智能駕駛的“DeepSeek時刻”還要多久？

2022年12月，OpenAI推出了ChatGPT，之后一年時間里，文心一言、kimi AI、豆包、星火等AI產品也陸續推出，被認為是AI對話產品的元年。

但似乎AI真正“出圈”成為全民討論對象，還是要等到DeepSeek。

有人總結DeepSeek能夠超越眾多“競品”，甚至將AI這個話題帶入到普通大眾的視野中，有三個主要原因：性能出色、訓練成本相對較低、開源。

這其實和汽車領域智能駕駛的發展路徑頗為相似，在技術積淀和發展多年之后，“全民智駕”一詞在2025年開年被點燃。

當DeepSeek成為眾多車企爭相擁抱的對象時，智能駕駛的“DeepSeek時刻”還要多久？

商湯絕影的答案，是很快了。

2月22日，商湯大模型生產力論壇，商湯絕影CEO，商湯科技聯合創始人、首席科學家發布了行業首個“與世界模型協同交互的端到端自動駕駛路線R-UniAD”。

商湯絕影說，R-UniAD將加速智駕跨越式演進，“跨越式”的自信源自哪里？

王曉剛在采訪中和我們分享了一段人工智能發展的歷程：“過去一年，大模型行業的發展實際遇到了一些瓶頸，這個瓶頸主要在于互聯網的數據價值被榨干。通過原來尺度定律，在它的指引通過擴大模型的規模以及增加單純的算力，大家得到的收益相對來說是比較有限的。DeepSeek的出現，通過引入強化學習長思維鏈，其實解決了數據瓶頸，造出了很多人類知識之外的數據，甚至超越了人類的一些認知水平。”

而R-UniAD和DeepSeek的技術創新思路一致——從模仿學習向強化學習升級，通過對端到端模型的強化學習訓練，實現超越，而不是“類人”的自動駕駛表現。

DeepSeek對自動駕駛的啟發

首先解釋一下什么是模仿學習和強化學習。

所謂模仿學習，就像是用一本字帖（人類示范數據）教小朋友寫字，他照著字帖一筆一劃模仿（算法學習），最終小朋友可以寫出相似的字，但其實并不知道為何要這樣寫。

而強化學習，像小朋友玩超級瑪麗，一開始可能不懂規則，但隨機嘗試后會發現吃到金幣可以得分，碰到烏龜會扣分，一遍遍試錯后，就會找到吃最多金幣的通關路線。也就是說，通過強化學習，機器可以通過環境反饋的獎勵/懲罰，自主摸索最優策略并不斷提升。

其實你會發現，DeepSeek的創新其實和人類的學習路徑非常相似，先通過模仿、觀察掌握基礎，再加入自己的理解、經驗、創意實現自我突破。

將這套理論放到自動駕駛系統中，其實就是讓機器從“模仿人類開車”到“自主學習開車”。

現在我們經常可以聽到車企宣傳其端到端智駕“x千萬clips大模型”上車，背后是端到端自動駕駛的本質，即通過海量的高質量人類駕駛數據來實現最佳的“模仿”駕駛效果。

但“模仿”就會帶來一些問題。

首先，基于模仿學習的技術范式可以做到接近人類，但難以突破人類能力的上限；其次，高質量場景數據的稀缺以及人類駕駛數據質量的參差，讓觸及“天花板”本身的難度和成本都會很高。

如果說激光雷達這樣的硬件，或許隨著規模化效應和制造能力的提升，門檻有機會逐漸降低，王曉剛說：“決戰的分水嶺，還是在云端的能力。”

DeepSeek-R1的關鍵創新，就是通過強化學習使得大模型性能的提升不必只依靠擴大算力規模和增加模型參數，而是通過自行涌現長思維鏈能力，以更小的數據規模獲得更強的推理效果。

自動駕駛的學習訓練若能復制DeepSeek模式，就意味著車企對于算力基建和數據規模的需求將大幅降低，從而降低自動駕駛的成本，提高訓練效率。

更重要的是，在體驗上，這種技術路線可以實現端到端智駕體驗的上限從“類人”變成超越人類駕駛。

王曉剛解釋了這套系統如何更好利用數據，他說：“我們通過強化學習，更好地挖掘了數據的價值，甚至是產生了一些額外的數據。”

比如，在復雜交通場景下，端到端的處理是依賴人類駕駛行為的學習，但人類司機面對復雜場景時，可能會解決，但更多可能是直接避免。這使得哪怕系統采集了復雜場景數據，但90%以上的駕駛行為數據并沒有成功解決場景，只有很少量的司機行為數據才能符合要求。

但在強化學習模式下，給定這個復雜場景后，系統可以通過模擬仿真反復試驗，最終不僅能夠順利通過，甚至還能發現多條不同的駕駛行為和路徑來解決問題。“在這個場景里，它對于數據的利用率可能就是10倍、100倍的提升。”王曉剛說。

