去年，Scaling law和端到端自动驾驶，都遇到了瓶颈。
随着互联网的数据价值被榨干，自动驾驶模型千万级clips的「数据黑洞」难以被填补。
此时，DeepSeek出现了。它采用的强化学习，带来了长思维链的涌现，大幅降低数据需求。随之，商汤绝影也推出了R-UniAD，同样应用了强化学习，以此突破数据瓶颈，并有望优于人类驾驶水平。
昨日（2月25日）,商汤绝影CEO、商汤科技联合创始人、首席科学家——王晓刚，对RoboX进一步解释了R-UniAD诞生的背景和思路，以及该公司下一步的规划。
什么是R-UniAD？
“从中国的实际情况来看，我们很难像特斯拉那样，拥有700万台量产车的数据回流，而且高质量数据占比极少...目前端到端只是模仿学习，难以突破人类上限。”
王晓刚介绍称，DeepSeek通过强化学习的框架，可以生成多条的思维链，让模型产生更多的解法，突破了人类知识库的限制，也产生了更多的数据，以此大幅降低数据门槛。
在这一启发下，商汤绝影在UniAD的基础上，推出了强化学习的新范式——Reinforced-UniAD（R- UniAD）。
其具体训练方法如下：
1、基于冷启动数据，让端到端自动驾驶大模型达到基础水平，通过模仿学习进行云端训练；
2、再基于强化学习，让该模型与世界模型协同交互，持续提升其性能；
3、从云端大模型通过高效蒸馏的方式，实现端到端小模型的车端部署。
王晓刚表示，在初始阶段，通过千台规模量产车形成的数据，即可让端到端模型达到较好的水准，之后就不再需要这些「冷启动数据」了。
“端到端的模型可以预测很多种轨迹，世界模型也可以模拟仿真出各种周边环境的这样的变化。同时，仿真器可通过Reward的方式，为这些轨迹和环境变化打分，找到最佳的驾驶行为。”
DeepSeek带来的「利好」
在王晓刚看来，DeepSeek的长思维链、慢推理方式，能够产生更高层次的认知，达到情感上的支持。这对于绝影的「New Member」产品来说，是很大的利好。
王晓刚认为，商汤绝影去年推出的「A New Member For U」产品，同样是端云协同的方案。从前，此类方案落地时，对端侧芯片有一定要求。而DeepSeek的MoE（混合专家模型）的架构，使其能部署在低成本芯片上，该方式也有利于「A New Member For U」的推广。
“以蒸馏手段，可以通过强大的云端模型，产生高性能的端侧模型，这是给端侧模型的一个机会。同时，MoE只需要激活部分参数，使用部分算力，肯定要比传统模型更加节省算力。”
不过他也表示，目前各车企接入的DeepSeek应用，还是比较简单的。而且，DeepSeek能支撑的访问量是有限的，延时也较长，现在还不能算是好的体验。
“如果只是进行DeepSeek原始模型的接入，这在汽车产品上的体验还是有差距的。这对于商汤绝影来说，也是一个利好。”
王晓刚用「做几何题」来描述自动驾驶仿真：在解题过程中，每解一步都需要加一些辅助线，几何图像本身也在演变，这就类似于自动驾驶的世界模型仿真——不但要预测物体轨迹，还要让环境里的视频图像得到演进，能够预见出来，这是DeepSeek所欠缺的。
“DeepSeek一直致力于语言模型，对于图像、视频的精准生成还是比较欠缺的，但这正是我们的强项。”
视频生成的严格标准
“「开悟」世界模型的视频生成，其实和Sora等标准还是有区别的。我们需要更加精准的可控性，要符合物理规律，还有交通法则。我们生成的视频输入，实际上是物体的运动轨迹和3D的框，由这些输入精准地控制视频的生成。”
