商湯科技聯(lián)合創(chuàng)始人王曉剛：AGI重塑智能汽車，今明兩年是關(guān)鍵窗口期

對(duì)話 |?蓋世汽車CEO、蓋世汽車資訊部總編?周曉鶯

撰文 |?蓋世汽車編輯 熊薇

2022年底ChatGPT火爆出圈，在全球范圍內(nèi)引發(fā)一輪通用人工智能（AGI）技術(shù)創(chuàng)新和產(chǎn)業(yè)化落地?zé)岢?。作為其中一個(gè)重要落地場景，汽車產(chǎn)業(yè)憑借智能化變革新機(jī)遇，與廣泛市場需求，也站上了“大模型+”風(fēng)口。

“對(duì)于汽車行業(yè)，我覺得AGI的影響主要有兩個(gè)方面：第一，會(huì)大幅提升生產(chǎn)效率，比如基于大模型的端到端自動(dòng)駕駛，將顯著提升自動(dòng)駕駛開發(fā)效率；第二，AGI會(huì)改變人機(jī)交互方式，得益于大模型加持，未來汽車有望變?yōu)橐粋€(gè)超級(jí)智能體?！苯?，商湯科技聯(lián)合創(chuàng)始人、首席科學(xué)家、絕影智能汽車事業(yè)群總裁王曉剛接受蓋世汽車CEO周曉鶯采訪時(shí)表示。

尤其是今明兩年，在王曉剛看來將是AGI重塑智能汽車非常關(guān)鍵的時(shí)間窗口。

因此，憑借在人工智能領(lǐng)域的豐富積累，以及在AGI軟硬件基礎(chǔ)設(shè)施上持續(xù)不斷的投入，以商湯絕影作為核心載體，商湯正大力布局汽車業(yè)務(wù)，并構(gòu)建了完整的“駕-艙-云”三位一體架構(gòu)體系，多維度助推智能汽車加速駛?cè)階GI時(shí)代。

在智能駕駛領(lǐng)域，商湯絕影早在2022年底就于業(yè)內(nèi)率先發(fā)布了感知決策一體化自動(dòng)駕駛通用模型UniAD。在此基礎(chǔ)上，依托應(yīng)用場景更廣、性能更強(qiáng)的多模態(tài)大模型，商湯絕影又研發(fā)了新一代自動(dòng)駕駛大模型 DriveAGI，開啟自動(dòng)駕駛迭代升級(jí)新范式。

在智能座艙領(lǐng)域，商湯絕影也發(fā)布了一系列基于多模態(tài)場景大腦的大模型產(chǎn)品，計(jì)劃基于多模態(tài)大模型進(jìn)一步打造AI智能體，更好地助力智能座艙。比如前段時(shí)間上市的小米SU7，就應(yīng)用了商湯的大語言模型和多模態(tài)模型。

據(jù)王曉剛介紹，在智駕方面，目前商湯絕影已成功交付了廣汽、合眾、一汽等車企項(xiàng)目，智能座艙業(yè)務(wù)去年更是累計(jì)交付了40多個(gè)車型，量產(chǎn)規(guī)模大概有120多萬輛，預(yù)計(jì)今年無論交付車型款數(shù)還是量產(chǎn)車數(shù)量將再創(chuàng)新高。

不過，盡管AGI在賦能各行各業(yè)轉(zhuǎn)型升級(jí)方面已經(jīng)取得了突破性進(jìn)展，王曉剛認(rèn)為，大模型要真正在千行百業(yè)產(chǎn)業(yè)化落地，既是短跑又是長跑。“因?yàn)槲覀兲幵谑袌龊图夹g(shù)都高速發(fā)展的階段，另一方面，通用人工智能的上限和天花板很高，現(xiàn)在遠(yuǎn)沒達(dá)到上限，未來還有非常大的發(fā)展空間?！?/p>

那么，AGI重構(gòu)汽車產(chǎn)業(yè)，“奇點(diǎn)”究竟何時(shí)來臨？需要具備哪些條件？目前商湯絕影已經(jīng)發(fā)展到了哪個(gè)階段？后續(xù)還有何長遠(yuǎn)的規(guī)劃以及目標(biāo)？汽車行業(yè)“百模大戰(zhàn)”還會(huì)持續(xù)多久？

以下為訪談實(shí)錄? 對(duì)話

“從智能汽車到機(jī)器人，大模型想象空間巨大”

Q：周曉鶯：商湯怎么看待AGI對(duì)汽車產(chǎn)業(yè)帶來的影響？

王曉剛：AGI和大模型給人們的社會(huì)生活，包括各行各業(yè)帶來了非常深刻的變化。在人工智能1.0時(shí)代，我們需要針對(duì)每個(gè)任務(wù)訓(xùn)練一個(gè)模型，在過去幾年里，商湯推出了超過4萬個(gè)商業(yè)化模型，這里面投入的研發(fā)資源非常大，研發(fā)周期非常長。但今天有了通用人工智能，幾個(gè)非常強(qiáng)的大模型就可以完成很多任務(wù)，而且是一些開放式的任務(wù)。

之前的人工智能比較擅長基于固定規(guī)則下的任務(wù)，比如下圍棋AlphaGo做的很好，但如果把棋盤大小改變了，可能就要重新訓(xùn)練。今天有了通用人工智能，即便沒有這些規(guī)則，也能完成很多開放式任務(wù)。

像自動(dòng)駕駛進(jìn)入復(fù)雜城區(qū)場景，很多依靠規(guī)則其實(shí)沒法覆蓋，這些開放式任務(wù)正是通用人工智能所擅長的，包括智能座艙里各種人機(jī)交互，也在不斷提出新的需求，這些都可以通過通用人工智能去應(yīng)對(duì)。

