对话商汤王晓刚：自动驾驶借助强化学习将超越人类，今年商业化迎爆发

搜狐科技高端访谈栏目《1号位》与知名企业家、公司高管展开深度对话，本期我们邀请到商汤科技联合创始人&首席科学家、商汤绝影CEO王晓刚。

出品 | 搜狐科技

作者 | 梁昌均

编辑 | 杨锦

“今年会是加速发展年，市场将迎来爆发。”

在近日举行的全球开发者先锋大会期间，搜狐科技对话了商汤科技联合创始人&首席科学家、商汤绝影CEO王晓刚，这是他对自动驾驶商业化做出的最新判断。

他做出这个判断的依据主要有两点，一是自动驾驶已经下沉到十万元以下的车型，行业迎来市场爆发期和拐点。

另外一个，就是技术的发展。过去两年，自动驾驶厂商和车企，都在追求基于端到端的大模型，使得自动驾驶的能力持续突破。

不过，王晓刚表示，这种端到端路线也有局限，非常依赖数据，且本质仍是模仿学习，很难突破人类驾驶水平的天花板。

但AI技术范式的突破，为自动驾驶技术范式提供了新思路。最近火爆的DeepSeek基于纯强化学习的长思维链涌现，打破了数据瓶颈，为自动驾驶带来了突破可能。

王晓刚认为，有了强化学习的自动驾驶，可以用生成仿真环境的世界模型，跟端到端自动驾驶的模型进行协同交互，可以产生新的技术路线。

这次大会上，商汤绝影发布名为R-UniAD的与世界模型协同交互的端到端自动驾驶技术，其中就采用了强化学习。今年4月，这套方案将在上海车展上车展示。

王晓刚认为，这条新技术路线，能够解决原来数据不够和质量参差不齐的问题，还能够让自动驾驶超越人的驾驶水平，也能解决L3，甚至L4、L5高阶自动驾驶。

展开全文

不过，他也强调，自动驾驶需要一步步逐渐积累，没有所谓的终极解决方案，大家都是踩在前人的肩膀上往前走，技术会不断演进。

对于不少车企进军火热的机器人，王晓刚表示，两者体系通用，但今天机器人比较像自动驾驶十年前的早期阶段，热度比较高，实际落地还是有距离。

他表示，商汤在机器人领域不是很着急，先把在汽车领域的规模化做好，同时建立好自己的基础能力体系，当有一天能够规模化的时候，能够迅速把握住这个机会。

王晓刚预计，绝影三年内有望盈利，这需要80-100万的年上市量。目前，绝影的智驾方案已量产交付广汽埃安、一汽红旗等车企。

谈及爆红的DeepSeek对AI的发展影响，王晓刚表示，开源的价值非常大，而技术的发展是螺旋式上升，现在算法跑到了高点，但可能下个阶段，数据或算力会上来。

“DeepSeek只是语言大模型，接下来就是多模态。我觉得要找到有价值的、高难度的数据，这样才能产生很多有价值的知识出来。”王晓刚说。

以下是对话精编：

搜狐科技：商汤的世界模型“开悟”，跟杨立昆说的或跟英伟达的世界模型有什么区别？

王晓刚：主要差别是我们聚焦在自动驾驶领域，对模型的要求要做到精准可控。之前所有的世界模型跟端到端模型并没有交互，更多是拿来做数据的生成，现在开悟演进到跟端到端模型有实时在线交互，时空的一致性、时序都要能够保持，要求会更高。

搜狐科技：世界模型本质上是用来解决自动驾驶数据不够的问题？

王晓刚：不光是数据不够，还有数据质量参差不齐的问题。在比较复杂的场景里面，可能80%以上都是不好的数据，这对端到端模型的性能有非常大的影响。

有了强化学习以后，怎么处理呢？一个是模拟仿真，还有一个是reward function（奖励函数），不再是靠规则去筛选。它还可以有超越人类的行为，在复杂场景里可以不停去试，最终能超越人的驾驶水平。

