编者按：腾讯汽车编辑部把过去十年的电动化浪潮称之为中国汽车工业的“狂飙年代”，如今，站在2024年这个被誉为“智驾元年”的历史节点，我们不禁要问：产业主要参与者将坚持怎样的技术路线？又如何构筑各自的竞争壁垒？腾讯汽车特别推出智驾系列策划，通过访谈、实测、横评、综述等多种方式，力求站在历史的原点，进一步洞悉汽车工业未来十年可能发生的巨大变革，为读者和行业提供更全面的内容导引，为行业留下部分历史注脚。
商汤科技联合创始人、首席科学家、商汤绝影CEO王晓刚
腾讯新闻《远光灯》作者 | 傲敦
商汤闯入汽车圈，或许要感谢一场暴雨。
2017年夏天，商汤、本田和另一家公司的技术团队同时出现在本田日本测试场，本田要求商汤只用两颗摄像头完成车辆自动驾驶，其他团队则使用多传感器融合方案。
谁都没料到，演示那天下起了暴雨，那些依赖激光雷达、惯导、高精度地图的车辆彻底“罢工”。商汤用纯视觉方案，在恶劣天气条件下顺利完成了任务。
几个月后，商汤和本田签署了长达5年的合作协议，双方共研L4自动驾驶技术。
那日带队赢下项目的是商汤科技联合创始人、首席科学家王晓刚，现在他还有另一个新身份——商汤绝影CEO。从2017起，王晓刚便带着近四十人的团队一脚踏入眼下最卷、最残酷的行业：汽车圈。
2017年的智驾圈，Transformer等先进的网络结构尚未成熟，如今火爆的端到端更是没出现，自动驾驶技术路线、商业模式也都不清晰，多数以L4级为主，距离规模化量产还有一段距离。
直到2020、 2021年，商汤等一批新入局的智驾供应商终于看到了机会。当时国内车企多数用Mobileye方案，但它高度封闭，导致车企无法采集自己数据，车厂不得不尝试更多可能性。王晓刚回忆说，那时商汤看到了做量产智驾方案的机会，开始逐步加大对智驾的投入。2021年绝影品牌诞生，聚焦智能汽车领域。
闯入汽车圈后，商汤绝影经历了波折且痛苦的转型过程，但最终还是成功交付，完成了第一阶段蜕变。如今，特斯拉FSD入华已箭在弦上，但在王晓刚看来，这是商汤绝影一个机会点，“车企跟我们深度合作，会是在AGI时代取得成功的最佳路径”。
“中国车企和科技公司的合作闭环里，不能只是会解bug。”王晓刚认为，双方需要建立“你中有我，我中有你”的模式，共同打造一个可升级、可迭代的研发体系，即AI时代的基础建设。
从2014成立那天起，商汤一直在聚光灯下，那里有一群顶尖科学家，曾被称为“AI四小龙”之首。但成立十年来，商汤一直在探索如何通过技术变现来养活自己，按照王晓刚说法，“压力还是很大的”。他对绝影团队说， “只有半年的生命，半年之后可能再续命”。
《远光灯》：我比较好奇，你从学术界转到工业界，今天又进入到汽车这个特别卷的行业，有什么感受？
王晓刚：我是2016年从学校进入到商汤，大家很多时候都觉得商汤是教授从实验室出来创办的公司，那里面学术氛围比较浓，不接地气。其实不是这样，从商汤建立那天起，你就必须得通过技术变现来养活自己，压力还是非常大的。所以，那时候开始我负责研究，很快开始接触业务，包括当时跟本田的合作，手机业务、互联网业务我都负责过。
今天我们说汽车行业“卷”，其实手机市场 “卷”得更早。在手机业务市场，我们经历过比较残酷的、激烈的市场竞争，记得当时我们大年初三就到岗，跟友商PK非常激烈，好在我们在技术比拼方面比较有优势，最后我带队拿下了订单。
另外，我们最早接触的本田项目也是我带着团队最终赢下来的。当时有一个展示前端技术的活动，本田的社长等高层都在场，本田要求我们就用两颗摄像头，在本田日本测试场里能够完成自动驾驶。
那天有我们和本田自己的团队、还有一个外部团队，他们用的就是激光雷达、惯导、高精度地图。演示那天下起了暴雨，那些强依赖于这些传感器和硬件设备的团队，整个就不能工作了。最后我们商汤纯视觉方案，就用两个摄像头，还是在恶劣天气条件下顺利完成任务，最终赢得了这个项目。
商汤是经历了很多考验，但是进入汽车这个行业后，我们发现竞争更加激烈、更加残酷。到淘汰赛阶段，车厂对交付、质量要求、deadline的限制，这些要求都特别高。我们也经历过项目交付的各种挑战，我跟团队一块驻场，跟客户一起完成的。我觉得，这些都是必经的过程，商汤和绝影也都是在这样的过程当中成长起来的。
《远光灯》：“AI四小龙”里，其实你们是最早坚定的进入到汽车产业的公司，这是为什么？