在此之前，“高質量駕駛行為”需要一個非常熟練的老司機來完成，但如今，系統看到復雜場景的圖片或是一小段視頻，就可以以此為起點，通過強化學習完成后面的工作。

降本、效率和量產落地

商湯絕影預計在年底交付量產端到端智駕方案，而在4月的上海車展，也會展示“與世界模型協同交互的端到端自動駕駛方案”的實車部署。

當“全民智駕”已經成為2025年的市場營銷關鍵詞時，意味著相比于技術本身，無論是自動駕駛公司還是主機廠，都要將技術落地到產品，并且是一個“物美價廉”的產品。而一旦談及量產落地，就意味著技術、體驗、成本的“妥協”與平衡。

在智能駕駛領域，一方面是車端算力有限，量產車需要考慮算力成本、能耗、體積甚至是發熱的工程問題；另一方面，是從硬件到軟件的成本與體驗的平衡。

強化學習可以突破數據的瓶頸，相比于從量產車數據中提取有效數據，依托世界模型的模擬仿真可以提升效率，降低對基建的要求。

這也是商湯絕影作為一家AI公司，在這個時代的機遇和優勢。

“如今激光雷達對于各種環境并不是一個非常魯棒的狀態，所以很多時候我們要達到性能和成本的平衡點，對于降低成本、提高魯棒性都有進一步的要求，那么大數據驅動其實是未來的必然。”王曉剛說。

首先，商湯絕影R-UniAD的“多階段強化學習”端到端自動駕駛技術路線包括了三個階段：

1、依靠冷啟動數據通過模仿學習進行云端的端到端自動駕駛大模型訓練；
2、基于強化學習，讓云端的端到端大模型與世界模型協同交互，持續提升端到端模型的性能；
3、云端大模型通過高效蒸餾的方式，實現高性能端到端自動駕駛小模型的車端部署。

而這其中關鍵的第二步，要求大模型與依靠世界模型生成的仿真環境進行在線交互，并獲得閉環獎勵反饋，從而實現強化學習。因此，生成高保真的場景數據、保證長時推演一致性、并支持在線交互的強大世界模型是核心基石。

商湯絕影的“開悟”世界模型，可以實現1個GPU產生的仿真數據相當于500臺量產車數據采集效果。以此為核心，實車數據和云端仿真數據在“車云一體”的新范式下閉環流轉，可以使端到端智駕系統的訓練更加全面、高效，從而縮短研發周期，降低成本。

此外，芯片上部署類似于DeepSeek的MOE架構（混合專家模型），可以在更低算力、成本的芯片上更好地運營大模型，因為它每次只需要激活部分參數，使用部分算力，會比傳統模型更加節省。

它類似于醫療會診，不同科室專家分別給出診斷意見，再由協調員綜合意見形成最終結論。在深度學習中，MOE可以在每次推理中僅激活部分專家，大幅降低計算量，同時不同專家專注于處理不同任務。對應到汽車自動駕駛領域，就是可以適應多模態數據的處理和融合，同時降低對車端芯片算力的要求。

我們可以借用特斯拉FSD在中國市場落地的表現作為參考。

馬斯克此前曾表示，特斯拉使用了互聯網上公開的中國道路和標志視頻，將其用于模擬訓練。事實上，特斯拉官方并未明確說明其如何解決FSD在中國落地背后的數據、算力跨境合規問題，而結合首批用戶體驗與馬斯克的表述，似乎特斯拉仍然受限于數據問題，并且影響了FSD的能力。

而如果使用商湯絕影R-UniAD技術路線，特斯拉可以在美國大算力基礎與中國豐富本土行車數據無法兼顧的情況下，通過不依賴大算力的仿真訓練，實現FSD的體驗提升。

“我覺得未來的發展趨勢一定是基礎設施和云端研發占比越來越高，如今我們看到的各種數據蒸餾、工程優化方法的存在，使得我們將來在越來越多的更加便宜的低算力芯片上，可以實現更強大的功能。”王曉剛說。

大公司視點

“人工智能技術的發展并不像之前大家想象的，到了‘端到端’以后就到了終局，它還是在持續發展，這就給了我們作為人工智能公司的一個更大發展空間。其次，即便有了強化學習的世界模型，數據本身依然非常重要，而我們與車企合作共建數據基礎設施，也可以更好地發揮優勢。”王曉剛說。

“全民智駕”的落地，其實也意味著淘汰賽的真正開始，有人拿到越來越多定點，但同樣也有人消失在了歷史的進程當中。

對于商湯絕影來說，一方面跟上節奏，布局地平線J6E、J6M，與廣汽、奇瑞、東風達成了戰略合作，很快會推出基于J6M的量產產品。另一方面看到核心優勢與長期方向，通過在基礎設施領域與車企的合作，幫助車企建設數據生產管線、對齊研發體系，同時結合車企自身擁有的豐富數據，實現雙贏。