2025实属智能辅助驾驶和AI汽车井喷式发展的一年，而在2025上海车展中，商汤绝影也带来了他们的系列生成式AI汽车创新产品，其主要覆盖了驾驶、座舱、云端三大模块。

智能辅助驾驶方面，绝影全面展示了以VLAR技术架构为核心的生成式智驾R-UniAD，突破端到端的数据、安全、性能三大瓶颈。座舱方面，绝影带来了行业首发的AI内核“绝影千机”和全新升级的New Member及健康管家、安全卫士、3D交互等AI创新座舱产品，力图在全场景的出行体验中都做出贡献。云端层面，商汤从2019年就开始布局AIDC数据中心，能够有效处理每天从量产车回传的信息，实现算法的迭代升级，进而成为反哺智能辅助驾驶的营养剂。

这三大板块的关系如何？商汤绝影CEO、商汤科技联合创始人、首席科学家王晓刚表示，“智驾”是主流，但这并不意味着这三者是孤立发展的，事实上他们未来会形成联合的业务模式。“我们要把汽车的智能化当做整体来看。因为伴随智能辅助驾驶的发展，其应用的安全性更高，覆盖的场景更多，接着还要跟座舱里面的这种体验相结合，即‘舱驾融合’。”

而如何定义AI汽车？王晓刚表示：“真正的AI汽车是将生成式AI深度融入智驾和座舱，既让辅助驾驶安全变得更有确定性，也要让每一辆车拥有‘有趣的灵魂’，成为真正懂你、爱你、守护你的家庭新成员。绝影也希望能和更多合作伙伴携手前行，共创AI汽车的新进程。”

在本次上海车展中，我们也有幸能够直接与商汤绝影的CEO王晓刚直接对话，去探讨智能辅助驾驶与AI汽车的发展。

以下为财圈社&道哥说车与商汤绝影CEO，商汤科技联合创始人、首席科学家王晓刚的对话内容（经删改整理）：

智驾的未来在哪？商汤的优势在哪？

问题：现在国内的智驾既有车企自研的，也有供应商的，大家都非常重视智驾，您觉得智驾是不是已经到成熟完善的地步了？

王晓刚：我觉得在这个里面，我们本身跟东风的自研团队实际上是有一个深度的合作。智驾包括人工智能，其实它未来发展的道路还是很长的，将来数据其实是非常核心的，数据在哪里？实际上是在车厂的这里。所以说市场它一定要做到一个智能驾驶的自主可控，把握住数据的这些核心，另外今天我们说要提出来对智能驾驶它的安全性，它的责任有要求，所以将来一定是在这里面要能够做到一定程度。另外一方面，人工智能的发展又是一个长期的，需要持续投入的一个领域，并不是到了一个天花板，不断地还是有新的技术，新的范式出现，这就给了我们一个比较好的空间。

问题：那您觉得智驾未来的发展方向在哪里？

王晓刚：我觉得不光是智驾，要把汽车的智能化整体来看，因为随着智驾的发展，应用的安全性更高，覆盖的场景更多，我们接着还要跟座舱里面的这种体验相结合，除了完成基本的通行功能，还要对整个场景做判断，这些数据又是说舱外的自动驾驶数据，跟舱内的这样一些体验也会结合在一起。

另外一个角度来说，我们去年的时候，大家在谈这个事情，仿佛也觉得是，比如说端到端觉得这是不是一个终极的解决方案。我们现在这个角度来说，又能够看到端到端也有它自己的一些局限性，所以说我们到世界模型、模拟仿真、强化学习，其实我觉得这块里面的发展空间还是很大的。

问题：那咱们做智驾的优势在哪？

王晓刚：我觉得像我们跟东风的合作，本身就是一个非常难能可贵的地方。其次今天我们看到智驾，其实在车端的开发量是逐渐在变少，在云端的开发量实际上是在变多。这里面我们依托的就是一个比较强的基础设施，我们从2019年开始，我们就在上海建立AIDC数据中心，大装置的这样一个基础设施，这是我们这样的一个优势。

另外一方面车企比如说东风，它有天然的这种接近于客户，还有客户的反馈，包括这些数据的优势，今天我们在一起把我们的算法和基础的设施相结合，铺设打好数据的一个管线。将来能够不断地从终端的用户这块得到一些体验上的反馈，驱动我们整个智驾体验去变化。

如何看待智驾从狂热到理性？

问题：咱们自动驾驶行业从刚开始经历了资本狂热到现在所谓的理性回调，您是怎么样调整战略决策的？您在关键时刻的决策原则又是什么呢？

王晓刚：我觉得自动驾驶刚开始的时候，无论是它的商业模式和技术路线，其实都有比较多的一个不确定性的。今天这个阶段，我想模式和路线相对来说已经是比较清晰了，在这里面我们还是希望能够加大这方面的控制。我觉得这里面主要刚才的判断，一个是商业模式，另外对于技术路线这样一个判断，包括我们对基础设施对数据这些方面的要求会更高，所以我们主动地加强在这方面的这些工作。另外我们也看到今天的自动驾驶，近些年来发展的成果和世界模型，它本身就是生成式AI。包括比如说强化学习的这种模式，所以这些新的成果也都融入智驾里面去。

驾驶数据究竟重不重要？

问题：既然咱们能够做仿真模拟，那是不是意味着以后的驾驶数据不重要了？

王晓刚：数据还是很重要，数据的重要点在什么地方？我跟你说一下你就明白了，因为你比如说DeepSeek，DeepSeek是产生了很多没有出现过的数据，但是它在什么过程中产生呢？它是在解题的过程当中，你给它问了很难的问题，所以给它提出好问题这又变得很难。所以说现在类似这种DeepSeek的大模型发展，目前它遇到的一个瓶颈是什么？他没有好的问题，他需要有人给他提出更难的有价值的问题，对于自动驾驶来说它的体现是什么？

它缺少场景，你得告诉它这个是难的场景，那个是难的场景。但怎么开它可以通过强化学习就可以学到，但是这种场景的多样性，这个不能是凭空产生的，所以这个里边对数据也还是比较重要的。

问题：余凯之前说过99%的客户数据都是没用的，您怎么看？

王晓刚：这是一个很显然的事情，端到端的自动驾驶，它的模式是你输入视频输出是驾驶行为，你开车的时候90%的情况下，你是不是匀速直线开车？所以说你行驶的轨迹，它一直都是一条直线，这种信号是没有用的。只有当你驾驶状态发生改变的时候，我们要避让了，我要转弯了，我要刹车了。在这种情况下，他的驾驶行为是有用的。即便是这种有用的信号里面，因为人和人开车的不一样，比如说尤其是比较难的场景，难的场景里面我可能是10个司机有8个都是停在那儿的，我过不去就停在那里了，只有一两个他是开过去的。那得怎么办呢？我要把这些低质量的数据剔除掉，实际上这件事它不是一件新鲜事儿，因为在我们类似ChatGPT，大模型ChatGPT从互联网上搞的这些数据，那90%多的数据也是没有用的。你要不停地去筛选，去掉一些这种噪声的数据，实际上是同样的道理。