王晓刚：这跟创始人对于每一个公司的未来和定位是息息相关的。商汤是一家人工智能平台公司，因为AI的发展是有周期的，跟行业密切相关，所以不同行业依次会形成AI的推动力，AI的发展需要某些行业来进行牵引。
在今天，我们看来，汽车就成了AI最大的牵引动力。但是，若干年前那就是智慧城市、手机和互联网，它们是AI的动力。商汤其实都有前瞻性的布局，作为一个平台公司，商汤也是随着行业的变化和发展，往前演进。
今天汽车作为非常重要的板块，我们需要深耕下去，大模型无论是在智能驾驶还是智能座舱领域，它都是有非常好的、比较明确的落地场景。
将来，这些技术可能又能够被机器人所复用。只不过今天，机器人的量产数量是非常少，汽车有比较庞大的量产群体给你提供反馈，去打磨你的技术。
《远光灯》：所以对于商汤这类AI公司来说，下一个风口行业就是机器人？
王晓刚：对于绝影来说，我们会扎根在汽车这个方向。商汤本身，它不会一直就只停留在汽车这个方向，它还会再往前走。因为人工智能技术本身也还在演进过程当中，我们就会一直深耕下去。
《远光灯》：目前你们在算力层面的储备是多少？
王晓刚：在算力层面，商汤从2018年开始布局建设AI基础设施，在上海临港投入了超50亿元建设智算中心AIDC。商汤大装置已经布局全国一体化的智算网络，运营54,000卡GPU，总体算力规模达20,000 petaFLOPS（每秒千万亿次浮点运算次数，下称“P”）。
其实，国内大多数车企的算力储备尚未突破2,000 P，所以说，我们充足的算力资源为UniAD自动驾驶方案的高效训练学习和实车部署奠定了坚实的基础。
《远光灯》：商汤大装置和基础设施会给到绝影什么样的支持？
王晓刚：我们的合作非常紧密。首先，像基础设施，也就是我们说的大装置，算力平台、数据存储等，因为自动驾驶，尤其是端到端对于数据存储要求非常高，因为都是视频片段。
《远光灯》: 从最早的本田项目再到绝影品牌，你们是怎么确定的这个方向？
王晓刚：我们是从2016、2017年开始了智驾方面的研发。当时本田来中国寻找智驾合作伙伴，他们看了很多公司。当时商汤整个体量还比较小，做智驾的研发人员也就三四十人，但本田非常看重商汤在基础设施、训练框架等方面的能力和创新能力，所以最终选定跟我们合作。
本田当时给我们提出的目标跟今天的端到端自动驾驶非常像，就是纯视觉，只用摄像头、没有高精度地图，不使用激光雷达，直接根据视觉去预测输出驾驶轨迹。在当时，像Transformer等先进的网络结构还没有成熟，无论是端上的算力还是云上的算力，也都不具备相应条件。
另外，早期自动驾驶的技术路线、商业模式也都是不清晰，那时候虽然有很多自动驾驶公司，但大多数以L4级的自动驾驶为主。
直到2020和2021年，我们在智驾方面看到了一个契机。一些国产车厂之前大多用的都是某厂商的方案，它是高度封闭的，甚至车厂连自己的数据都没有办法采集到，就只能给到某厂商。所以，一些新的供应商获得了一个契机，为车厂去做量产智驾解决方案。从那时开始，商汤开始逐步加大对智驾的投入，2021年，商汤就有了“绝影”这个名字和品牌。
《远光灯》：当时你们内部有没有产生过什么争执或者犹豫过？对你们来说这是一个比较大的转型。
王晓刚：2021年商汤上市之前，我们内部针对智驾做过比较大的讨论，因为智驾投入是比较高的，而且有很强的不确定性，风险比较高，但是汽车给AI带来的牵引动力会是巨大的，最后我们还是下决定要做。所以到2022年，我们就成立了绝影智能汽车事业群，由我来负责。
另外，这几年商汤逐渐加大智能汽车领域的投入，因为我们也看到一些比较清晰的商业模式，跟主机厂合作去提供量产方案，这是一个趋势。到2022年年底，我们提出了端到端UniAD的解决方案。
同时，2022年年底，ChatGPT出圈了，大家对大模型开始有了认知。其实在2022年一整年，我们给各个车厂推的就是智驾大模型，现在看来确实是太超前了。
所以到了2023年，我们绝影继续加大这方面的投入，包括UniAD端到端自动驾驶，车舱大模型应用。在这个过程中，绝影逐步找到了自己在整个行业中的定位和未来发展方向，同时商汤本身在基础设施大装置方面的优势也更加清晰。
《远光灯》：刚开始的时候你们有没有制定一个目标或者打法？
