采訪核心信息總結

技術路線革新：商湯絕影通過強化學習與“世界模型”解決自動駕駛數據瓶頸，推出R-UniAd技術，降低數據需求一個數量級，提升復雜場景處理能力。

純視覺方案優(yōu)勢：堅持低成本、高上限的純視覺路線，通過數據驅動彌補傳感器局限，推動智駕普及。

與DeepSeek協(xié)同：借助DeepSeek的MOE架構降低算力成本，強化端云協(xié)同能力，優(yōu)化智能座艙情感交互。

量產與競爭策略：2024年端到端自動駕駛量產落地，布局中低算力平臺搶占市場，強調與車企共建數據基礎設施。

出海布局：跟隨中國車企出海，聚焦東南亞及歐洲市場，適配海外法規(guī)與場景需求。

數據瓶頸的破局：強化學習與R-UniAd技術

在智能駕駛領域，數據始終是技術演進的核心挑戰(zhàn)。商湯絕影CEO王曉剛指出，傳統(tǒng)端到端自動駕駛依賴海量人類駕駛行為數據，但中國車企難以像特斯拉一樣獲取大規(guī)模數據回流。對此，商湯提出通過強化學習與“世界模型”構建新范式——R-UniAd技術。該技術利用仿真環(huán)境生成復雜場景數據，并通過多階段強化學習優(yōu)化駕駛決策，將數據需求降低一個數量級。

王曉剛以AlphaGo為例解釋強化學習的潛力：在仿真環(huán)境中，系統(tǒng)可通過反復試錯生成高質量駕駛軌跡，而非依賴人類經驗。例如，面對復雜交通場景，強化學習能探索多種解決方案，而非僅模仿人類行為。目前，R-UniAd已在避撞成功率等指標上展現優(yōu)勢，未來計劃將仿真數據在訓練中的占比提升至50%以上。

純視覺路線：低成本與高上限的平衡

針對激光雷達與純視覺路線的爭議，商湯絕影明確選擇后者。王曉剛認為，激光雷達存在成本高、極端天氣魯棒性不足等問題，而視覺方案通過數據迭代可不斷優(yōu)化性能。他以暴雨場景為例，指出激光雷達點云易受干擾，仍需視覺數據兜底。

此外，商湯通過“世界模型”生成多攝像頭一致性仿真視頻（支持11路攝像頭同步），解決純視覺的極端場景模擬難題。王曉剛強調，隨著數據規(guī)模擴大，視覺方案的上限更高，且符合“智駕平權”趨勢，助力自動駕駛功能下探至10萬元以下車型。

DeepSeek合作：端云協(xié)同與MOE架構降本

針對近期車企接入DeepSeek的熱潮，王曉剛認為其技術價值在于“長思維鏈推理”與MOE架構（混合專家模型）。DeepSeek通過強化學習生成高質量數據，打破傳統(tǒng)模型依賴標注的局限，同時MOE架構激活部分參數的特性，降低端側算力需求。

商湯將這一思路應用于智能座艙產品“A New Member For U”，通過端云協(xié)同實現情感化交互。例如，座艙模型可結合語言與多模態(tài)數據，生成主動關懷與幽默對話。王曉剛表示，未來將進一步探索多模態(tài)思維鏈（如視覺推理），強化座艙與駕駛場景的深度結合。

量產落地與市場競爭

2024年，商湯計劃實現端到端自動駕駛量產，并與廣汽、奇瑞等車企合作推出中低算力平臺（如J6M）。面對華為等競爭對手，王曉剛指出，技術路線差異顯著——商湯更注重數據效率與仿真能力，而量產僅是起點，未來需持續(xù)迭代云端模型。

對于特斯拉FSD入華，他認為其受限于本土數據采集與合規(guī)問題，而R-UniAd技術可幫助中國車企實現“換道超車”?！疤厮估蕾嚹７聦W習，而強化學習能超越人類駕駛表現?！蓖鯐詣偙硎?。

全球化布局：智能駕駛與座艙出海

中國汽車出口量突破500萬輛的背景下，商湯將跟隨車企出海，重點布局東南亞與歐洲市場。智能座艙方面，歐洲E-NCAP 2026法規(guī)強制要求DMS（駕駛員監(jiān)測系統(tǒng)）與OMS（乘客監(jiān)測系統(tǒng)），推動相關功能滲透率提升；智能駕駛則需適配海外高速場景與法規(guī)差異。

王曉剛透露，已有車企提出海外車型的自動駕駛需求，但現階段以高速功能為主。他強調，數據合規(guī)與場景適配是出海關鍵，商湯將通過仿真技術快速生成地域化訓練數據。

未來挑戰(zhàn)與戰(zhàn)略重心

盡管技術突破顯著，王曉剛坦言挑戰(zhàn)仍存：

數據與算力平衡：云端大模型蒸餾至車端時，需兼顧性能與成本；

多模態(tài)融合：將DeepSeek的文本思維鏈擴展至視覺推理；

全球化適配：高效生成海外場景仿真數據。

商湯的戰(zhàn)略重心在于“云端能力+車企生態(tài)”。通過與車企共建數據管線、共享基礎設施，強化長期競爭力?！叭斯ぶ悄軟]有終局，只有持續(xù)迭代?！蓖鯐詣偪偨Y道。

現在，商湯絕影通過強化學習、世界模型與端云協(xié)同，正在重構智能駕駛的技術邏輯。從數據瓶頸突破到低成本方案普及，從本土量產到全球化布局，其技術路線不僅瞄準市場爆發(fā)窗口，更試圖定義下一代自動駕駛的競爭規(guī)則。而在這一過程中，與車企的深度綁定與數據生態(tài)共建，或將成為決勝未來的關鍵籌碼。