另外，以前做人工智能，比較多的是識(shí)別，包括物體識(shí)別、人臉識(shí)別等，今天的通用人工智能可以是生成式AI，能自主生成大量內(nèi)容，包括文字、圖像和視頻，極大改變我們的文化、社會(huì)和生活。

具體到汽車行業(yè)，我覺得AGI的影響主要有兩個(gè)方面：第一，會(huì)大幅提升生產(chǎn)效率。比如大家已經(jīng)能夠看到用Copilot做編程助手，汽車行業(yè)有大量軟件開發(fā)，需要投入非常多的人力。未來在大模型駕駛領(lǐng)域，通過機(jī)器可以節(jié)省80%的工作量。

目前自動(dòng)駕駛比較明顯的發(fā)展趨勢(shì)是基于大模型的端到端自動(dòng)駕駛，以前基于規(guī)則的模式，進(jìn)入復(fù)雜城區(qū)場景后，需要的代碼量可能是原來高速場景的幾十倍，因?yàn)槊刻煲幚砀鞣N不同的Corner Case，需要很多工程師不斷解決各種新問題。但是大模型出現(xiàn)以后，通過數(shù)據(jù)驅(qū)動(dòng)自動(dòng)駕駛發(fā)展成為可能，從感知、規(guī)控到?jīng)Q策，可以通過一個(gè)網(wǎng)絡(luò)模型來實(shí)現(xiàn)，靠數(shù)據(jù)覆蓋各種Corner Case，會(huì)在無形中大幅提升開發(fā)效率。

還有座艙里的DMS、OMS，過去根據(jù)疲勞監(jiān)測、分心監(jiān)測、打電話監(jiān)測等功能，每個(gè)特定任務(wù)都要投入專人開展數(shù)月研發(fā)，現(xiàn)在有了多模態(tài)大模型，可以不斷增加新任務(wù)，而模型本身無需改變，就能即時(shí)響應(yīng)，效率提升十分明顯。

第二，AGI會(huì)改變?nèi)藱C(jī)交互方式。以前座艙里只能通過簡短固定語音指令完成特定任務(wù)，今天有了大模型加持，可以進(jìn)行各種開放式多輪對(duì)話，就像跟機(jī)器人對(duì)話一樣。包括現(xiàn)在座艙里面有很多APP，有時(shí)候要使用一個(gè)APP可能要找好久，現(xiàn)在AI智能體能自動(dòng)完成這些事情。而且通過座艙里各種傳感器，系統(tǒng)還可以觀察駕乘人員的狀態(tài)，并主動(dòng)發(fā)起對(duì)話，變成一個(gè)超級(jí)智能體。所以說，汽車是實(shí)現(xiàn)大模型人機(jī)交互閉環(huán)一個(gè)非常好的場景。

對(duì)于智能終端，從最早AI 1.0時(shí)代的手機(jī)，到今天的汽車，再到將來的機(jī)器人，AI大模型給智能汽車帶來了非常大的想象空間。我們正從智能汽車1.0時(shí)代，走向一個(gè)真正的超級(jí)AI智能體。

Q：周曉鶯：感覺這個(gè)演變讓人非常興奮，會(huì)打開一個(gè)新天地，咱們預(yù)測過這個(gè)時(shí)間表嗎，或者一些關(guān)鍵的時(shí)間節(jié)點(diǎn)？

王曉剛：我覺得今明兩年是非常關(guān)鍵的時(shí)間窗口。一方面，自2022年底ChatGPT出圈，過去兩年通用人工智能發(fā)展十分迅猛，出現(xiàn)了很多新模型和應(yīng)用，給智能汽車帶來了非常多的機(jī)會(huì)。

另一方面，從智能汽車發(fā)展來看，比如智能駕駛前幾年還存在路線爭議，現(xiàn)在已經(jīng)收斂很多，行業(yè)對(duì)于未來的發(fā)展方向也比較明確。智能座艙有了大模型加持，意味著艙內(nèi)一系列軟硬件架構(gòu)都會(huì)發(fā)生變化，今天比較多還是調(diào)用云端大模型，將來一定是端云結(jié)合。這里面誰能抓住先機(jī)，改變用戶體驗(yàn)，給客戶交付更有價(jià)值的產(chǎn)品，這一兩年將是重要的窗口期。

周曉鶯：所以這兩年大家要加速往前沖。

王曉剛：有人說現(xiàn)在既是短跑又是長跑，因?yàn)槲覀兲幵谑袌龊图夹g(shù)都高速發(fā)展的階段，要能夠抓住它。但另一方面，通用人工智能的上限和天花板很高，現(xiàn)在遠(yuǎn)沒達(dá)到上限，未來還有非常大的發(fā)展空間。

Q：周曉鶯：對(duì)于人工智能技術(shù)在各行各業(yè)的落地，商湯做了很多探索，這其中商湯絕影主要專注于智能汽車應(yīng)用，您能否分享下商湯絕影具體的戰(zhàn)略規(guī)劃？

王曉剛：商湯是一個(gè)人工智能平臺(tái)公司，無論發(fā)展還是創(chuàng)新，都需要由行業(yè)來牽引。早期互聯(lián)網(wǎng)、手機(jī)和智慧城市，是牽引公司發(fā)展的主要?jiǎng)恿Γ裉熘悄芷嚦闪藸恳斯ぶ悄馨l(fā)展創(chuàng)新最重要的動(dòng)力，因?yàn)槠囆袠I(yè)規(guī)模非常大。

