2025實屬智能輔助駕駛和AI汽車井噴式發展的一年，而在2025上海車展中，商湯絕影也帶來了他們的系列生成式AI汽車創新產品，其主要覆蓋了駕駛、座艙、云端三大模塊。

智能輔助駕駛方面，絕影全面展示了以VLAR技術架構為核心的生成式智駕R-UniAD，突破端到端的數據、安全、性能三大瓶頸。座艙方面，絕影帶來了行業首發的AI內核“絕影千機”和全新升級的New Member及健康管家、安全衛士、3D交互等AI創新座艙產品，力圖在全場景的出行體驗中都做出貢獻。云端層面，商湯從2019年就開始布局AIDC數據中心，能夠有效處理每天從量產車回傳的信息，實現算法的迭代升級，進而成為反哺智能輔助駕駛的營養劑。

這三大板塊的關系如何？商湯絕影CEO、商湯科技聯合創始人、首席科學家王曉剛表示，“智駕”是主流，但這并不意味著這三者是孤立發展的，事實上他們未來會形成聯合的業務模式。“我們要把汽車的智能化當做整體來看。因為伴隨智能輔助駕駛的發展，其應用的安全性更高，覆蓋的場景更多，接著還要跟座艙里面的這種體驗相結合，即‘艙駕融合’。”

而如何定義AI汽車？王曉剛表示：“真正的AI汽車是將生成式AI深度融入智駕和座艙，既讓輔助駕駛安全變得更有確定性，也要讓每一輛車擁有‘有趣的靈魂’，成為真正懂你、愛你、守護你的家庭新成員。絕影也希望能和更多合作伙伴攜手前行，共創AI汽車的新進程。”

在本次上海車展中，我們也有幸能夠直接與商湯絕影的CEO王曉剛直接對話，去探討智能輔助駕駛與AI汽車的發展。

以下為財圈社&道哥說車與商湯絕影CEO，商湯科技聯合創始人、首席科學家王曉剛的對話內容（經刪改整理）：

智駕的未來在哪？商湯絕影的優勢在哪？

問題：現在國內的智駕既有車企自研的，也有供應商的，大家都非常重視智駕，您覺得智駕是不是已經到成熟完善的地步了？

王曉剛：我覺得在這個里面，我們本身跟的自研團隊實際上是有一個深度的合作。智駕包括人工智能，其實它未來發展的道路還是很長的，將來數據其實是非常核心的，數據在哪里？實際上是在車廠的這里。所以說市場它一定要做到一個智能駕駛的自主可控，把握住數據的這些核心，另外今天我們說要提出來對智能駕駛它的安全性，它的責任有要求，所以將來一定是在這里面要能夠做到一定程度。另外一方面，人工智能的發展又是一個長期的，需要持續投入的一個領域，并不是到了一個天花板，不斷地還是有新的技術，新的范式出現，這就給了我們一個比較好的空間。

問題：那您覺得智駕未來的發展方向在哪里？

王曉剛：我覺得不光是智駕，要把汽車的智能化整體來看，因為隨著智駕的發展，應用的安全性更高，覆蓋的場景更多，我們接著還要跟座艙里面的這種體驗相結合，除了完成基本的通行功能，還要對整個場景做判斷，這些數據又是說艙外的自動駕駛數據，跟艙內的這樣一些體驗也會結合在一起。

另外一個角度來說，我們去年的時候，大家在談這個事情，仿佛也覺得是，比如說端到端覺得這是不是一個終極的解決方案。我們現在這個角度來說，又能夠看到端到端也有它自己的一些局限性，所以說我們到世界模型、模擬仿真、強化學習，其實我覺得這塊里面的發展空間還是很大的。

問題：那咱們做智駕的優勢在哪？

王曉剛：我覺得像我們跟東風的合作，本身就是一個非常難能可貴的地方。其次今天我們看到智駕，其實在車端的開發量是逐漸在變少，在云端的開發量實際上是在變多。這里面我們依托的就是一個比較強的基礎設施，我們從2019年開始，我們就在上海建立AIDC數據中心，大裝置的這樣一個基礎設施，這是我們這樣的一個優勢。

另外一方面車企比如說東風，它有天然的這種接近于客戶，還有客戶的反饋，包括這些數據的優勢，今天我們在一起把我們的算法和基礎的設施相結合，鋪設打好數據的一個管線。將來能夠不斷地從終端的用戶這塊得到一些體驗上的反饋，驅動我們整個智駕體驗去變化。

如何看待智駕從狂熱到理性？

問題：咱們自動駕駛行業從剛開始經歷了資本狂熱到現在所謂的理性回調，您是怎么樣調整戰略決策的？您在關鍵時刻的決策原則又是什么呢？

王曉剛：我覺得自動駕駛剛開始的時候，無論是它的商業模式和技術路線，其實都有比較多的一個不確定性的。今天這個階段，我想模式和路線相對來說已經是比較清晰了，在這里面我們還是希望能夠加大這方面的控制。我覺得這里面主要剛才的判斷，一個是商業模式，另外對于技術路線這樣一個判斷，包括我們對基礎設施對數據這些方面的要求會更高，所以我們主動地加強在這方面的這些工作。另外我們也看到今天的自動駕駛，近些年來發展的成果和世界模型，它本身就是生成式AI。包括比如說強化學習的這種模式，所以這些新的成果也都融入智駕里面去。

駕駛數據究竟重不重要？

問題：既然咱們能夠做仿真模擬，那是不是意味著以后的駕駛數據不重要了？

王曉剛：數據還是很重要，數據的重要點在什么地方？我跟你說一下你就明白了，因為你比如說DeepSeek，DeepSeek是產生了很多沒有出現過的數據，但是它在什么過程中產生呢？它是在解題的過程當中，你給它問了很難的問題，所以給它提出好問題這又變得很難。所以說現在類似這種DeepSeek的大模型發展，目前它遇到的一個瓶頸是什么？他沒有好的問題，他需要有人給他提出更難的有價值的問題，對于自動駕駛來說它的體現是什么？

它缺少場景，你得告訴它這個是難的場景，那個是難的場景。但怎么開它可以通過強化學習就可以學到，但是這種場景的多樣性，這個不能是憑空產生的，所以這個里邊對數據也還是比較重要的。

問題：余凱之前說過99%的客戶數據都是沒用的，您怎么看？

王曉剛：這是一個很顯然的事情，端到端的自動駕駛，它的模式是你輸入視頻輸出是駕駛行為，你開車的時候90%的情況下，你是不是勻速直線開車？所以說你行駛的軌跡，它一直都是一條直線，這種信號是沒有用的。只有當你駕駛狀態發生改變的時候，我們要避讓了，我要轉彎了，我要剎車了。在這種情況下，他的駕駛行為是有用的。即便是這種有用的信號里面，因為人和人開車的不一樣，比如說尤其是比較難的場景，難的場景里面我可能是10個司機有8個都是停在那兒的，我過不去就停在那里了，只有一兩個他是開過去的。那得怎么辦呢？我要把這些低質量的數據剔除掉，實際上這件事它不是一件新鮮事兒，因為在我們類似ChatGPT，大模型ChatGPT從互聯網上搞的這些數據，那90%多的數據也是沒有用的。你要不停地去篩選，去掉一些這種噪聲的數據，實際上是同樣的道理。