为了准确模拟各种极端场景，「开悟」必须做到结合11个摄像头输入的时空一致性。同时，绝影本身也储备了大量真值数据测试集，可以通过视频反向提取其中的物体位置，进行轨迹验证，保障视频的真实和有效性。
“其实从去年开始，就已经有20%的生成视频，应用在了模型训练中。希望将来这一数字能超过50%，乃至80%。”
通俗一点来比喻的话，「强化学习」就是针对一个复杂场景，通过模拟仿真反复测试，并给出多条不同的驾驶行为和路径。
接下来，就像DeepSeek一样，可以针对一个问题找到10条乃至100条的思维链，去解决问题。
“我们之前所说的高质量数据，指的是人类的高质量驾驶行为。而如今高质量数据的生成，不一定再需要人类的驾驶行为，而是将图片或者视频片段作为一个场景起点，接下来由世界模型通过强化学习去生成即可。”王晓刚说道。
R-UniAD的3大挑战
为实现云端大模型和世界模型的在线交互，绝影克服了3个关键难题：
1、模拟仿真能力：必须精准、可控。
2、预测能力：对于周围环境视频的生成，除了准确，还要有多样性。“如果生成的东西都是单一的，就没法模拟出不同的场景和驾驶行为。”
3、Reward：也就是评价出哪些视频和轨迹的序列，它是一个好的驾驶行为，那么有的产生了碰撞，那么有的给人家不舒适的这样的一些这样的一些感觉。
R- UniAD的重要一环，在于世界模型的环境生成，以及对其的精准控制，达成这一能力，才能体现强化学习的效果。
王晓刚指出，未来的发展，一定是基础设施和云端研发占的比重越来越高，而端侧则变得更加简单：各种数据蒸馏、工程优化，能够使得越来越多的功能被部署在更加便宜的低算力芯片上，但这一前提都依赖于强悍的云端模型。
被高估的激光雷达鲁棒性
近期，「纯视觉」风头渐弱，多家车企都表示，会在高阶智驾上继续使用激光雷达。
但王晓刚认为，激光雷达有着自己的天花板，其本身具有的信息量是偏少的，达不到非常鲁棒的状态。只不过，当下由于没有海量数据支撑，智驾的视觉能力偏弱，因此还需要用激光雷达作为辅助。
从成本层面考虑，「全民智驾」的趋势下，智驾需要下探到10万元级别以下，硬件成本也需要进一步降低。
“视觉能力的上限更高。在硬件固定的前提下，通过大数据去更新的模型，会不断提升软件的性能。”他说道。
先布局中低算力平台
从去年开始，商汤已开始在智驾市场中布局：“从市场份额上考虑，要先下探到价格较低的中低算力车型，所以我们去年主要布局了地平线J6E、J6M等平台的方案，也与广汽、奇瑞还有东风形成了战略合作。”
王晓刚透露称，到今年3月，商汤绝影和车企合作开发的基于J6M的自动驾驶产品，就能实现量产，4月还会在上海车展发布。
除了智驾产品本身，绝影还在大模型、数据基础设施等方面，协同车企进行规划和布局，包括建设数据的生产管线，共建研发体系等等。
需要注意的是，即便有了强化学习的世界模型，要想覆盖更多的复杂场景，真值数据还是非常重要的，而这些数据还是在车企，这也是绝影与车企形成深度合作的意义之一。
特斯拉FSD的挑战
访问当天，正值特斯拉FSD突然在华推送，王晓刚对此也发表了自己的看法。
他认为，特斯拉FSD在中国的应用，还是会受到数据的限制。首先，中国的交通场景与美国存在很大差异；其次，特斯拉在在中国采集的数据也会受到管控，无法跨境。
“如果是做端到端的话，FSD会面临这些自动驾驶场景数据方面的问题。它也不太可能用它在美国所拥有的数据在本地训练，因为数据不能够跨境，也没有强大的基础设施。所以绝影R-UniAD的新型技术路线，即便对于特斯拉的FSD，也有着现实意义。”
同时他表示，特斯拉FSD目前还是模仿学习的范式，而R-UniAD技术路线训练出来的端到端智驾模型，很有希望超越人类驾驶表现，实现弯道超车。
