解读商汤绝影生成式智驾量产方案

芝能科技出品

最近辅助驾驶领域和座舱领域在不断融合，核心是需要导入更多的AI元素。

汽车市场跟着特斯拉一样，要把FSD和Grok做深度的融合，可以说对智驾的要求进一步提升，呼唤能真正理解人类意图、适应无限开放环境、并在交互中共同迭代的系统。

商汤绝影联合东风汽车推出行业首个生成式智驾量产方案，AI驱动的生成式智驾也同样不再遵循预设规则的剧本，而是基于对人、车、环境等世界元素的深度理解，实时生成驾驶行为的最优决策。

在智能驾驶进入规模化落地阶段之后，消费者和辅助驾驶的矛盾在不断迭代，一开始的需求是“能不能用起来”，随后是“能不能覆盖更多场景”，到2026年在高度开放、强博弈、不规则的真实道路环境中，系统是否还能保持稳定、自然且可持续进化的驾驶行为。

商汤绝影选择的一段式端到端架构、扩散生成模型以及世界模型+强化学习的训练的方法。

首先是一段式端到端架构，目前大家都是“端到端”，但从技术角度来看有不一样的，有的是感知端到端，另一类是规划或控制端到端，中间仍然存在人为设计的信息接口，其实仍然是分段式系统，这种方法的架构在工程上相对稳妥。

但问题也很清晰：信息在模块边界处被压缩、离散和裁剪，很多对决策至关重要的连续时序特征，在进入决策层之前就已经丢失了。

一段式端到端的核心是彻底消除这些中间信息损耗，让模型直接在高维、连续、时序一致的状态空间中完成决策生成。

这在博弈密集型场景中尤为重要。

比如多车道连续变道、隧道出入口加速并线、车流密集条件下的插空通行，传统架构往往会出现一种工程上很熟悉的现象：感知层已经捕捉到了变化，但规划层仍然在基于上一帧或被简化后的状态做判断，结果就是“犹豫”“迟疑”甚至突然的策略反转。

一段式端到端可以让“看”和“想”几乎同时发生，减少系统级延迟，也减少模块之间的策略冲突，这是一种用模型复杂度换系统简洁度的选择。

但一段式端到端并不能自动解决所有问题，只是搭建了一个更连续的决策基础。真正让这套方案在复杂环境中表现出差异的，是扩散生成模型被引入到驾驶行为生成中。

传统的轨迹预测或规划模型，本质上是回归问题，即在给定输入条件下输出一条“最可能”的轨迹。但真实交通环境并不存在唯一最优解，尤其是在混行、抢行、让行交织的场景中，往往同时存在多种合理选择。

单一轨迹输出会迫使系统过早做决定，一旦判断偏差，就容易陷入进退失据的状态。

扩散模型天然支持多模态解空间的表达。

在同样的环境输入下，系统可以生成多条可能的未来轨迹，再结合安全性、效率、舒适性等约束进行筛选。

这种机制更接近人类驾驶员的决策方式：不是立即确定唯一行动，而是在心里预演多种可能路径，然后随着环境变化动态调整。

这也是为什么在混行窄路、无车道线辅路等场景中，生成式智驾能够表现出更自然的“试探—确认—执行”节奏，对整个决策范式的重构。

生成多解只是第一步，真正的难点在于如何让系统在面对大量长尾场景时持续提升能力，而不是依赖不断人工标注和规则补丁。

这里就引出了世界模型与强化学习的组合。现实道路的最大挑战在于，危险和极端情况出现概率低，却决定系统安全上限。完全依赖实车数据采集，不仅效率极低，而且风险不可控。

世界模型的作用，就是在一个高拟真的虚拟环境中复刻并主动生成这些极端博弈场景，把“罕见但致命”的问题提前暴露出来。

但如果只有世界模型，没有清晰的价值函数，系统仍然不知道“什么是好驾驶”。

强化学习在这里的角色，就是通过奖惩机制为行为赋值，把安全、效率、舒适、风格一致性这些原本模糊的要求，转化为可优化的目标函数。通过在世界模型中高频试错，在现实车辆上低频验证，系统可以逐步形成稳定、可解释的驾驶偏好。

这种训练范式的意义不在于“模仿人类”，而在于让系统建立起一套内生的行为评判体系，从而具备长期进化能力。

在高度复杂、强博弈、低规则约束的交通生态环境中，传统基于规则和模仿学习的系统往往会暴露出两个问题：要么过于保守，频繁让行导致效率低下；要么在未见过的博弈情形下决策失稳。

而生成式智驾方案试图解决的，正是这种“既要安全，又要敢走”的平衡问题，需要决策模型、训练数据和评价体系协同进化的结果。

“强化学习+开悟智驾世界模型”的组合算法构建了一套持续进化的智能内核。

开悟智驾世界模型构建出高拟真的“虚拟驾驶训练场”，能精准复刻并主动生成各类极端场景，预先积累应对经验。

强化学习通过“奖惩机制”为智驾建立明确的行为价值评判体系，驱动系统不仅学会安全通行，更能结合复杂多变的路况，持续学习适配驾驶者的操作偏好与通行节奏，在一次次场景应对中自主优化决策逻辑，实现智驾能力的持续进化。

在每一次通行中，系统不仅持续进化，更在深度理解与默契配合中，演进为既懂路、更懂你的“可信赖共驾者”，让技术真正适配于人，守护每一程独有的从容与心安。