搜狐科技：基于强化学习的世界模型，能让自动驾驶超过人类，新的挑战在哪？

王晓刚：从DeepSeek看，有了强化学习，打破了数据的瓶颈，产生了很多原来没有的知识。它把初中、高中的奥赛题都做完了，怎么再找到更好的问题，就是它进一步发展的瓶颈。模拟仿真跟端到端相结合，难点在于场景库，怎么提供各种复杂的场景。

搜狐科技：有观点认为，对自动驾驶来说，数据不是越多越好，过多的话是干扰，您怎么看？

王晓刚：这就看数据的质量。之前端到端最大的问题是，基于模仿学习的范式让它很难做出超出人类预期的行为表现，其预测和生成的轨迹、驾驶行为模式跟基于规则的预测差不多。

随着像Sora等视频生成的多模态技术突飞猛进，这扇门就能够打开。最终会变成多模态的双向协同，能识别理解和仿真生成，未来的大模型就会成为自闭环的体系。

搜狐科技：为什么想到把强化学习用到自动驾驶里面，从DeepSeek得到的启发？

王晓刚：我们在2018、2019年的时候，已经开始做强化学习。但当时数据仿真、世界模型比较弱，没有办法合成现实用到的数据。今天有了数据视频的生成，能够跟强化学习结合。

搜狐科技：自动驾驶需要很快决策，跟强化学习的推理、长思考能力，看上去好像有些矛盾。

王晓刚：强化学习是在训练阶段，实际部署的时候就没有世界模型的事了，直接是靠端到端来做。DeepSeek不是这样，它是在推理过程当中合成东西，所以中间的步骤还都有。

搜狐科技：自动驾驶原来有很多争议，这两年大家做端到端，有分段式，还有统一大模型。绝影是哪一种？怎么看这两种路线？

王晓刚：我们的R-UniAD是一段式的端到端，通过视频的输入直接输出轨迹。今天说智驾平权，要用更低的硬件成本去做，到底应该采用什么样的方法？就是根据现有条件，和数据、云端算力和终端部署算力相关。

所以有段时间，大家觉得端到端就是最终解决方案，今天看到好像又不是，又有数据的问题，数据多了也不好，很多数据不是好的驾驶行为，所以又有新的技术路径在演进和发展。

搜狐科技：您提到智驾平权，自动驾驶什么时候能迎来ChatGPT时刻，让更多人能用上？

王晓刚：普及的话，我觉得还是要靠已有的更加成熟的技术去完成。这大量还是基于规则，可能部分用到端到端模型，它会让现有的系统变得更好。随着技术演进，去做复杂的场景，就是在探索自动驾驶的上限，投入特别巨大。

搜狐科技：ChatGPT或DeepSeek对AI起到的普及作用，本质上还是因为技术突破。自动驾驶普及较慢，您觉得跟技术有多大关系？

王晓刚：这两个不一样，大模型实现了研发范式的跨越式发展。自动驾驶还是一步步逐渐积累，因为跟安全性相关，要让技术更加成熟，解决更多的问题，让大家对它更加依赖。

今天我觉得实现10万以内车型的渗透，更多还是技术的逐渐累积和打磨。用的人多了，反馈包括数据也会变多，系统更加成熟，而不是突然冒出来某一个产品，变得石破天惊的样子。

搜狐科技：所以自动驾驶出现不了ChatGPT时刻？

王晓刚：这还是一个非常讲究积累的事情，不像DeepSeek，解决问题很好，中间挂机了也没事儿。自动驾驶要经过长时间的实践，投入无数的工程资源，把漏洞补齐，要没有短板。