另外，智能汽車是一個(gè)非常好的人機(jī)交互場景，而通用人工智能大模型又可以改變未來人機(jī)交互。所以絕影的發(fā)展戰(zhàn)略，是依托商湯的特長積累和戰(zhàn)略，抓住通用人工智能和大模型給智能汽車帶來的機(jī)遇。

這里面需要什么呢？第一，非常強(qiáng)的軟硬件基礎(chǔ)設(shè)施。我們從2018年開始研究大模型，那時(shí)還沒有能支撐大模型研究的基礎(chǔ)設(shè)施，所以我們建立了商湯大裝置，到今天一共有45000塊GPU，總算力突破了12000P，到今年年底將進(jìn)一步達(dá)到16000P。作為對(duì)比，特斯拉目前有10萬塊GPU，而反觀國內(nèi)其他車企，在算力儲(chǔ)備方面和特斯拉還有很大的差距。因此在這方面，商湯絕影可以給行業(yè)提供比較好的基礎(chǔ)設(shè)施。

在此基礎(chǔ)上，我們還有一系列原生態(tài)大模型，包括自然語言模型、多模態(tài)模型、文生圖模型、文生視頻模型以及3D大模型，積累了大量Know-How。我們并不是一味追隨Open AI，而是有自己的創(chuàng)新點(diǎn)，比如我們2022年底發(fā)布了UniAD，這是業(yè)內(nèi)第一個(gè)端到端自動(dòng)駕駛大模型，到現(xiàn)在可以看到端到端大模型用于自動(dòng)駕駛已經(jīng)成為行業(yè)共識(shí)，我們的UniAD也有面向量產(chǎn)的方案，這體現(xiàn)了我們的原創(chuàng)性。

另外，去年5月我們還推出了用于機(jī)器人的具身智能模型。原來機(jī)器人比如AlphaGo所用的模型，只能解決已經(jīng)定義好比較規(guī)則的特定任務(wù)，但具身智能模型可以解決很多開放式任務(wù)，比如《我的世界》(Minecraft)里面的200多個(gè)任務(wù)，都能去解鎖。而OpenAI和DeepMind用傳統(tǒng)的強(qiáng)化學(xué)習(xí)去做，只解鎖了其中的78個(gè)。所以從智能汽車到機(jī)器人，大模型可以帶來非常多的想象空間。

今年，大家對(duì)多模態(tài)模型落地有非常高的期待，但其實(shí)我們?cè)?023年3月就開源了多模態(tài)模型，擁有30億參數(shù)，是當(dāng)時(shí)業(yè)內(nèi)最強(qiáng)的多模態(tài)模型?？梢钥吹?，這些模型布局我們都走在行業(yè)前面。

針對(duì)汽車行業(yè)，我們對(duì)一系列大模型專門進(jìn)行了優(yōu)化，通過與大量智艙、駕駛數(shù)據(jù)相結(jié)合，構(gòu)建專屬于汽車行業(yè)的原生態(tài)大模型，因?yàn)檫@里面很多任務(wù)不是通用模型能解決的，由此衍生出了一系列面向自動(dòng)駕駛和智能座艙的方案。比如端到端自動(dòng)駕駛大模型正在推進(jìn)當(dāng)中，智能座艙領(lǐng)域，我們?nèi)ツ暌舶l(fā)布了一系列基于大模型的產(chǎn)品，今年將進(jìn)一步推出基于多模態(tài)大模型的AI智能體，更好助力智能座艙的體驗(yàn)升維。比如前段時(shí)間上市的小米SU7，就應(yīng)用了我們的語言模型和多模態(tài)模型。另外從手機(jī)到其他各種智能終端，我們跟小愛同學(xué)都有比較好的合作。

所以商湯絕影整體的發(fā)展戰(zhàn)略叫“駕-艙-云”三位一體，所謂“云”就是各種基礎(chǔ)設(shè)施，可以助力整車廠和其他一些合作伙伴，進(jìn)行智能駕駛和智能座艙相關(guān)開發(fā)。

“未來汽車將有很多智能體，各自擅長不同的能力”

Q：周曉鶯：從財(cái)報(bào)數(shù)據(jù)來看，去年商湯絕影智能汽車業(yè)務(wù)整體營收增幅超過了30%，相對(duì)于整個(gè)行業(yè)來說是一個(gè)非常好的成績，其中主要增長點(diǎn)來自哪些業(yè)務(wù)？

王曉剛：在智能駕駛方面，我們已經(jīng)交付了廣汽、合眾、一汽等車企，但真正要帶來收入增長，可能還需要一段時(shí)間。比較而言，智能座艙業(yè)務(wù)走的相對(duì)快一些，去年我們累計(jì)交付了40多個(gè)車型，量產(chǎn)規(guī)模大概有120多萬輛。今年，無論交付車型款數(shù)還是量產(chǎn)車數(shù)量，都會(huì)翻一倍。這里面我覺得兩個(gè)核心點(diǎn)在于，一個(gè)是智能汽車的滲透率在快速提升，另一個(gè)是汽車對(duì)新技術(shù)、新產(chǎn)品的追求給我們帶來了比較好的機(jī)會(huì)。

周曉鶯：恰恰是您講的這兩點(diǎn)，汽車智能化發(fā)展和對(duì)新技術(shù)的追求，現(xiàn)在都在快速上量。

王曉剛：所以我們也需要不斷加大投入，提升效率。商湯在人工智能領(lǐng)域有比較好的儲(chǔ)備和積累，同時(shí)我們也在不斷強(qiáng)化工程體系、交付能力以及與車企的合作能力，更好地服務(wù)這個(gè)行業(yè)。

