作為商湯的汽車(chē)事業(yè)獨(dú)立品牌，商湯絕影此前的業(yè)務(wù)更多的是座艙里面和視覺(jué)相關(guān)的產(chǎn)品。而在智駕方面，商湯絕影則于2024年初在哪吒S上落地全棧智駕方案。

作為AI四小龍之一，商湯希望實(shí)現(xiàn)的能力不止于此。在2024年電動(dòng)汽車(chē)百人會(huì)上，商湯絕影總裁王曉剛表示，基礎(chǔ)設(shè)施對(duì)于人工智能的下一步發(fā)展和突破是非常重要的基礎(chǔ)條件。

特斯拉今年GPU的規(guī)模會(huì)達(dá)到十萬(wàn)塊，比國(guó)內(nèi)各主機(jī)廠算力儲(chǔ)備高了兩個(gè)數(shù)量級(jí)。

而商湯目前已擁有4萬(wàn)塊GPU和8000P的算力，今年算力預(yù)計(jì)還將增加一倍，能有力幫助主機(jī)廠推動(dòng)大模型的發(fā)展。

在當(dāng)天與雷峰網(wǎng)新智駕在內(nèi)的多家媒體交流中，王曉剛表示，商湯對(duì)大模型的使用不僅限于外掛大模型，而是要對(duì)汽車(chē)的軟件架構(gòu)進(jìn)行重構(gòu)，實(shí)現(xiàn)端側(cè)和云側(cè)大模型的協(xié)同、高效的運(yùn)行，包括各種數(shù)據(jù)的流轉(zhuǎn)。

“之前商湯絕影的產(chǎn)品更多座艙里面跟視覺(jué)相關(guān)的，今天就要突破視覺(jué)，突破單點(diǎn)功能演變成多模態(tài)座艙整體產(chǎn)品的體驗(yàn)，會(huì)把我們的產(chǎn)品變厚，包括座艙跟駕駛的結(jié)合?！?/p>

這也是王曉剛認(rèn)為商湯絕影相較于今天市場(chǎng)上專注于智能座艙和智能駕駛產(chǎn)品的企業(yè)最大的優(yōu)勢(shì)。

此外，王曉剛還就出海、艙駕融合等內(nèi)容進(jìn)行了分享，以下為對(duì)話實(shí)錄，雷峰網(wǎng)(公眾號(hào)：雷峰網(wǎng))《新智駕》進(jìn)行了不改變?cè)獾木庉嫛?/p>

Q：相比于友商，商湯在智駕方案方面有哪些優(yōu)點(diǎn)和優(yōu)勢(shì)？

王曉剛：自動(dòng)駕駛經(jīng)過(guò)幾年的發(fā)展，未來(lái)發(fā)展的思路和路線也在逐漸清晰。面向端到端的大模型為基礎(chǔ)的自動(dòng)駕駛解決方案是數(shù)據(jù)驅(qū)動(dòng)，以視覺(jué)為主。當(dāng)前自動(dòng)駕駛的系統(tǒng)里面有很多模塊，其中只有感知模塊是基于人工智能和神經(jīng)網(wǎng)絡(luò)的，剩下其他模塊大量是靠手動(dòng)編寫(xiě)規(guī)則來(lái)實(shí)現(xiàn)的。

隨著自動(dòng)駕駛從高速走向城區(qū)，它的復(fù)雜程度大幅提升，通過(guò)人工編寫(xiě)規(guī)則的方式成本非常高，效率比較低下，所以就走向端到端的，基于大模型的自動(dòng)駕駛。

商湯本身在視覺(jué)方面擁有比較強(qiáng)的優(yōu)勢(shì)，2022年底，我們?cè)跇I(yè)內(nèi)第一個(gè)發(fā)布了端到端自動(dòng)駕駛大模型UniAD。接下來(lái)我們進(jìn)一步提出了多模態(tài)大模型自動(dòng)駕駛方案，這種方案除了感知傳感器，系統(tǒng)的信息外，還允許人機(jī)交互，通過(guò)自然語(yǔ)言作為輸入，這樣我們的自動(dòng)駕駛系統(tǒng)還可以跟人有這樣的交互。當(dāng)自動(dòng)駕駛時(shí)覺(jué)得旁邊的大車(chē)有壓迫感，如果想離它遠(yuǎn)點(diǎn)，或者想超車(chē)，想跟著前面某一輛車(chē)，都可以通過(guò)語(yǔ)言模型進(jìn)行交互。

