經濟觀察報 周信/文 在“軟件定義汽車”的浪潮中，汽車的智能座艙、智能駕駛如何更好地與大模型相結合，是當前行業關注的重點。

日前，商湯絕影CEO王曉剛在接受經濟觀察報采訪時表示：“當前車企對國產大模型的應用大多還停留在‘原始模型接入’階段，在汽車產品體驗層面的深度結合存在明顯差距，實際用戶體驗未達預期。”

王曉剛以智能座艙為例指出，大模型在汽車上實現真正的產品化，需要模型在多模態交互、情感支持等維度取得突破，不能僅依靠文本推理能力的提升。在智能駕駛領域同理，端到端自動駕駛依賴海量真實駕駛數據，但中國車企難以像特斯拉那樣擁有百萬級車隊的數據回流能力。

在此背景下，商湯絕影提出“R-UniAd”技術路線，借助多階段強化學習降低數據需求。王曉剛介紹，傳統端到端模型在復雜場景中，90%的人類駕駛行為數據可能是無效的，而強化學習能通過仿真反復試錯，找到最優解決方案。目前商湯已將20%的仿真數據用于模型訓練，未來目標是提升至70%以上。

在硬件路線的選擇上，激光雷達仍是區分智駕等級的重要標志，但湯絕影堅持純視覺方案。王曉剛表示，激光雷達在極端天氣下可能失效，且成本較高，難以滿足“智駕平權”的需求。隨著視覺算法與仿真數據的迭代，純視覺方案的上限更高。

今年3月，商湯與廣汽、奇瑞等車企合作的J6E、J6M平臺量產，主打10萬元級車型的智駕普及，通過云端大模型蒸餾和工程優化，在低算力芯片上實現高階智駕功能。

面對特斯拉FSD入華的潛在沖擊，王曉剛并不擔心。他表示：“特斯拉FSD端到端的技術路線在中國會面臨自動駕駛場景數據積累受限的問題，因為數據不能夠跨境，特斯拉不大可能用它在美國的數據。”

王曉剛表示，技術演進遠未結束，端到端不是終點，未來需要云端基礎設施、數據管線與車企深度綁定。商湯已與多家車企共建數據中臺，爭取在強化學習時代掌握場景定義的主動權。

對于行業熱議的“VLM（視覺語言模型）能否成為端到端標配”，王曉剛認為，所有技術路線都應回歸數據本質。沒有一種模型能解決所有問題，擁有覆蓋復雜場景數據的企業，才能定義下一代智駕標準。

在算法、算力與數據的激烈競爭中，中國汽車企業的智能化競爭已進入關鍵階段。如何將大模型的技術優勢轉化為實際的用戶體驗，將成為競爭中的決勝關鍵。