Q：周曉鶯：您前面提到一系列大模型，包括在汽車領(lǐng)域的兩條發(fā)展路徑，能不能展開講一下大模型上車與這些產(chǎn)品及應(yīng)用之間的邏輯關(guān)系？商湯絕影大模型有哪些獨(dú)特亮點(diǎn)？

王曉剛：有比較多的相關(guān)性，比如多模態(tài)大模型的基礎(chǔ)是，首先你要有強(qiáng)大的語言模型、視覺模型，才能在這個(gè)基礎(chǔ)上去形成更加強(qiáng)大的多模態(tài)模型。另外我們還有文生視頻模型、文生圖模型，積累了大量的Know-How。

具體到產(chǎn)品方面，我們已經(jīng)有UniAD自動(dòng)駕駛端到端大模型，在此基礎(chǔ)上，依托多模態(tài)大模型，進(jìn)一步拓展研發(fā)了新一代自動(dòng)駕駛大模型 DriveAGI，其中的數(shù)據(jù)輸入除了各種傳感器，還有駕駛員的指令。因?yàn)楝F(xiàn)在的自動(dòng)駕駛，基本上都是確定好目的地后車輛自主駕駛，在這個(gè)過程當(dāng)中，其實(shí)有很多人機(jī)交互應(yīng)用。比如每個(gè)人駕駛習(xí)慣不一樣，或者在不同情況下對(duì)車輛駕駛行為需求不一樣，比如有些人趕時(shí)間可能會(huì)頻繁地?fù)Q道超車，有些人希望能在車上安靜地看書，這時(shí)可以跟系統(tǒng)做一些互動(dòng)。

從輸出角度，以前車輛就是一個(gè)“黑盒子”，但現(xiàn)在有了大模型以后，當(dāng)車輛做出各種決策時(shí)，其實(shí)可以通過自然語言解釋一下為什么要這么開，這是我們覺得多模態(tài)大模型能夠給自動(dòng)駕駛帶來的一個(gè)延伸。

另外從產(chǎn)品角度，我們知道訓(xùn)練自動(dòng)駕駛算法需要大量端到端數(shù)據(jù)，這些數(shù)據(jù)除了實(shí)際采集，還要大量的仿真數(shù)據(jù)，因?yàn)橛行r(shí)候想得到特定場景的訓(xùn)練數(shù)據(jù)比較難，并且越到后面數(shù)據(jù)采集效率越低。在這種情況下，我們的文生視頻模型就可以用來生成各種攝像頭角度、各種車況或者交通場景下的視頻，進(jìn)行自動(dòng)駕駛測試和算法訓(xùn)練。

除了自動(dòng)駕駛，我們也在探索怎么跟座艙里的大模型結(jié)合，因?yàn)槲磥碲厔?shì)是艙駕融合，在一顆芯片上同時(shí)部署智駕大模型和座艙大模型，實(shí)現(xiàn)各種傳感器、車內(nèi)車外數(shù)據(jù)的聯(lián)通。

比如在駕駛過程中，我們看到車外的建筑物，或者靠近某個(gè)景點(diǎn)、交通路口時(shí)，會(huì)問各種問題，模型能給出智能化的回答，這要求延時(shí)非常低。但是現(xiàn)在我們艙內(nèi)的一些模型還放在云端，有延遲，存在一些數(shù)據(jù)方面的問題。

將來通過端云結(jié)合，我們希望80%的這種問題能夠通過端上的芯片完成，及時(shí)響應(yīng)，同時(shí)成本比較低，從而實(shí)現(xiàn)比較好的用戶體驗(yàn)。未來，我們判斷越來越多的公司會(huì)使用MoE(Mixture of Experts）架構(gòu)，也就是混合專家模型，就是很多模型在各種不同情況下，針對(duì)不同任務(wù)調(diào)用不同模型，這樣會(huì)極大地降低算力。

Q周曉鶯：感覺以后開車，在體驗(yàn)上會(huì)越來越絲滑，但實(shí)際上后面的系統(tǒng)也會(huì)越來越復(fù)雜。

王曉剛：對(duì)，有很多智能體，這些智能體有各自擅長的不同能力，甚至包括自動(dòng)駕駛也不一定是一個(gè)模型，比如在高速場景和復(fù)雜路口，或者擁擠的路段、鄉(xiāng)間小路，每個(gè)模型擅長的事情都不一樣。

Q周曉鶯：最好大模型供應(yīng)商是一家企業(yè)，否則會(huì)不會(huì)打架？

王曉剛：所以將來研發(fā)模式也會(huì)發(fā)生變化，之前一個(gè)系統(tǒng)被切成很多模塊，由不同供應(yīng)商提供各個(gè)模塊，現(xiàn)在因?yàn)橛幸粋€(gè)大模型整體協(xié)調(diào)，技術(shù)耦合度會(huì)更高。但另一方面，這又要求跟整車廠之間的合作更深入，因?yàn)闀?huì)涉及軟硬件架構(gòu)的改變，而且每家車企還有自己定制化的內(nèi)容、獨(dú)特賣點(diǎn)和特征，這需要更加深度的耦合。

Q周曉鶯：關(guān)于大模型到底怎么上車這件事情，是否方便分享一些跟車企合作的案例？因?yàn)檫@還是一個(gè)蠻新的領(lǐng)域，雖然大家談了很多。

王曉剛：去年大模型剛剛開始應(yīng)用時(shí)，跟車企的合作相對(duì)簡單一些，就是提供模型給車企測一測，或者把幾個(gè)模型比較一下，誰的能力強(qiáng)選誰。但后來慢慢發(fā)現(xiàn)，通用模型其實(shí)解決不了實(shí)際問題，很多執(zhí)行指令以及可靠性滿足不了車企需求，需要定制化開發(fā)。

