采访核心信息总结
技术路线革新：商汤绝影通过强化学习与“世界模型”解决自动驾驶数据瓶颈，推出R-UniAd技术，降低数据需求一个数量级，提升复杂场景处理能力。
纯视觉方案优势：坚持低成本、高上限的纯视觉路线，通过数据驱动弥补传感器局限，推动智驾普及。
与DeepSeek协同：借助DeepSeek的MOE架构降低算力成本，强化端云协同能力，优化智能座舱情感交互。
量产与竞争策略：2024年端到端自动驾驶量产落地，布局中低算力平台抢占市场，强调与车企共建数据基础设施。
出海布局：跟随中国车企出海，聚焦东南亚及欧洲市场，适配海外法规与场景需求。
数据瓶颈的破局：强化学习与R-UniAd技术
在智能驾驶领域，数据始终是技术演进的核心挑战。商汤绝影CEO王晓刚指出，传统端到端自动驾驶依赖海量人类驾驶行为数据，但中国车企难以像特斯拉一样获取大规模数据回流。对此，商汤提出通过强化学习与“世界模型”构建新范式——R-UniAd技术。该技术利用仿真环境生成复杂场景数据，并通过多阶段强化学习优化驾驶决策，将数据需求降低一个数量级。
王晓刚以AlphaGo为例解释强化学习的潜力：在仿真环境中，系统可通过反复试错生成高质量驾驶轨迹，而非依赖人类经验。例如，面对复杂交通场景，强化学习能探索多种解决方案，而非仅模仿人类行为。目前，R-UniAd已在避撞成功率等指标上展现优势，未来计划将仿真数据在训练中的占比提升至50%以上。
纯视觉路线：低成本与高上限的平衡
针对激光雷达与纯视觉路线的争议，商汤绝影明确选择后者。王晓刚认为，激光雷达存在成本高、极端天气鲁棒性不足等问题，而视觉方案通过数据迭代可不断优化性能。他以暴雨场景为例，指出激光雷达点云易受干扰，仍需视觉数据兜底。
此外，商汤通过“世界模型”生成多摄像头一致性仿真视频（支持11路摄像头同步），解决纯视觉的极端场景模拟难题。王晓刚强调，随着数据规模扩大，视觉方案的上限更高，且符合“智驾平权”趋势，助力自动驾驶功能下探至10万元以下车型。
DeepSeek合作：端云协同与MOE架构降本
针对近期车企接入DeepSeek的热潮，王晓刚认为其技术价值在于“长思维链推理”与MOE架构（混合专家模型）。DeepSeek通过强化学习生成高质量数据，打破传统模型依赖标注的局限，同时MOE架构激活部分参数的特性，降低端侧算力需求。
商汤将这一思路应用于智能座舱产品“A New Member For U”，通过端云协同实现情感化交互。例如，座舱模型可结合语言与多模态数据，生成主动关怀与幽默对话。王晓刚表示，未来将进一步探索多模态思维链（如视觉推理），强化座舱与驾驶场景的深度结合。
量产落地与市场竞争
2024年，商汤计划实现端到端自动驾驶量产，并与广汽、奇瑞等车企合作推出中低算力平台（如J6M）。面对华为等竞争对手，王晓刚指出，技术路线差异显著——商汤更注重数据效率与仿真能力，而量产仅是起点，未来需持续迭代云端模型。
对于特斯拉FSD入华，他认为其受限于本土数据采集与合规问题，而R-UniAd技术可帮助中国车企实现“换道超车”。“特斯拉依赖模仿学习，而强化学习能超越人类驾驶表现。”王晓刚表示。
全球化布局：智能驾驶与座舱出海
中国汽车出口量突破500万辆的背景下，商汤将跟随车企出海，重点布局东南亚与欧洲市场。智能座舱方面，欧洲E-NCAP 2026法规强制要求DMS（驾驶员监测系统）与OMS（乘客监测系统），推动相关功能渗透率提升；智能驾驶则需适配海外高速场景与法规差异。
王晓刚透露，已有车企提出海外车型的自动驾驶需求，但现阶段以高速功能为主。他强调，数据合规与场景适配是出海关键，商汤将通过仿真技术快速生成地域化训练数据。
未来挑战与战略重心
尽管技术突破显著，王晓刚坦言挑战仍存：
数据与算力平衡：云端大模型蒸馏至车端时，需兼顾性能与成本；
多模态融合：将DeepSeek的文本思维链扩展至视觉推理；
全球化适配：高效生成海外场景仿真数据。
商汤的战略重心在于“云端能力+车企生态”。通过与车企共建数据管线、共享基础设施，强化长期竞争力。“人工智能没有终局，只有持续迭代。”王晓刚总结道。
现在，商汤绝影通过强化学习、世界模型与端云协同，正在重构智能驾驶的技术逻辑。从数据瓶颈突破到低成本方案普及，从本土量产到全球化布局，其技术路线不仅瞄准市场爆发窗口，更试图定义下一代自动驾驶的竞争规则。而在这一过程中，与车企的深度绑定与数据生态共建，或将成为决胜未来的关键筹码。
