发布日期：2025-11-19 15:25    点击次数：165

2月22日，以“模塑各人 无尽可能”为主题的2025GDC各人开辟者前锋大会在上海举办，旨在探索大模子产业化处治决策。商汤绝影CEO，商汤科技连合独创东说念主、首席科学家王晓刚发布行业首个“与寰球模子协同交互的端到端自动驾驶阶梯R-UniAD”，通过构建寰球模子生成在线交互的仿真环境，以此进行端到端模子的强化学习历练。

这与DeepSeek时代革命想路同归一源：从效法学习向强化学习升级演进，从而收场端到端自动驾驶杰出东说念主类的驾驶理会。

2022年底，商汤绝影提议了行业首个感知决策一体化自动驾驶通用模子UniAD，同庚8月，特斯拉CEO马斯克直播试驾FSD V12，即端到端自动驾驶时代，越来越多的车企和科技公司入手跟进端到端的时代阶梯。如今，数据驱动的端到端自动驾驶处治决策已成为行业共鸣。

端到端的自动驾驶实质是通过海量的高质地东说念主类驾驶数据，来收场最好的“效法”驾驶后果。但是，基于效法学习的时代范式不错作念到接近东说念主类但难以糟塌东说念主类才智上限。同期，受限于高质地场景数据的稀缺性和驾驶数据质地的衰退不皆，端到端智驾决策要达到东说念主类驾驶才智的天花板并阻拦易，动辄千万Clips的高质地数据回流变成了限度门槛。

特斯拉通过七百万辆高阶智驾量产车和超10万P算力，也曾跳动了这个门槛，同期也构筑了与国内车企具稀疏量级差距的基础体式壁垒。

但是，大模子性能的提高多依靠进一步扩大算力限度和加多模子参数，一定过程上变成了算力的比拼。本年春节时代，DeepSeek-R1基于纯强化学习的关节革命激励了平庸的温暖。通过少量高质地数据的冷启动，模子进行多阶段的强化学习历练，灵验缩小大模子历练的数据限度门槛。更庞大的是，强化学习或者让大模子自行显裸露长想维链才智，显贵提高推理后果，以致可能具备杰出东说念主类的想维才智。

王晓刚示意，基于强化学习的大模子时代阶梯不错挪动到端到端自动驾驶算法的历练与研发之中。

从数据限度来看，多阶段强化学习的历练要领能大幅缩小端到端自动驾驶数据限度门槛。R-UniAD即是通过高质地数据进行冷启动，用效法学习的神情历练出一个端到端基础模子，再通过强化学习要领进行历练。

从性能上限来看，纯强化学习历练让端到端智驾模子有望通过在提高性能的同期，探索多元场景和驾驶格调。翌日，端到端智驾体验的上限不再是“类东说念主”，而是不错领有杰出东说念主类的驾驶理会。

商汤绝影的R-UniAD是“多阶段强化学习”端到端自动驾驶时代阶梯，具体分为三个阶段，领先是依靠冷启动数据通过效法学习进行云表的端到端自动驾驶大模子历练；然后基于强化学习，让云表的端到端大模子与寰球模子协同交互，捏续提高端到端模子的性能；临了云表大模子通过高效蒸馏的神情，收场高性能端到端自动驾驶小模子的车端部署。

“智驾高端局的竞争不啻是车端模子的比拼，端到端的决战，战场在云表”，旧年11月，商汤绝影升级并发布“开悟”寰球模子，其最基础亦然最中枢的才智是生成高质地视频数据，基于“开悟”，1个GPU产生的仿真数据尽头于500台量产车的数据鸠合后果。

在现场演示中，商汤绝影展示了“开悟”寰球模子与主车闭环交互的神情。通过场景库文献导入一个BEV视角下的运转主车和他车位置，寰球模子自动生成主车视角下11V（11个录像头）的传感器仿真数据，端到端模子接受到这一数据后，生成自车下一时代位置并进行响应，寰球模子凭证刷新的主车位置和预测的他车位置渲染新的11V传感器仿真数据。

商汤绝影的量产端到端智驾决策瞻望将在年底委派，“开悟”寰球模子也发达用于数据分娩。而在本年4月的上海车展上，商汤绝影将会展示“与寰球模子协同交互的端到端自动驾驶决策”的实车部署。

依托商汤大安装算力基础体式，商汤绝影或者确立云表自动驾驶大模子，蒸馏获得不错部署在更小算力芯片的端到端模子，助力车企诱导伙伴，基于更少许量级的数据，杰出特斯拉依靠百万台量产车数据回流的自动驾驶决策，杰出东说念主的驾驶水平。

南边+记者 郜小平