AI 定义汽车时代，商汤绝影可谓「家里有矿」，赢在了起跑线。

背靠商汤科技这棵大树，可汲取的算力养分高达 20 EFLOPS。

一个直观对比是，目前蔚小理三家新势力公布的算力数据总和，还不到 10 EFLOPS。

充沛的算力资源，让商汤绝影拥有对 AI 的率先领悟力。

2023 年，商汤绝影拿下了 CVPR 论文奖，提出了行业首个感知决策一体化自动驾驶通用模型 UniAD，在端到端浪潮下拿到了首批船票。

目前商汤绝影的智驾方案，上车了 3 家车企，6 款车型。而占领技术高地的端到端方案，明年四季度将迎来落地。

与此同时，为获得更多确定性筹码，商汤绝影把技术创新的步子迈的更大，更深，从数据驱动的底层逻辑出发，把战场从车端扩大到云端——世界模型「开悟」，或将成为商汤绝影的新底牌。

01、AI 叠 buff：纯视觉、端到端、L3

秉持 AI 基因，商汤绝影的智驾之路开局顺利。

2017 年夏天，商汤绝影仅用两颗摄像头的纯视觉方案，就完成了本田的暴雨天气智驾测试，就此开启了方案商的征途。

得益于坚实的算力基础，商汤绝影的智驾方案接连在广汽埃安 LX Plus、哪吒 S、昊铂 GT 等车型上落地。

但行业内卷的「价格战」压力下，方案商还需要在产品力上加大力度。

这次，商汤绝影选择攻坚「性价比」，最新推出了中高阶智驾方案，把性价比做到极致：

• AD Pro，基于地平线 J6E 芯片，算力最高达 80TOPS，搭载 7 个摄像头、多个雷达，支持高速领航、记忆行车、记忆泊车；
• AD Max，基于地平线 J6M 芯片，算力最高达 200TOPS，搭载 11 个摄像头、多个雷达，支持高速领航、城区领航、记忆行车、记忆泊车。

据介绍，采用高性价比计算芯片，搭载低成本传感器，让这两套智驾方案在价格上拥有高竞争力，比如 AD Max，成本可以做到 5000 元左右。

一个直接对比是，卓驭智驾的 7V+100TOPS 的对标城区智驾方案，成本来到了 7000 元。

在落地上，商汤绝影这两套方案都将在明年二季度落地。包括新推出的端到端智驾方案 AD Ultra，商汤绝影宣称「极致体验」，也将在 10 个月后与用户见面。

正是这样，商汤绝影决定把胜算攥到下一个赛段。

实际上，在 UniAD 获得 2022 年 CVPR 最佳论文时，就意味着商汤绝影对端到端具备绝对发言权。

这两年，端到端热词席卷智能驾驶宇宙，在行业还在为端到端定义、技术分歧、真假端到端争论不休时，商汤绝影喊出了「真·一段式端到端」的口号。

现在，这个声音逐渐获得了业内共振。

Momenta 创始人曹旭东曾表示，一段式端到端比两段式端到端优势明显，两段式端到端由于感知与规控端到端分段，感知对于落石、水坑等障碍物容易误判，而一段式端到端可以提前学习未定义物体，有效处理更复杂的极端情况。

但他也强调，一段式端到端上限高但研发挑战大，对于算力、数据量要求更高，Momenta 已经从两段式端到端转向了一段式端到端落地。

目前，行业不少玩家都将一段式端到端视为两段式端到端的进阶状态。

这么看，商汤绝影掌握了技术先机，对 AD Ultra 寄予了厚望。

这是其首创的端到端+纯视觉高阶智驾方案，搭载了 NVIDIA DRIVE Thor/Orin 芯片，仅需 1 个毫米波雷达和 11 个摄像头，就能够实现一段式端到端智驾，提供「类人」驾驶体验。

据商汤绝影一位产品经理介绍，点到点领航智驾相当于现在智驾第一梯队主推的「车位到车位」功能，可以保证智驾场景的全覆盖。

另外一点是，AD Ultra 会更偏向于与 Thor 做适配，如果从竞争维度考虑，在目前其它玩家搭载 Orin 方案已经成熟的阶段，商汤绝影选择算力更大的 Thor，意味着能领先一步走，从性能上补齐时间差。

能看到的是，AD Ultra 已经把上限做到了 L3 级，基于这种高阶方案，或许可以在未来给商汤绝影带来更多胜算。

可见，基于浓重的 AI 底色，商汤绝影从纯视觉方案步入端到端技术路径，现在，又通过端到端叩开 L3 的大门，稳扎稳打下，商汤绝影走上新台阶。

02、大模型玩家再出招，世界模型「开悟」

在残酷的智能化竞争场域，量产一直是关键竞速尺度，商汤绝影需要尽快从其它层面补齐差距。

开拓产品矩阵成为商汤绝影的新思路，新底牌是——世界模型。

上一次行业对「世界模型」的认知还来源于蔚来的 NWM——具备强大的场景理解与生成能力，能有效运用大模型的数据采集、训练、仿真测试等阶段。

世界模型也逐渐被行业认定为智驾下半场的重要关键词。

事实上，商汤绝影背靠强大的大模型体系，为世界模型的诞生提供了丰沃土壤。

商汤科技的「日日新」大模型，涵盖大语言模型、文生图模型、多模态模型等多种能力，并在尺度定律下快速迭代，综合能力已经可以对标 GPT-4 Turbo。

商汤绝影基于这套大模型体系，已经衍生出了丰富的汽车智能化产品。

比如新推出的智能座舱创新产品——A New Member For U，亮点是让智能座舱跳出了「工具人」的框架，变成了会察言观色，主动提供情绪价值与服务的「贾维斯」。

