在自动驾驶技术的最前沿，一场关于模仿学习与强化学习的较量正悄然上演。特斯拉凭借庞大的高阶智能驾驶车辆基数和惊人的算力规模，已经在这一领域建立了显著的优势，其基础设施的领先程度，让国内同行望尘莫及。
然而，这一领域的进步轨迹，似乎正在重复人工智能发展的老路。随着数据红利的逐渐消逝，大模型性能的提升越来越依赖于算力的扩张和模型参数的增加。一些人甚至开始质疑，尺度定律是否已不再适用，技术的发展是否已经陷入了算力的军备竞赛。
但春节期间，DeepSeek-R1基于纯强化学习的创新成果，为这一领域带来了新的曙光。通过少量的高质量数据进行冷启动，模型得以在多阶段的强化学习中逐渐成长，不仅降低了大模型训练的数据门槛，也让尺度定律得以延续。更重要的是，强化学习赋予了模型长思维链的能力，显著提升了推理效果，甚至让人看到了超越人类思维的可能。
受此启发，王晓刚提出，强化学习的大模型技术路线，或许能够迁移到端到端自动驾驶算法的训练与研发中，为这一领域带来革命性的突破。
商汤绝影，作为专注于汽车行业的AI公司，率先提出了“与世界模型协同交互的端到端技术路线”R-UniAD。这一路线通过多阶段强化学习，大幅降低了端到端自动驾驶的数据规模门槛。R-UniAD首先利用高质量数据进行冷启动，通过模仿学习训练出一个基础模型，再进一步通过强化学习进行提升。据估算，这一技术路线有望让端到端自动驾驶的数据需求降低一个数量级，为车企合作伙伴提供了超越特斯拉FSD的契机。
从性能上限来看，纯强化学习训练不仅提升了端到端智驾模型的性能，还使其能够充分探索多元场景和驾驶风格。未来，端到端智驾体验的上限将不再是“类人”，而是有望超越人类的驾驶表现。
在2024年北京车展上，商汤绝影展示了UniAD的实车上路成果，并预计量产端到端智驾方案将在年底交付落地。随后，商汤绝影正式发布了R-UniAD技术路线，成为行业首个将基于世界模型的强化学习引入端到端智驾研发与训练的AI公司。
R-UniAD技术路线的核心在于与世界模型的协同交互。作为一个多模态具身模型，端到端智驾模型需要与仿真环境进行在线交互，并获得闭环奖励反馈。为此，商汤绝影升级并发布了行业标杆级别的世界模型——“开悟”。这一模型不仅能够生成高质量的视频数据，而且其仿真效率极高，一个GPU产生的仿真数据相当于500台量产车的数据采集效果。
依托“开悟”世界模型和绝影量产智驾方案，实车采集的真实数据和云端生成的仿真数据在“车云一体”的新范式下进行闭环流转。这一模式使得端到端智驾系统的训练更加全面、高效，大幅缩短了研发周期，降低了成本。
在现场演示中，商汤绝影展示了“开悟”世界模型与主车的闭环交互方式。通过导入场景库文件，世界模型能够自动生成主车视角下的传感器仿真数据，端到端模型接收到数据后生成自车下一时刻位置并进行反馈。这一过程实现了端到端算法与世界模型仿真环境的实时交互，为技术的进一步突破奠定了坚实的基础。
随着商汤绝影量产端到端智驾方案的即将交付和“开悟”世界模型在数据生产中的正式应用，这一新技术路线已经抢占了先机。在未来的上海车展上，商汤绝影还将展示“与世界模型协同交互的端到端自动驾驶方案”的实车部署成果。