另外原來的云端模型存在固有缺陷，光有一個(gè)云端模型還不行，而是需要若干個(gè)模型結(jié)合起來，這又會(huì)涉及到車內(nèi)軟件架構(gòu)的改變，包括這些模型還需要跟整車生態(tài)聯(lián)合，因?yàn)檐噧?nèi)有很多APP，智能體要調(diào)用這些APP。在這個(gè)過程當(dāng)中，我們和車企逐漸變成了深度耦合、密切合作的關(guān)系。我覺得這可能也是未來的一個(gè)趨勢(shì)。因?yàn)樵诩夹g(shù)發(fā)生變革的時(shí)候，大家都希望能夠參與其中，共同設(shè)計(jì)這些架構(gòu)。

Q周曉鶯：這不像傳統(tǒng)汽車時(shí)代，只是簡單地增加一個(gè)部件或者一個(gè)功能，而更像是兩個(gè)大的生態(tài)在相互融合。

王曉剛：比如原來車企內(nèi)部，會(huì)根據(jù)電子電氣架構(gòu)設(shè)置各個(gè)部門，但大模型出現(xiàn)后，會(huì)對(duì)過去的很多功能和模塊進(jìn)行重構(gòu)，這將帶來組織架構(gòu)變化，也即是生產(chǎn)力變化帶來生產(chǎn)關(guān)系變化，這也是為什么我覺得接下來像絕影這樣的新供應(yīng)商會(huì)有機(jī)會(huì)。所以在帶來新技術(shù)的同時(shí)，我們還要對(duì)自身組織結(jié)構(gòu)進(jìn)行重整，以適應(yīng)技術(shù)的發(fā)展變化，包括跟整車廠合作模式的變化，誰先把這些事情理順，誰就能走得更快。

Q周曉鶯：所以絕影的優(yōu)勢(shì)，我覺得像您講的不管是對(duì)人工智能的理解和應(yīng)用，還是組織架構(gòu)、人才儲(chǔ)備，其實(shí)都有比較長和比較深的積累。

王曉剛：我們?cè)诩夹g(shù)上有一定的積累，同時(shí)也認(rèn)識(shí)到了技術(shù)對(duì)我們組織架構(gòu)帶來的新變化。所以我們現(xiàn)在是以一種開放的心態(tài)重新創(chuàng)業(yè)，打破原來的組織分工形態(tài)，我們跟車廠也保持非常開放的態(tài)度，共同探索新的模式。

“智能駕駛往后發(fā)展，降本將是重要趨勢(shì)”

Q周曉鶯：在智駕領(lǐng)域，絕影量產(chǎn)智駕方案已經(jīng)上車哪吒S、廣汽昊鉑等車型，后續(xù)還有何新的量產(chǎn)落地規(guī)劃？

王曉剛：接下來，我們還會(huì)持續(xù)更新系統(tǒng)功能，不斷提升用戶體驗(yàn)。在哪吒S上，我們已經(jīng)率先在16 TOPS算力條件下實(shí)現(xiàn)了高速領(lǐng)航功能，接下來通過OTA升級(jí)，我們還會(huì)持續(xù)優(yōu)化用戶體驗(yàn)，同時(shí)也希望不斷拓展新的車型、新的功能。

Q周曉鶯：對(duì)于城市智駕，我們看過去兩年“大算力芯片+激光雷達(dá)”幾乎成為標(biāo)配，您對(duì)此怎么看？

王曉剛：我覺得智能駕駛再往后發(fā)展，降本將是一個(gè)重要趨勢(shì)，所以擺脫對(duì)激光雷達(dá)的依賴，主要依靠視覺的方案，也會(huì)是未來的一個(gè)發(fā)展趨勢(shì)。當(dāng)然到了L3，需要冗余備份的時(shí)候，還是需要激光雷達(dá)。但是對(duì)于L2.9的城區(qū)領(lǐng)航，我們其實(shí)也在做純視覺方案，包括端到端的UniAD，就是基于視覺方案在做。

談到算力，首先還是在不斷地增長，但同時(shí)也在追求性價(jià)比，并希望在體驗(yàn)上有一些突破，因?yàn)楫吘褂写竽Ｐ图映?，這方面我覺得還有探索空間。比如未來的艙駕融合，在一顆芯片上同時(shí)部署智駕和智艙，能夠降低成本。另外我們也看到，芯片廠商仍在不斷提升算力，這給大模型在端上落地提供了更大空間。

所以我覺得未來智駕大算力演進(jìn)和降本會(huì)交替進(jìn)行，并在體驗(yàn)上不斷上探天花板。同時(shí)對(duì)一些比較成熟的功能，會(huì)通過降本提升性價(jià)比，實(shí)現(xiàn)更大量產(chǎn)規(guī)模。

Q周曉鶯：所以絕影非常堅(jiān)定地看好純視覺路線，是因?yàn)閯偛胖v的成本？

王曉剛：也是本身的基因所在，視覺是商湯的專長，早在2016年本田來中國尋找合作伙伴的時(shí)候，就給我們出題用兩顆攝像頭怎么完成自動(dòng)駕駛，隨后2017年我們基于兩顆攝像頭完成了要求。

而除了成本優(yōu)勢(shì)，比較之下視覺方案提供的信息也更加豐富，天花板更高。尤其在復(fù)雜場景中，端到端方案通過視覺感知能提取更豐富的信息，獲取有價(jià)值信息的能力會(huì)變得更強(qiáng)，這也是我們看好視覺的一個(gè)重要原因。