搜狐科技：前段时间，理想CEO李想说端到端不是自动驾驶的终极路径，只能解决L3，如果想要实现L4，必须用VLA大模型，才能达到泛化能力的要求。

王晓刚：VLA也是端到端智驾方案的一种，R-UniAD本质上也是端到端路线的一种跨越式演进。所谓的端到端，就是在推理阶段省去了中间的各个模块，把各种大模型、决策行为等进行统一集成，VLA比之前的端到端先进一些，但本质都是基于模仿学习的端到端路线，而我们现在发布的是与世界模型协同交互的端到端。

搜狐科技：如果往更高的L3，甚至L4、L5去走，绝影这次发布的方案还能解决吗？

王晓刚：肯定可以。更高阶的问题是在各种复杂的场景里面都能够比较好地处理，我们说的这些方案对场景的覆盖度、处理复杂场景的能力都变强了。

搜狐科技：技术的演化还是挺快，随着AI技术发展，自动驾驶也会衍生出很多不同路线，有没有终极的解决方案？

王晓刚：我觉得倒不是说路线不一样，大家都是在现有技术的基础上不断向前探索，只是步伐快慢的差异。我们做研究的常态，都是踩在前人的肩膀上往前走，很多“终极方案”其实就是相比现在更往前了一步，但技术发展和演化是不会停歇的。

搜狐科技：从L4或L5来看，随着技术往前走，我们距离这个阶段还有多远？

王晓刚：我们是一步一个脚印向着目标前进，R-UniAD是一个跨越式的演进，但也就是脚步迈得更大、更快一些。

L4既需要考虑特定场景的限制，还需要考虑用户体验。首先要确保安全性、接管率经过大规模量产验证，让大家能够放心，再往下一个阶段走。现在用少量量产车在特定场景实现了L4/L5的功能，这不是一个有说服力的论证方式，也不是智驾技术演进应该走的路径。车厂量产会起到非常大的作用，最后要有事实统计来说话。

搜狐科技：您此前提到，自动驾驶盈亏平衡需要三年，您说的是行业，还是绝影？

王晓刚：就是我们公司，如果年上市量达到80万到100万量级，基本上就足够达到盈亏平衡。从行业看，今年会是加速发展年。比亚迪今年目标500万台，其中60%以上有自动驾驶功能。其他各家都在跟进，今年会是市场爆发的年份。

搜狐科技：很多车企去做机器人，技术层面可能有共通之处，商汤会不会去做这块的探索？

王晓刚：它不光是技术，背后这套系统，还有基础设施体系都能共用。我们跟着客户走，车厂在做机器人的时候，我们肯定也可以提供方案。

但这件事并不是很着急，我们先在汽车行业规模化落地。今天机器人比较像自动驾驶十年前的早期阶段，热度比较高，但实际落地还是有距离。我们要做的是建立好自己的基础能力体系，当有一天能够搞规模化的时候，我们能够迅速把握住这个机会。

搜狐科技：DeepSeek出现以后，大家又看到了AI新的可能性。您从学生时代就一直做AI尤其是视觉研究，您怎么看AI的演进？

王晓刚：大模型弥补了原来强化学习的不足，现在反过来了，大模型发展遇到了瓶颈，又把强化学习引进来。所以它不是绝对的概念，是在螺旋式上升。

算法、算力和数据，今天突然觉得好像算力不重要了。这只不过是螺旋上升的时候，算法跑到了高点，本质是能够更好地利用算力了，但下一个阶段算力又会上来。

DeepSeek的启示不光是技术，它还开源。今天在竞争加剧的情况下，让我们看到开源带来的价值和影响力，别人想禁都无从禁起。

搜狐科技：从技术层面来看，您觉得大模型接下来要往哪方面去突破？

王晓刚：螺旋式上升，一旦打开一扇门以后，大家就做各种试错。这边稳定以后，马上加大算力去探上限，包括数据。

DeepSeek只是语言大模型，接下来就是多模态。我觉得接下来要在各个领域里面找到有价值的、高难度的数据，这样才能产生很多有价值的知识出来。