而在智能驾驶层面，商汤绝影把触角延伸至端到端的数据驱动逻辑上。

商汤绝影 CEO 王晓刚表示，数据驱动模式需要建设完善的数据闭环，打造强大的数据基础设施，更低成本、更高效的生产数据是竞争获胜关键。

由此，商汤绝影探索出一条新路，通过实车采集与仿真生成「双轮驱动」的数据闭环，打造出世界模型「开悟」。

• 一方面，基于真实采集数据，「开悟」可以完成数据泛化，生成大量高质量场景，包括稀有标志牌、施工场景等极端场景；
• 另一方面，模型可以在「开悟」中完成自车与他车，环境交互的闭环仿真训练。

一个重要数据是，基于一张 A100 GPU 打造的「开悟」世界模型，平均每天生成 2 万个场景，相当于 100 台路测车数据采集能力，及 500 台量产车的效率。

当然，降本增效的前提是「开悟」生成的场景足够真实、准确。

曾有业内人士认为，采用世界模型生成式数据比较粗糙，代替不了真实世界，只能作为辅助性工具使用。

而「开悟」攻克了世界模型的难点、痛点，能够理解真实世界的物理规则、交通规则，生成的的场景视频，最长为 150 秒，分辨率高达 1080P。

另一个维度是时空一致性，在行业内都输出 1V、6V 视角视频时，「开悟」直接挑战最高难度，生成 11V 多视角时空一致的高信息密度视频。

此外，强大的泛化能力，让「开悟」能够定制长尾场景，精准改变天气、交通要素，目前场景集覆盖的各类天气、光照条件、道路类型的场景种类高达 1024 类，构建千万级场景库。

王晓刚表示，目前商汤绝影数据采集过程中，20% 的数据由「开悟」生成，未来这个比例可以达到 80%。

显然，「开悟」世界模型对端到端玩家而言，是一项面向未来的提质生产力工具，商汤绝影放出这个大招，意味着率先预定了未来竞争场的入场券。

目前，围绕高阶智驾量产、端到端量产、AI 云服务、AI 大模型等产品维度，商汤绝影已经与奇瑞大卓智能、东风建立战略合作关系。

03、「互补」，找准自己的生态位

今天，大多数车企都走上了全栈可控这条路。

掌握了数据命脉，车企就有底气把野心放大。

奇瑞大卓智能 CEO 谷俊丽表示，奇瑞全球用户高达 1510 万，覆盖全球 100 个国家，当下 AI 战等于资源战，数据就是流动的黄金。

在奇瑞的智驾产品序列上，从 L2 延展到 L4，包含乘用车、商用车，也包括青海大数据、天穹超算中心等基础数据设施。

这其中，商汤绝影扮演了重要的赋能者角色。

据透露，目前商汤绝影与奇瑞具体合作情况是，绝影提供算法方案，奇瑞负责工程化落地。

此外也有媒体报道，商汤绝影选择直接给奇瑞交付白盒方案。

在方案商的视角里，算法方案作为核心资产，完全暴露给车企，是一步险棋。

但商汤绝影选择不对车企设防线，原因可能有两点。

一是建立信任关系。

商汤绝影似乎在极力给车企释放一种真诚合作的态度。

王晓刚表示，「绝影」一词源于曹操的汗血宝马，它随曹操四处征战，所向披靡。在这层寓意上，商汤绝影建立了深刻自我认知。

「我们团队如同千里马一样，忠诚可靠，迅速全面助力合作伙伴在竞争中领先卓越。」他直言。

所以，交白盒正是完全打消车企卡脖子的顾虑，让双方没有间隙地开展合作。

二是双方合作尺度加深。

谷俊丽也大方提到，大卓与奇瑞一起建设了天穹超算中心，云端算力为 1500 PFlops。

这意味着，双方已经不局限于单独的项目定点合作，而是深入到云端算力维度，在商汤绝影助力下，大卓可以基于强大的算力体系，建立良性的数据训练闭环。

王晓刚认为，单打独斗模式早已行不通，AI 公司跟主机厂合作是一个趋势，并且二者不再是标准化黑盒的交付，更多的是研发体系对齐、共创共建的过程。

所以，商汤绝影希望能借与奇瑞的合作，打造一个样本。

在这个样本中，车企与方案商形成一种互补协同的生产关系。

• 车企懂用户，懂市场，可以发挥用户数据价值，打通产品交付的最后一公里；
• AI 企业通过丰富的 AI 经验、算力资源帮助车企解决模型迭代的效率、性能难题。

谷俊丽同样认为，整个智能驾驶生态链，要向 PC 时代一样走进千家万户，车企、方案商都必须在生产链条上找到站位，找到最匹配的合作伙伴。

当然，生态建设需要共创共建共享，但生意经的另一面是，方案商面临的残酷市场环境。

某种程度上，方案商必须构建自己独特的互补能力，才会引起车企关注。

商汤绝影的确准备充分，一家方案商能把产品矩阵覆盖到智能座舱、智能驾驶、世界模型三个层面，的确是业内少数派。

这也意味着，如果与奇瑞的样本打造成功，商汤绝影可以打破横亘在面前的端到端「量产」高墙。

现在，它迫切需要用这个机会证明自己。