Q周曉鶯：您覺得端到端方案是城市智駕的最優(yōu)解嗎？

王曉剛：我覺得是這樣的，因?yàn)槌鞘兄邱{覆蓋的復(fù)雜場景非常多，包括各種Corner Case，并且大家對(duì)體驗(yàn)的要求也在不斷提升。不過今天雖然都在談端到端，實(shí)現(xiàn)的方式還不太一樣，有些其實(shí)是兩段式的，即感知和規(guī)控分兩部分。

因?yàn)榇饲爸挥懈兄糠质褂玫氖茿I神經(jīng)網(wǎng)絡(luò)，規(guī)控部分使用的是規(guī)則。目前很多方案還是兩段式的，只不過把其中的規(guī)控改為了用神經(jīng)網(wǎng)絡(luò)來實(shí)現(xiàn)，整體難度相對(duì)低一些。但也會(huì)帶來一些新的問題，因?yàn)榻?jīng)過感知過濾以后，有些信息會(huì)丟失，如此一來規(guī)控提取的信息會(huì)相對(duì)有限。

而真正的端到端，像特斯拉做的，輸入的是視頻、圖像，輸出的是規(guī)控軌跡，這個(gè)難度高很多，因?yàn)榍懊娴男畔⒃捶浅?fù)雜，但要輸出的是非常精準(zhǔn)的控制信息，這其中對(duì)技術(shù)和網(wǎng)絡(luò)的要求都非常高，天花板也更高，因?yàn)橹虚g沒有人為分拆，不會(huì)損失信息。

Q周曉鶯：就是雖然都叫端到端，中間還是有非常多的差異，回到大模型也一樣，這兩年特別火，包括汽車行業(yè)整車廠和技術(shù)公司也都在推自己的大模型，您怎么看待這個(gè)現(xiàn)象？

王曉剛：我覺得這是一個(gè)必然過程，大模型出現(xiàn)以后，大家都想去嘗試。但未來一定會(huì)收斂，因?yàn)檫@對(duì)資源的投入要求非常高，并且需要不斷追蹤技術(shù)的發(fā)展。今天大模型的發(fā)展不是已經(jīng)到了天花板，而是還處在一個(gè)快速發(fā)展的階段，對(duì)投入要求非常高。

剛才提到算力，我們?nèi)ツ暌呀?jīng)實(shí)現(xiàn)了1000P算力，等效于把3000塊A100芯片連在一起進(jìn)行大模型網(wǎng)絡(luò)訓(xùn)練。今年我們的目標(biāo)是實(shí)現(xiàn)3000P算力，等效于1萬塊A100連成一個(gè)集群用來訓(xùn)練網(wǎng)絡(luò)，明年進(jìn)一步達(dá)到10000P算力，整個(gè)基礎(chǔ)設(shè)施是不斷演進(jìn)的。

但我們看今天很多做大模型的企業(yè)，可能只有100P或者幾百P的算力，其實(shí)不具備這種原生態(tài)大模型能力，而是拿一些開源模型在上面做修改。這樣一來，如果想做一些根本性的創(chuàng)新很難，而且這是一個(gè)持續(xù)投入的過程。

我們看過去十年人工智能的發(fā)展，2012年神經(jīng)網(wǎng)絡(luò)第一次在視覺里面取得比較大的突破，之后從AlexNet到AlphaGO，再到今天的GPT-4，算力需求已經(jīng)增長了1000萬倍，目前還在不斷增長。在這種情況下，前面說既是短跑又是長跑，如果從長跑角度來看，不太可能每家車廠都構(gòu)建自己的大模型，更多可能是找到這方面的合作伙伴，而且這個(gè)合作伙伴也需要在這條路上持續(xù)投入，持續(xù)創(chuàng)新，我覺得這恰恰是商湯絕影的機(jī)會(huì)。

在AGI領(lǐng)域，商湯本身就有很深的積累，同時(shí)我們也是非常堅(jiān)定地持續(xù)往前走。未來，我相信整車廠能夠意識(shí)到基礎(chǔ)設(shè)施所帶來的價(jià)值，到時(shí)候我們?cè)趺茨軌蚋玫厣钊牒献?，什么是他們要做的，什么由我們來做，?huì)慢慢清晰。

周曉鶯：大家需要一個(gè)時(shí)間學(xué)習(xí)新東西，并且在定位上慢慢把邊界區(qū)隔開，而不是什么都自己做。

王曉剛：尤其大模型發(fā)展很快，可能你上一代還沒有100%達(dá)到別人的水平，別人下一個(gè)版本又出來了。

“整車廠邁向通用人工智能，商湯絕影希望成為核心供應(yīng)商”

Q周曉鶯：剛剛提到算力，原來燃油車時(shí)代是靠馬力驅(qū)動(dòng)，現(xiàn)在智能車時(shí)代靠算力驅(qū)動(dòng)，咱們有預(yù)測過智能汽車變革對(duì)算力的需求上限嗎？

王曉剛：今天還沒有看到上限，我們知道人腦的神經(jīng)元數(shù)量約為860億個(gè)，如果把每個(gè)神經(jīng)元的突觸算上，相當(dāng)于百萬億規(guī)模，今天還遠(yuǎn)遠(yuǎn)沒有達(dá)到上限。所以可以看到，目前對(duì)算力的需求還在持續(xù)增加。

不過我覺得未來可能是“云端模型+離線模型+終端模型”的融合狀態(tài)，汽車領(lǐng)域有望出現(xiàn)一個(gè)超級(jí)強(qiáng)的大模型，類似于今天的GPT-4，然后派生出若干個(gè)能部署在終端的小模型。在此過程中，隨著算力提升，終端小模型的能力將逐漸增強(qiáng)。

Q周曉鶯：商湯大裝置現(xiàn)在算力是12000P，后面的算力規(guī)劃能不能給我們講講?

