如何用AI打造“有趣的靈魂”？商湯絕影從智艙到智駕，全方位給出了自己的答案。

4月23日，2025上海車展上，商湯絕影對外展示了系列生成式AI汽車產(chǎn)品。其中，智駕領(lǐng)域包括生成式智駕R-UniAD技術(shù)方案、近實時在線交互的4D世界模型“絕影開悟2.0”；智艙領(lǐng)域包括專為車載AIOS打造的AI內(nèi)核“絕影千機”，以及全新升級的“家庭新成員”等。

在商湯絕影CEO王曉剛看來，智能汽車的范式演進經(jīng)歷了三個階段。

第一個階段為完成點對點特定任務(wù)的工具；第二個階段伴隨著大模型的加持，逐漸變成了人類的助手，可以完成各種通用的任務(wù)；第三個階段開始可以提供主動的服務(wù)和情感的陪伴，成為家庭的新成員。

他希望，可以讓每一臺車都擁有有趣的靈魂。

從2021年商湯絕影首次以獨立品牌亮相，到如今系列生成式AI產(chǎn)品的發(fā)布。近4年時間，商湯絕影完成了在汽車領(lǐng)域全產(chǎn)品譜系的布局。下一步，在持續(xù)落地智能座艙的同時，它也將全力推進輔助駕駛方案的量產(chǎn)交付。

作為一家以相對“輕量化”的人工智能起家的企業(yè)，商湯即將要在強“制造”的汽車智能化領(lǐng)域再次證明自己。

01

智駕進入生成式階段，加速量產(chǎn)落地

與智能汽車的發(fā)展歷程一樣，王曉剛認為，智駕演進也經(jīng)歷了三個階段：規(guī)則式智駕、端到端智駕和生成式智駕。

“現(xiàn)在這個階段是端到端數(shù)據(jù)驅(qū)動的方式。”在采訪環(huán)節(jié)，王曉剛稱，這種方式有自己的問題。

一是它對于數(shù)據(jù)量和質(zhì)量的依賴。由于它是直接根據(jù)輸入的圖像視頻去推測車輛行駛軌跡，是模仿人類駕駛的行為，但人類在面對比較困境場景時，90%的駕駛行為是不太好的，因此只有10%、甚至1%高水平的數(shù)據(jù)，需要大量數(shù)據(jù)學(xué)習(xí)，對數(shù)據(jù)深度依賴。

二是端到端自動駕駛具有不確定性。一些問題場景沒辦法復(fù)現(xiàn)，它的解決方式是通過采集大量類似的其他場景重新訓(xùn)練模型。模型更新后，之前所關(guān)心的特定場景能否被解決，是不一定，甚至存在已解決場景回退的現(xiàn)象。

如今，伴隨著對自動駕駛安全性、確定性要求更高，更加依賴于云端的模擬仿真，包括大模型。

因此，王曉剛表示，下一個階段智能駕駛進入到生成式階段，其中很重要的技術(shù)是世界模型。它能夠非常準確的重建，并且模擬泛化現(xiàn)實物理世界，在重構(gòu)世界里去確定性的解決需要解決的問題。同時，還能基于該場景進行泛化，生成出很多類似問題的場景。

“這些場景，無論是采集成本，還是危險性都非常高?！蓖鯐詣偡Q，強化學(xué)習(xí)加上世界模型，能夠突破人類駕駛行為的上限。

正是出于這樣的思考，去年11月，商湯絕影發(fā)布了“開悟”世界模型。

今年以來，受到deepseek的啟發(fā)，商湯絕影把世界模型從1.0升級到2.0，同時也跟強化學(xué)習(xí)進行了結(jié)合，發(fā)布了生成式智駕R-UniAD技術(shù)方案。在王曉剛看來，“未來一定是在云端的研發(fā)比重越來越重?！?/p>

本屆上海車展上，商湯絕影全面展示了R-UniAD技術(shù)方案，基于世界模型和強化學(xué)習(xí)兩大核心技術(shù)，構(gòu)建集“視覺-語言-行動-強化學(xué)習(xí)”于一體的VLAR技術(shù)架構(gòu)。