另外，輸出的時(shí)候不但可以輸出感知，還可以輸出規(guī)控，還可以對(duì)自動(dòng)駕駛做出的決策有解釋性。以前自動(dòng)駕駛我們覺(jué)得它是一個(gè)黑盒子，現(xiàn)在基于大模型它就是有解釋性的。

實(shí)現(xiàn)大模型的推廣和應(yīng)用要依托強(qiáng)大的基礎(chǔ)設(shè)施。商湯大裝置目前有4萬(wàn)塊GPU，8200P算力，今年還會(huì)把整個(gè)算力翻一番。特斯拉提出來(lái)今年要有10萬(wàn)塊GPU，這個(gè)體量才能支撐智能化這方面的演進(jìn)。相比來(lái)說(shuō)，國(guó)內(nèi)很多車(chē)廠和供應(yīng)商跟特斯拉提出的目標(biāo)還要差一到兩個(gè)數(shù)量級(jí)，在這塊商湯也有優(yōu)勢(shì)。

Q：商湯大模型和其他家大模型有什么區(qū)別？在智駕上的應(yīng)用進(jìn)展如何？

王曉剛：我們核心是要打造座艙大腦，其特點(diǎn)不是單一的模型。像基于我們的商量大語(yǔ)言模型的座艙大腦，不但可以和乘客、駕駛員產(chǎn)生互動(dòng)，而且還可以做各種決策和任務(wù)規(guī)劃、推理，能夠調(diào)用車(chē)?yán)锩娓鞣NAPP，包括各種硬件，真的實(shí)現(xiàn)座艙大腦。

另外一部分，我們推多模態(tài)大模型。座艙里面我們之前做得比較多的是跟視覺(jué)相關(guān)的，DMS、OMS。接下來(lái)多模態(tài)大模型可以跟語(yǔ)音、自然語(yǔ)言結(jié)合，實(shí)際上是對(duì)DMS、OMS極大的拓展，能夠全方位地感知乘客需求，識(shí)別乘客在座艙里任何場(chǎng)景下問(wèn)的任何開(kāi)放式的問(wèn)題，它能夠回答問(wèn)題的復(fù)雜程度都是極大的提升。

此外，我們還有內(nèi)容生成，文生圖的秒畫(huà)，包括文生視頻。

駕駛方面，我們是業(yè)內(nèi)最早推端到端大模型的，2022年底就做了發(fā)布，今年4月份的車(chē)展，我們也會(huì)帶來(lái)基于UniAD端到端大模型的自動(dòng)駕駛體驗(yàn)。

另外，我們也基于視頻生成的技術(shù)，在去年11月的時(shí)候發(fā)布了視覺(jué)模型。這個(gè)模型可以生成各個(gè)攝像頭、傳感器在不同視角下的視頻，并且比較精準(zhǔn)地去控制視頻生成里面的各種要素，比如說(shuō)車(chē)的左拐右轉(zhuǎn)，加減速，坡度，包括在各種交通標(biāo)志，交通信號(hào)條件下，還有各種天氣情況下生成的視頻，且逼真度非常高。同時(shí)我們還可以比較精準(zhǔn)地去控制這些視頻生成的條件，覆蓋更多復(fù)雜的場(chǎng)景。

基于這些視頻，我們可以用來(lái)訓(xùn)練端到端的自動(dòng)駕駛模型，包括測(cè)試，大幅提升訓(xùn)練的效率。 這里面我們也看到自動(dòng)駕駛和座艙的融合。駕駛員在座艙里面可以跟自動(dòng)駕駛系統(tǒng)產(chǎn)生有效的互動(dòng)，能夠給它發(fā)出指令，去改變自動(dòng)駕駛的行為。