王曉剛：今年底計(jì)劃達(dá)到16000P，但這里面的規(guī)劃其實(shí)滯后于需求。我們最早規(guī)劃大裝置的時(shí)候，算力是5000P，但實(shí)際需求很快就超過了當(dāng)時(shí)的計(jì)劃。所以說這個(gè)領(lǐng)域還是一個(gè)高速發(fā)展的狀態(tài)，但有一點(diǎn)比較肯定，就是商湯作為人工智能平臺(tái)性企業(yè)，在這些方面一定要抓住制高點(diǎn)。

Q周曉鶯：過去兩年我們也看到很多車企在組建智算中心，您覺得這個(gè)現(xiàn)象會(huì)持續(xù)嗎？

王曉剛：組建智算中心投入非常大，還可能出現(xiàn)的一種情況是，智算中心剛建好發(fā)現(xiàn)規(guī)模不夠用了。所以對(duì)算力的規(guī)劃一定要留有冗余，用于彈性調(diào)度，這樣的規(guī)模化才是最經(jīng)濟(jì)的。如果說每家公司都具備100P或者200P的算力，將來可能不僅不能解決自身問題，還會(huì)產(chǎn)生比較高的維護(hù)成本，從這個(gè)角度并不是一個(gè)經(jīng)濟(jì)的選擇，可能選擇合作更合適。

其實(shí)商湯原本也在各地組建了比較多小的算力中心，后來才統(tǒng)一匯聚到臨港，實(shí)現(xiàn)像剛才說的萬卡集群大算力，大家的任務(wù)可以充分調(diào)配我們的算力，達(dá)到一個(gè)最優(yōu)使用情況。不然的話，想擴(kuò)充算力規(guī)模的時(shí)候擴(kuò)不出去，另外使用效率也不是很高。

周曉鶯：它更像是一種新基建。

王曉剛：而且技術(shù)難度很高，當(dāng)我們把10000塊GPU連在一起的時(shí)候，中間只要一塊GPU出現(xiàn)問題，或者硬件之間的連接出問題，都會(huì)對(duì)整個(gè)系統(tǒng)帶來影響?，F(xiàn)在商湯可以進(jìn)行萬卡互聯(lián)的超大集群訓(xùn)練，且能夠長時(shí)間穩(wěn)定運(yùn)行，一旦出現(xiàn)問題，異常檢測速度已達(dá)到分鐘級(jí)，能實(shí)現(xiàn)快速診斷并及時(shí)修復(fù)。這些都是我們這么多年訓(xùn)練AI大模型計(jì)算過程中積累的經(jīng)驗(yàn)，如果每家公司自己去做的話，是不劃算的。

Q周曉鶯：人工智能某種程度屬于科技非常頂端的技術(shù)，不僅研發(fā)投入大，回報(bào)周期也很長。而現(xiàn)在汽車行業(yè)競爭十分激烈，企業(yè)會(huì)面臨很多選擇，比如究竟要市場份額還是利潤，對(duì)于商湯絕影來說，怎么看待在汽車產(chǎn)業(yè)商業(yè)閉環(huán)走的更久，能夠更好盈利這件事情？

王曉剛：我們也還在探索當(dāng)中，在汽車行業(yè)絕影非常年輕，還有很多東西需要學(xué)習(xí)。我們也從汽車行業(yè)引進(jìn)了大量相關(guān)人才，一方面推進(jìn)產(chǎn)品落地，加深跟客戶的合作關(guān)系，另一方面對(duì)下一代技術(shù)提前布局。因?yàn)榧夹g(shù)迭代非常快，可能這一代技術(shù)或產(chǎn)品搶到了市場份額，但又失去了下一代技術(shù)更新迭代的機(jī)會(huì)。所以我們看絕影的商業(yè)價(jià)值，也是放在商湯大背景下面，希望通過比較好的技術(shù)持續(xù)引領(lǐng)市場，而不是停留在某一個(gè)階段。

Q周曉鶯：從您的視野來看，現(xiàn)在中國智能汽車的發(fā)展和應(yīng)用，包括大模型上車，您覺得在全球市場大概處于什么樣的生態(tài)位？

王曉剛：發(fā)展肯定是非?？斓?，當(dāng)然如果說美國的話，特斯拉肯定是行業(yè)標(biāo)桿。除此之外我覺得國內(nèi)過去幾年的積累包括迭代速度，都體現(xiàn)出了比較強(qiáng)的競爭力。所以將來把我們這些智能化技術(shù)推向全球，也是很重要的一個(gè)點(diǎn)。

Q周曉鶯：如果往后看三年，您對(duì)商湯絕影的發(fā)展有何期待？

王曉剛：從自身定位來說，面向未來AGI發(fā)展目標(biāo)，我們希望能夠助力整車廠和合作伙伴，去實(shí)現(xiàn)我們新的定位和價(jià)值。

本身絕影就是一匹千里馬，需要能夠跑的比較遠(yuǎn)，我覺得這是時(shí)代給了我們非常遠(yuǎn)大的目標(biāo)，和充滿想象力的空間。同時(shí)我們還要跟整車廠緊密合作，扎扎實(shí)實(shí)做好產(chǎn)品落地。今天市場競爭仍然非常激烈，我們希望能夠做好產(chǎn)品交付，同時(shí)在行業(yè)里面持續(xù)引領(lǐng)創(chuàng)新。

