性能的端側(cè)模型，這是給端側(cè)模型的一個機會。同時，MoE只需要激活部分參數(shù)，使用部分算力，肯定要比傳統(tǒng)模型更加節(jié)省算力?！?/p>

不過他也表示，目前各車企接入的DeepSeek應(yīng)用，還是比較簡單的。而且，DeepSeek能支撐的訪問量是有限的，延時也較長，現(xiàn)在還不能算是好的體驗。

“如果只是進行DeepSeek原始模型的接入，這在汽車產(chǎn)品上的體驗還是有差距的。這對于商湯絕影來說，也是一個利好?！?/p>

王曉剛用「做幾何題」來描述自動駕駛仿真：在解題過程中，每解一步都需要加一些輔助線，幾何圖像本身也在演變，這就類似于自動駕駛的世界模型仿真——不但要預(yù)測物體軌跡，還要讓環(huán)境里的視頻圖像得到演進，能夠預(yù)見出來，這是DeepSeek所欠缺的。

“DeepSeek一直致力于語言模型，對于圖像、視頻的精準生成還是比較欠缺的，但這正是我們的強項。”

視頻生成的嚴格標準

“「開悟」世界模型的視頻生成，其實和Sora等標準還是有區(qū)別的。我們需要更加精準的可控性，要符合物理規(guī)律，還有交通法則。我們生成的視頻輸入，實際上是物體的運動軌跡和3D的框，由這些輸入精準地控制視頻的生成。”

為了準確模擬各種極端場景，「開悟」必須做到結(jié)合11個攝像頭輸入的時空一致性。同時，絕影本身也儲備了大量真值數(shù)據(jù)測試集，可以通過視頻反向提取其中的物體位置，進行軌跡驗證，保障視頻的真實和有效性。

“其實從去年開始，就已經(jīng)有20%的生成視頻，應(yīng)用在了模型訓(xùn)練中。希望將來這一數(shù)字能超過50%，乃至80%?！?/p>

通俗一點來比喻的話，「強化學(xué)習(xí)」就是針對一個復(fù)雜場景，通過模擬仿真反復(fù)測試，并給出多條不同的駕駛行為和路徑。

接下來，就像DeepSeek一樣，可以針對一個問題找到10條乃至100條的思維鏈，去解決問題。

“我們之前所說的高質(zhì)量數(shù)據(jù)，指的是人類的高質(zhì)量駕駛行為。而如今高質(zhì)量數(shù)據(jù)的生成，不一定再需要人類的駕駛行為，而是將圖片或者視頻片段作為一個場景起點，接下來由世界模型通過強化學(xué)習(xí)去生成即可。”王曉剛說道。

R-UniAD的3大挑戰(zhàn)

為實現(xiàn)云端大模型和世界模型的在線交互，絕影克服了3個關(guān)鍵難題：

1、模擬仿真能力：必須精準、可控。

2、預(yù)測能力：對于周圍環(huán)境視頻的生成，除了準確，還要有多樣性?！叭绻傻臇|西都是單一的，就沒法模擬出不同的場景和駕駛行為。”

3、Reward：也就是評價出哪些視頻和軌跡的序列，它是一個好的駕駛行為，那么有的產(chǎn)生了碰撞，那么有的給人家不舒適的這樣的一些這樣的一些感覺。

R- UniAD的重要一環(huán)，在于世界模型的環(huán)境生成，以及對其的精準控制，達成這一能力，才能體現(xiàn)強化學(xué)習(xí)的效果。

王曉剛指出，未來的發(fā)展，一定是基礎(chǔ)設(shè)施和云端研發(fā)占的比重越來越高，而端側(cè)則變得更加簡單：各種數(shù)據(jù)蒸餾、工程優(yōu)化，能夠使得越來越多的功能被部署在更加便宜的低算力芯片上，但這一前提都依賴于強悍的云端模型。

被高估的激光雷達魯棒性

近期，「純視覺」風(fēng)頭漸弱，多家車企都表示，會在高階智駕上繼續(xù)使用激光雷達。

但王曉剛認為，激光雷達有著自己的天花板，其本身具有的信息量是偏少的，達不到非常魯棒的狀態(tài)。只不過，當下由于沒有海量數(shù)據(jù)支撐，智駕的視覺能力偏弱，因此還需要用激光雷達作為輔助。

從成本層面考慮，「全民智駕」的趨勢下，智駕需要下探到10萬元級別以下，硬件成本也需要進一步降低。

“視覺能力的上限更高。在硬件固定的前提下，通過大數(shù)據(jù)去更新的模型，會不斷提升軟件的性能?！彼f道。

先布局中低算力平臺

從去年開始，商湯已開始在智駕市場中布局：“從市場份額上考慮，要先下探到價格較低的中低算力車型，所以我們?nèi)ツ?strong>主要布局了地平線J6E、J6M等平臺的方案，也與廣汽、奇瑞還有東風(fēng)形成了戰(zhàn)略合作?！?/p>

王曉剛透露稱，到今年3月，商湯絕影和車企合作開發(fā)的基于J6M的自動駕駛產(chǎn)品，就能實現(xiàn)量產(chǎn)，4月還會在上海車展發(fā)布。

除了智駕產(chǎn)品本身，絕影還在大模型、數(shù)據(jù)基礎(chǔ)設(shè)施等方面，協(xié)同車企進行規(guī)劃和布局，包括建設(shè)數(shù)據(jù)的生產(chǎn)管線，共建研發(fā)體系等等。

需要注意的是，即便有了強化學(xué)習(xí)的世界模型，要想覆蓋更多的復(fù)雜場景，真值數(shù)據(jù)還是非常重要的，而這些數(shù)據(jù)還是在車企，這也是絕影與車企形成深度合作的意義之一。

特斯拉FSD的挑戰(zhàn)

訪問當天，正值特斯拉FSD突然在華推送，王曉剛對此也發(fā)表了自己的看法。

他認為，特斯拉FSD在中國的應(yīng)用，還是會受到數(shù)據(jù)的限制。首先，中國的交通場景與美國存在很大差異；其次，特斯拉在在中國采集的數(shù)據(jù)也會受到管控，無法跨境。

“如果是做端到端的話，F(xiàn)SD會面臨這些自動駕駛場景數(shù)據(jù)方面的問題。它也不太可能用它在美國所擁有的數(shù)據(jù)在本地訓(xùn)練，因為數(shù)據(jù)不能夠跨境，也沒有強大的基礎(chǔ)設(shè)施。所以絕影R-UniAD的新型技術(shù)路線，即便對于特斯拉的FSD，也有著現(xiàn)實意義。”

同時他表示，特斯拉FSD目前還是模仿學(xué)習(xí)的范式，而R-UniAD技術(shù)路線訓(xùn)練出來的端到端智駕模型，很有希望超越人類駕駛表現(xiàn)，實現(xiàn)彎道超車。