我們對(duì)大模型的使用不僅僅限于外掛大模型這么簡(jiǎn)單，而是要對(duì)汽車(chē)的軟件架構(gòu)進(jìn)行重構(gòu)，實(shí)現(xiàn)端側(cè)和云側(cè)大模型的協(xié)同、高效的運(yùn)行，包括各種數(shù)據(jù)的流轉(zhuǎn)。之前商湯絕影做的比較多座艙里面跟視覺(jué)相關(guān)的，今天就要突破視覺(jué)，突破單點(diǎn)功能演變成多模態(tài)座艙整體產(chǎn)品的體驗(yàn)，會(huì)把我們的產(chǎn)品變厚，包括座艙跟駕駛的結(jié)合。

Q：請(qǐng)談一下商湯近年來(lái)出海的情況，包括在推動(dòng)出海國(guó)當(dāng)?shù)禺a(chǎn)業(yè)升級(jí)和促進(jìn)經(jīng)濟(jì)發(fā)展方面做了什么樣積極的作用？

王曉剛：在商湯成立之初，我們自己的定位就是一家國(guó)際化的公司。在2016年、2017年的時(shí)候，就積極地在海外拓展業(yè)務(wù)，包括日本、東南亞、中東等等，并和國(guó)外的這些大企業(yè)形成了比較緊密的合作。同時(shí)我們也積極地和當(dāng)?shù)匾恍┛蒲袡C(jī)構(gòu)、院校拓展我們這方面的合作。

2018年，商湯推動(dòng)了全球高校人工智能學(xué)術(shù)聯(lián)盟，包括當(dāng)時(shí)的MIT、悉尼大學(xué)、南洋理工都在里面，主要是給大家建立一個(gè)在人工智能學(xué)術(shù)領(lǐng)域里自由交流和合作的空間。另外我們?cè)谛录悠乱哺?dāng)?shù)氐母咝３闪⒙?lián)合實(shí)驗(yàn)室，有上百個(gè)人工智能的研究員、科學(xué)家，產(chǎn)出也非常好。

Q：商湯絕影是否有獨(dú)立融資的計(jì)劃？

王曉剛：智能汽車(chē)是商湯非常重要的一個(gè)板塊。商湯作為一個(gè)人工智能平臺(tái)性的公司，汽車(chē)智能化不斷給我們提供創(chuàng)新的源動(dòng)力。所以這方面我們一定會(huì)持續(xù)加大投入，推動(dòng)商湯智能汽車(chē)業(yè)務(wù)的發(fā)展。至于絕影，我們從2022年開(kāi)始有這樣獨(dú)立的品牌在，后面我們一定會(huì)想辦法讓它做大做強(qiáng)。

Q：艙駕融合對(duì)于造車(chē)成本，以及算力要求比較大，如果朝著這個(gè)方向發(fā)展會(huì)如何影響汽車(chē)整個(gè)產(chǎn)業(yè)鏈的變化和發(fā)展？

王曉剛：艙駕融合可能有兩種不同思路：

一種思路是把兩個(gè)域的功能實(shí)現(xiàn)在一顆芯片上，有機(jī)會(huì)降低20%的硬件成本，所以這是一個(gè)追求性價(jià)比的思路，能夠積極地推廣。

另一個(gè)思路，也有高端一些的，比如說(shuō)上千T的算力。通過(guò)大算力的芯片就可以支撐駕駛跟座艙的大模型，而且在一顆芯片上駕駛的各種傳感器跟艙內(nèi)的傳感器數(shù)據(jù)是連通的，延遲非常，能實(shí)現(xiàn)非常好的產(chǎn)品體驗(yàn)。

這兩個(gè)思路都是有的，也不太一樣，這都是行業(yè)里面非常重要的發(fā)展契機(jī)。對(duì)商湯絕影來(lái)說(shuō)，我們同時(shí)具有駕駛跟座艙這兩塊業(yè)務(wù)，進(jìn)行艙駕融合，無(wú)論是從基礎(chǔ)軟件層面，還是在產(chǎn)品層面，都有比較天然的優(yōu)勢(shì)，我們也對(duì)行業(yè)這方面的發(fā)展趨勢(shì)非常期待。

雷峰網(wǎng)原創(chuàng)文章，未經(jīng)授權(quán)禁止轉(zhuǎn)載。詳情見(jiàn)轉(zhuǎn)載須知。