王曉剛以“施工占道場景”為例，講述了VLAR技術(shù)架構(gòu)是如何處理這一問題的。

首先，以“施工占道剎?！甭窚y視頻作為輸入，R-UniAD基于“絕影開悟”世界進行模型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)強化學(xué)習(xí)中找到最優(yōu)路徑，能預(yù)判施工占道，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。

王曉剛指出，生成式R-UniAD突破了現(xiàn)階段端到端范式下數(shù)據(jù)、安全和性能的三大瓶頸，將實采場景數(shù)據(jù)的需求降低兩個數(shù)量級；同時，基于強化學(xué)習(xí)算法，模型充分探索多元場景的安全邊界；最終，R-UniAD將能夠?qū)崿F(xiàn)遠超人類的駕駛能力。

至于世界模型，則是生成式智駕的基石所在。如果說R-UniAD是“AI駕駛員”，那么這個世界模型就是它的“駕?！?。

相比1.0版本主要聚焦2D視頻生成技術(shù)的打磨，2.0版本則進化為近實時在線交互的4D世界模型，能夠?qū)崿F(xiàn)“4D空間自由交互”。

“絕影開悟2.0”具備三大能力，首先是“面向量產(chǎn)的數(shù)據(jù)生成”，它具有多樣性場景的可控生成的能力，能一鍵生成極端高風(fēng)險場景；其次能實現(xiàn)“復(fù)雜場景自由復(fù)現(xiàn)”，可以根據(jù)不同的需求，修改和調(diào)整場景中的各種要素；最后具備近實時交互能力，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，同時感知結(jié)果接近真實精標數(shù)據(jù)98%。

有了世界模型和云端訓(xùn)練之后，對于車端的算力要求依然有需求。

在王曉剛看來，類似deepseek的一些技術(shù)路線的出現(xiàn)，可以通過MOE架構(gòu)，減少一系列工程化，在同等規(guī)模的參數(shù)規(guī)模情況下降低對算力的依賴。“但永遠都是當算力越大的時候，它能夠應(yīng)對場景復(fù)雜程度能力越強，這個趨勢是確定的，所以算力的要求和模型的能力還是有一個正比的關(guān)系?！?/strong>

技術(shù)不斷升級的同時，商湯絕影也在加速推進智駕落地。王曉剛表示，厚積薄發(fā)，絕影要全力推進輔助駕駛方案的量產(chǎn)交付。

在輔助駕駛領(lǐng)域，商湯絕影主要有三套方案，基于地平線J6E打造的AD Pro行泊一體方案；基于地平線J6M打造的AD Max城區(qū)領(lǐng)航；基于英偉達Orin/地平線J6P打造的端到端智駕方案。

截至目前，其量產(chǎn)方案已合作中國一汽、廣汽集團、奇瑞汽車和東風(fēng)汽車4家車企，上車7款車型。

發(fā)布會上，王曉剛宣布，在英偉達DIRVE AGX Thor平臺部署的絕影UniAD一段式端到端量產(chǎn)方案將于2025年第四季度量產(chǎn)交付東風(fēng)汽車。

除了端到端，東風(fēng)汽車還將與絕影在開悟世界模型、DriveAGI等方面展開深度合作。

未來，商湯絕影在智駕領(lǐng)域量產(chǎn)將會不斷提速，并加速新技術(shù)的落地?！?strong>我們在與車企合作過程中，也在幫助提升他們的L3解決方案?！蓖鯐詣?cè)缡钦f。

02

智艙“有趣升級”，發(fā)布全新AI內(nèi)核

與智駕后來者身份，尋求“厚積薄發(fā)”不同，智能座艙一直是商湯的強項，其座艙AI軟件市場份額已連續(xù)5年位列行業(yè)第一。

截至2024年底，商湯絕影已與超30家國內(nèi)外車企達成合作，覆蓋130余款車型，量產(chǎn)交付累計突破360萬輛，其中多數(shù)為座艙領(lǐng)域。

商湯絕影在智能座艙領(lǐng)域主打的是“有趣靈魂”。

去年“絕影日”期間，商湯絕影發(fā)布了“A New Member For U”(你的家庭新成員)，其三大特點是察言觀色，無時不在，心有靈犀，背后的技術(shù)支撐是原生流式多模態(tài)的大模型。

