去年，Scaling law和端到端自動駕駛，都遇到了瓶頸。

隨著互聯網的數據價值被榨干，自動駕駛模型千萬級clips的「數據黑洞」難以被填補。

此時，DeepSeek出現了。它采用的強化學習，帶來了長思維鏈的涌現，大幅降低數據需求。隨之，商湯絕影也推出了R-UniAD，同樣應用了強化學習，以此突破數據瓶頸，并有望優于人類駕駛水平。

昨日（2月25日）,商湯絕影CEO、商湯科技聯合創始人、首席科學家——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700萬臺量產車的數據回流，而且高質量數據占比極少...目前端到端只是模仿學習，難以突破人類上限。”

王曉剛介紹稱，DeepSeek通過強化學習的框架，可以生成多條的思維鏈，讓模型產生更多的解法，突破了人類知識庫的限制，也產生了更多的數據，以此大幅降低數據門檻。

在這一啟發下，商湯絕影在UniAD的基礎上，推出了強化學習的新范式——Reinforced-UniAD（R- UniAD）。

其具體訓練方法如下：

1、基于冷啟動數據，讓端到端自動駕駛大模型達到基礎水平，通過模仿學習進行云端訓練；

2、再基于強化學習，讓該模型與世界模型協同交互，持續提升其性能；

3、從云端大模型通過高效蒸餾的方式，實現端到端小模型的車端部署。

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

“端到端的模型可以預測很多種軌跡，世界模型也可以模擬仿真出各種周邊環境的這樣的變化。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」產品，同樣是端云協同的方案。從前，此類方案落地時，對端側芯片有一定要求。而DeepSeek的MoE（混合專家模型）的架構，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，產生高性能的端側模型，這是給端側模型的一個機會。同時，MoE只需要激活部分參數，使用部分算力，肯定要比傳統模型更加節省算力。”

不過他也表示，目前各車企接入的DeepSeek應用，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。”

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——不但要預測物體軌跡，還要讓環境里的視頻圖像得到演進，能夠預見出來，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等標準還是有區別的。我們需要更加精準的可控性，要符合物理規律，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據測試集，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，就已經有20%的生成視頻，應用在了模型訓練中。希望將來這一數字能超過50%，乃至80%。”

通俗一點來比喻的話，「強化學習」就是針對一個復雜場景，通過模擬仿真反復測試，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量數據，指的是人類的高質量駕駛行為。而如今高質量數據的生成，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習去生成即可。”王曉剛說道。

R-UniAD的3大挑戰

為實現云端大模型和世界模型的在線交互，絕影克服了3個關鍵難題：

1、模擬仿真能力：必須精準、可控。

2、預測能力：對于周圍環境視頻的生成，除了準確，還要有多樣性。“如果生成的東西都是單一的，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，在于世界模型的環境生成，以及對其的精準控制，達成這一能力，才能體現強化學習的效果。

王曉剛指出，未來的發展，一定是基礎設施和云端研發占的比重越來越高，而端側則變得更加簡單：各種數據蒸餾、工程優化，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」風頭漸弱，多家車企都表示，會在高階智駕上繼續使用激光雷達。

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。只不過，當下由于沒有海量數據支撐，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，通過大數據去更新的模型，會不斷提升軟件的性能。”他說道。

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，所以我們去年主要布局了地平線J6E、J6M等平臺的方案，也與廣汽、奇瑞還有東風形成了戰略合作。”

王曉剛透露稱，到今年3月，商湯絕影和車企合作開發的基于J6M的自動駕駛產品，就能實現量產，4月還會在上海車展發布。

除了智駕產品本身，絕影還在大模型、數據基礎設施等方面，協同車企進行規劃和布局，包括建設數據的生產管線，共建研發體系等等。

需要注意的是，即便有了強化學習的世界模型，要想覆蓋更多的復雜場景，真值數據還是非常重要的，而這些數據還是在車企，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

訪問當天，正值特斯拉FSD突然在華推送，王曉剛對此也發表了自己的看法。

他認為，特斯拉FSD在中國的應用，還是會受到數據的限制。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據也會受到管控，無法跨境。

“如果是做端到端的話，FSD會面臨這些自動駕駛場景數據方面的問題。它也不太可能用它在美國所擁有的數據在本地訓練，因為數據不能夠跨境，也沒有強大的基礎設施。所以絕影R-UniAD的新型技術路線，即便對于特斯拉的FSD，也有著現實意義。”

同時他表示，特斯拉FSD目前還是模仿學習的范式，而R-UniAD技術路線訓練出來的端到端智駕模型，很有希望超越人類駕駛表現，實現彎道超車。