“端到端的自动驾驶，本质上是模仿我们人类的行为。但它始终面临着两个比较重要的问题。”在近日开幕的2025世界人工智能大会WAIC上，商汤绝影CEO、商汤科技联合创始人王晓刚发表了一场主题演讲。

　　“第一个问题，是需要采集海量的数据。我们知道特斯拉有700万台的量产车去回流大量数据，这是远远超出我们拥有的量产车辆数据的体量和规模的。第二个呢，它还需要覆盖各种高风险的场景数据。”

　　王晓刚提到，今天人类驾驶的行为中，只有极少部分数据能对端到端产生训练价值，这就是数据瓶颈。而且，研究者还不能确保训练好的模型能解决特定场景，里面有概率性的问题，特定场景也很难复现。

　　因而，此次商汤绝影在WAIC 2025亮相的行业首个已量产、可交互的“绝影开悟”世界模型，正是为了解决这些痛点而诞生的。

　　这也是辅助驾驶领域首个生成式世界模型产品平台，配合该公司发布的业内最大规模的生成式驾驶数据集“WorldSim-Drive”，能大力赋能辅助驾驶行业。

　　“商汤的世界模型正在将AI的创造力转化为生产力，既为辅助驾驶生成千万级场景数据、打造实时交互训练场，同时也打造具身智能的数据引擎，搭建AI从数字世界通往真实物理世界的桥梁，迈向具身智能的新未来。”王晓刚补充。

　　在今年WAIC 2025的商汤绝影展台上，现场观众已经体验到了这个世界模型产品平台。它的交互界面简洁易懂，只要输入文本或点选场景图片，就能生成的对应的场景视频，体验到行业领先的辅助驾驶数据集性能。

　　值得一提的是，“绝影开悟”世界模型的生产效率很高，基于一张A100的GPU，它每天生成的数据就相当于10台真实车或是100台路测车的数据采集能力，比得上500台量产车。根据官方数据，现在商汤绝影有20%的数据都是通过世界模型生产的。

　　为AI打造4D实时交互训练场

　　在今年的WAIC现场，各种会思考、会说话、会干活、会打架的机器人登台亮相，博得了无数人的关注。但我们距离它们走进千行百业、千家万户的那一天，依然有着不小的距离。

　　最大的障碍之一，就是训练数据严重缺失。就像银河通用机器人创始人及CTO王鹤提到的，今天最头部的机器人企业年出货量也只有四位数，其采集的真实数据相当有限，因此他认为，具身智能的训练数据99%都需来源于合成。

　　“正是自然语言的高知识密度，赋予了模型强大的泛化与通用能力，成为当今通用AI发展的关键基石。”商汤科技董事长兼CEO徐立认为，如今AI模型强大的泛化与通用能力，正是得益于GPT-3处理的文本量相当于人类十万年的创作积累，但当前自然语言数据可能于2027至2028年耗尽，“视觉数据虽丰富，却难以有效提炼知识。事实上，视觉数据的产生速度远落后于算力增长速度，导致模型数据需求出现‘倒挂’。”

　　人类沉浸在虚拟世界中游戏、训练的场景，大家如今已经不陌生。那要是反过来，让AI在媲美真实物理世界中的虚拟模型中，不断自我学习，进化出适应真实世界的能力，是不是就能解决很大问题？其背后技术的核心关键点又在哪里？

　　王晓刚认为，首先，这个世界模型必须具有超大尺度的4D空间重建能力。比如，“绝影开悟”能够进行最高可达1km²的真实世界高精度重建，将更多真实空间视角提供给车端模型。

　　“比如我们可以在模型中生成各种碰撞场景，这些都是非常高风险的，在真实生活中采集这类数据，代价是非常高的。”他继续举例，“另外呢，我们也可以对视频进行任意编辑，比如移除任何一个车辆，增加一个车辆，或者是改变车辆的类型，或是随意控制刹车、转向加速。”

　　他还提到，商汤如今正在将这个世界模型产品平台化，“把我们的API（应用程序开发接口）释放给我们的客户后，就能够随意输入你想要的各种要素，灵活地去定制。”

　　“所以说，如果我们能够引入世界模型，模拟我们的大千世界的各种变化，去生成十几个摄像头多模态的数据，并做到精准可控，让端到端模型进行强化学习，他就可以实现自主的进化，去打破人类驾驶行为的上限。”在王晓刚看来，这一平台不仅能应用在智能辅助驾驶的训练上，也可以帮助具身智能领域，让机器人更好地演进。

　　未来人类会因何而不同？

　　上世纪50年代，当艾伦·图灵提出“机器可以思考吗？”这个问题时，可能很难想象，半个世纪后AI已经学会了推理，而机器人已经实现了很多之前只存在于科幻小说中的功能。

　　到了今天，当2025WAIC的观众为展览现场的机器人欢呼时，另一些学界大咖如AI教父辛顿Geofrrey Hinton则提醒人们，与AI的关系要避免陷入养虎为患的境地。

　　那么，在未来的人机共存时代，有什么方法能让人类保持独特性呢？

　　在王晓刚看来，这涉及智能的几个层次：“依次是从感知到行为，其实还有一个更高的层次，就是定义规则。比如AlphGo，我们定义了围棋的规则，它就在这个规则范围之内产生各种各样的智能。我觉得，将来机器人一定会在它跟人和环境交互当中产生新的智能，这里比较重要的是，我们要去给它定义规则、它的价值观和文化，让它在规则允许的范围内产生规则，从上而下去约束它。”