今年上海車展上，商湯絕影又對其進行了升級，背后融入了“DeepSeek”的思路。

實際上，自DeepSeek“火了”后，很多車企將其接入座艙之中。對此，王曉剛表示，如果只是非常簡單的把DeepSeek連接到座艙里面，其實是不適合的，因為其設(shè)計并不是為了座艙的交互環(huán)境，需要在車艙進行優(yōu)化。

當然，他也認為，DeepSeek加入后的想象空間。他表示，同樣的算力，通過MOE的架構(gòu)，可以去部署更大的模型，這些模型可以節(jié)省帶寬、節(jié)省算力，帶來更好的體驗，這也是商湯絕影研發(fā)的方向。

“我們是把DeepSeek中核心技術(shù)用到了SenseAuto-chat模型里，進行了升級。同時，結(jié)合多模態(tài)的模型，實現(xiàn)了深度推理?！蓖鯐詣傊赋?，新的“New Member”則是基于此打造，帶來了三大核心功能。

首先是擁有了多模態(tài)識人能力，不需要用戶專門進行注冊，它在座艙多人交互的過程推測出每個人的名字，與相貌的結(jié)合，人物之間的關(guān)系，并在與用戶長期互動過程當中，記住生活的點滴，產(chǎn)生共情，從而更貼心地進行互動。

其實是具備深度思考的能力。當用戶提出需求時，它會結(jié)合記憶與場景，主動分析疲憊情緒、家庭需求甚至天氣變化進行綜合性的深度思考，然后給出最合適的方案。

最后，是免喚醒的多人多輪對話能力。之前行業(yè)做到的是大模型一對一的交流，如今New Member未被喚醒也能關(guān)注并理解座艙內(nèi)成員間的對話，并能隨時參與到對話當中，做到“不過度打擾，但時刻陪伴”。

有趣靈魂背后，需要強大技術(shù)底座支撐。為此，商湯絕影打造了類人情感的AI內(nèi)核，即專為車載AIOS打造的AI內(nèi)核“絕影千機”。

王曉剛表示，該產(chǎn)品最核心的三大技術(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)，為三大核心模塊提供支持與交互。

“現(xiàn)有的這些操作系統(tǒng)，包括車企的，覆蓋范圍比較廣?！蓖鯐詣偡Q，商湯絕影的“千機”更關(guān)注AI相關(guān)的大模型，這些也是商湯的強項。未來，絕影將把這些AI內(nèi)核和主機廠操作系統(tǒng)結(jié)合在一起，形成AI的操作系統(tǒng)，推動智能座艙向更加高級的智能體進化。

王曉剛還強調(diào)，依托于“日日新SenseNova V6”基模型，商湯絕影構(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47 Tokens/s，性能超越DeepSeek，還能在快慢思考之間自如切換，以滿足各種場景需求。

同時，具備類人情感的座艙系統(tǒng)，離不開記憶。商湯絕影構(gòu)建了業(yè)內(nèi)首個端側(cè)類人記憶框架，賦予AIOS真正的認知力與成長性，每一次交互都讓它更懂用戶。

為了便于打造智能體生態(tài)，商湯絕影還構(gòu)建了業(yè)內(nèi)首個支持MCP協(xié)議的端側(cè)原生智能體框架。它具備自主規(guī)劃能力，可進行多步的精準規(guī)劃和執(zhí)行。它支持MCP規(guī)范，能快速接入各類生態(tài)服務(wù)和工具能力，目前已集成100+智能體與1000+ API。這個框架還支持多智能體協(xié)調(diào)機制，能夠?qū)崿F(xiàn)并發(fā)、串行及混合模式下的高效協(xié)同，整體性能提升超過30%。

此外，基于語言大模型、多模態(tài)大模型、文生圖大模型和“大醫(yī)”醫(yī)療大模型等組成的 AI 大模型體系，商湯絕影構(gòu)建了健康管家、安全衛(wèi)士、3D交互等AI座艙創(chuàng)新產(chǎn)品矩陣。不斷升級智能座艙相關(guān)產(chǎn)品。

智駕落地加速、智艙不斷創(chuàng)新。在AI與汽車深度融合的新時代，商湯絕影在智能汽車領(lǐng)域的探索還在不斷深入。