希望三年以后絕影能夠成為AGI時(shí)代整車廠走向通用人工智能非常重要的核心技術(shù)伙伴，非常核心的供應(yīng)商。如果能夠?qū)崿F(xiàn)這點(diǎn)的話，我會(huì)非常高興，我想商湯也非常高興實(shí)現(xiàn)我們的目標(biāo)。

周曉鶯：我們也非常期待商湯絕影在接下來的發(fā)展中，像千里馬一樣跑得越來越快。

彩蛋

Q周曉鶯：您小時(shí)候就是學(xué)霸，中科大的少年班，后來從學(xué)術(shù)到產(chǎn)業(yè)會(huì)有不適應(yīng)嗎？

王曉剛：各種調(diào)整吧，我剛來公司的時(shí)候，湯老師說你只要管好技術(shù)就行，不需要負(fù)責(zé)管理。但后來其實(shí)發(fā)現(xiàn)，如果不懂技術(shù)也管不了人，而不懂管理，也形成不了落地的結(jié)果，因?yàn)檫€是結(jié)果為導(dǎo)向。

我剛到商湯的時(shí)候并不管業(yè)務(wù)，后來需要負(fù)責(zé)一些具體業(yè)務(wù)，商務(wù)收入指標(biāo)，各方面要求還比較高。但我覺得這也是商湯的選擇，公司發(fā)展需要你變成一個(gè)什么樣的人，能夠隨著發(fā)展快速做出調(diào)整。

另一方面，這個(gè)轉(zhuǎn)變對(duì)我來說還是非常感恩，我非常珍惜這個(gè)轉(zhuǎn)變。因?yàn)槿斯ぶ悄馨l(fā)展非?？?，待在學(xué)校里很多事情做不了，要資源實(shí)現(xiàn)AI落地。十幾年前我們做AI研究都是停留論文上，2004年我們發(fā)表了五篇CVPR，那時(shí)候中國很少有人能做到。但今天不一樣，論文很多，甚至都用ChatGPT來寫論文。

周曉鶯：生產(chǎn)工具不一樣。

王曉剛：但要形成影響力的話，在產(chǎn)業(yè)里面把AI落地是非常重要的點(diǎn)。從培養(yǎng)人才來說，以前我就帶十幾個(gè)博士生，每年有幾個(gè)人畢業(yè)。但到了商湯，我們這幾年培養(yǎng)了幾千人。

對(duì)人才的培養(yǎng)，底層其實(shí)還是要實(shí)現(xiàn)技術(shù)突破，讓技術(shù)產(chǎn)生社會(huì)價(jià)值，同時(shí)也能培養(yǎng)人，底層邏輯是一樣的。但這里面實(shí)現(xiàn)的方式不一樣，從原來的學(xué)術(shù)背景到今天的產(chǎn)業(yè)界，風(fēng)格各方面都不一樣。

但這里面我也能體會(huì)到自己的優(yōu)勢(shì)，比如說管理，他們之前給我上了很多管理課，最終我發(fā)現(xiàn)精髓就兩個(gè)字：信任。這個(gè)和我以前做老師，背后的核心邏輯是相通的，可能表面看著有很多不一樣，但做事、管理不可避免會(huì)帶著原來的背景，也會(huì)做出不一樣的事情。

其實(shí)不光是我，湯老師以前做這些事情，能夠?qū)崿F(xiàn)超出行業(yè)引領(lǐng)性的東西，因?yàn)樗瓉硪膊皇且粋€(gè)企業(yè)家。有時(shí)候思考維度、追求的東西不一樣，反而能夠做出一些引領(lǐng)性的東西出來。

Q周曉鶯：您覺得在自己的發(fā)展經(jīng)歷當(dāng)中，什么對(duì)您影響特別大？

王曉剛：那肯定是湯老師對(duì)我影響最大，我2001年本科畢業(yè)，那時(shí)連CVPR是什么都不知道，國外那些高水平研究、論文都沒見過。到后面他創(chuàng)立商湯，要做公司，我說我們做研究挺好的，為什么要做公司，他一步一步把我們的人生軌跡改變了。

周曉鶯：遇到一個(gè)好的老師，人生的引路人很重要。

王曉剛：2001年的時(shí)候，相當(dāng)于中國AI研究從中國走向世界，原來就是自己搞，都不知道高水平研究是什么。2014年就是AI落地了，從寫論文到產(chǎn)業(yè)落地，也是一個(gè)劃時(shí)代變化。再到2021年湯老師做國家實(shí)驗(yàn)室，AI變成了國家的一個(gè)戰(zhàn)略選擇，一個(gè)責(zé)任。所以說每一步都有深刻意義，也是在那個(gè)時(shí)代背景下發(fā)生的事。

Q周曉鶯：您對(duì)現(xiàn)在年輕人有什么好的建議嗎？

王曉剛：最早湯老師給我們的要求就是要堅(jiān)持原創(chuàng)、堅(jiān)持創(chuàng)新，做別人沒有做過、不敢想的事情，這在今天可能特別缺少。為什么會(huì)出現(xiàn)“百模大戰(zhàn)”？ChatGPT出現(xiàn)之前沒有“百模大戰(zhàn)”，因?yàn)橹按蠹也恢滥懿荒茏龀鰜恚跃筒煌度?。一旦做出來了，大家覺得是確定的東西，都開始做同樣的事情，重復(fù)消耗了很多資源。所以能夠跳出這些思維，勇于擔(dān)當(dāng)去做一些新東西，并且能夠堅(jiān)持。