王晓刚：具体看业务本身，座舱相对来说“轻”一些，交付速度会快一些，现在我们的市场覆盖度还比较高，有30多个车厂合作。智驾业务比较“重”，从未来发展趋势看，其实是要求合作伙伴跟车企有一些比较深度的合作。
尤其在今天的端到端时代，我们的目标是能够寻找几家重点车企形成战略合作，因为车企有量产车，有比较丰沛的数据，而我们商汤绝影有包括算力和数据生产管线在内的基础设施，双方能够打通整个闭环。
这是比较重要的，因为汽车市场竞争比较激烈，未来还会进一步聚焦，我觉得重点不是说贪多，而是要一些形成闭环、战略合作。
《远光灯》：商汤是一家AI公司，你们是怎么说服更多车企客户跟你们合作的？
王晓刚：我们这样的AI公司作为供应商进入汽车行业，在量产交付上一定要实现一个蜕变。从整个行业看，2021年到2023年大家刚开始做自动驾驶量产交付、开始转型，我们有三个量产交付的客户其实都很关键，就是广汽、合众和一汽。
很多时候，实际上是我们客户帮着我们成长的，因为他们有各种流程、工作方式的要求，这个转型过程是非常波折和痛苦的，但最终还是成功交付了。
《远光灯》：听说你跟团队说“只有半年的生命，半年之后可能再续命”，这是什么意思？
王晓刚：在汽车行业，我们学到最多的就是结果导向。最终你要去看结果，你的量产交付质量、时间点，在一个项目里面，我们做软件可能是最后一环，那前面还有很多环节，最后到我们这是后墙不倒。
具体到自动驾驶，它又是一个技术栈特别深的的方向，要依赖的环节很多，所以要给大家梳理，要结果导向，守住自己的每一班岗。说的再好、再怎么样天花乱坠，最终还是要结果。
对绝影来说，我们敬畏客户，取得他们的信任和友谊，形成持久的战略合作，这是因为我们在关键时刻能够去交付好的结果。
汽车行业你也知道，很多时候有一款车没有做好，可能关系到这家公司的生死存亡。之所以我说半年的时间，是因为在汽车行业经历的特定的时间点上，产业的演进速度与竞争格局是非常激烈的。
只有半年的时间，并不是说没有钱了、没有现金流了。而是说，当你的技术落后了，或者是没有去交付好的时候，半年以后你可能就没有客户了。没有客户，你自然就已经是被市场抛弃了，那么无论你是有多大的团队规模、多少现金，其实都是面临着被淘汰的危险。
所幸的是今天我们是有机会的，但我们要时刻提醒自己，这个机会也是稍纵即逝的，因为大家演进的速度都非常快。
大模型上车、端到端自动驾驶，在这个时间窗口里面，如果你不能够拿出市场上认可的产品和技术的话，那就会被淘汰。
《远光灯》: 你的意思是说，无论是谁，汽车产业的竞争变化是半年决定着大家的存活。
王晓刚：对，而且你的技术路线也都是这样的。去年这个时候，大家都在追求从高速到城区，从有图到无图，现在是端到端的两段式与一段式，技术演进非常快。
《远光灯》：从竞争氛围看，你觉得2021年同2024年有哪些不一样？你的对手、客户，跟2021、2022年相比发生了什么变化？
王晓刚：我们觉得上一个阶段竞争出来的结果是一种标准化产品的交付，到了今天，大家开始关注端到端，很多企业也开始了内部调整。
在上一个阶段，大家发现市场上已经有一些成熟方案跑出来了，出于时间和成本的考虑，客户直接采购市场上成熟的方案就可以了。这会使得车企自研团队跟供应商，某种程度上是竞争和替代关系。
但是端到端出现以后，让事情发生了变化。车厂数据、用户驾驶数据更具价值了，车厂会给自研团队一个新的定位。像特斯拉，它不仅有数据，还有比较强的AI基础设施。这十万块GPU和几百万台车，能够形成数据闭环，特斯拉想采什么数据就可以从自己的数据中拿，根据需要去训练模型。
我们的车厂没有那么多算力，别说十万块GPU，有的连1000块都没有。作为供应商来说，它又没有办法去拿到数据，那车企和供应商要怎么去跟行业的标杆进行抗衡？只有两个结合在一起。
《远光灯》：绝影能解决什么痛点？你们怎么保证这个结合一定能形成合力？
王晓刚：车厂自己的数据是有价值的，但怎么去用好这个数据？这需要有资源，怎么用好数据也有门槛。
车上每天产生的摄像头采集数据量是庞大的，你不可能把这些数据都传到后台去，怎么去选择这些数据、在什么样的条件下去弄，这是非常关键的。
过去的标准化交付和未来与合作伙伴深度的合作，两者之间有哪些差别，这些需要有车企自研团队能够去理解。
你可以想象，如果我们是一个标准化交付，给车厂的方案都是黑盒，车厂不会放心的把数据交给你。因为把数据交给你，他什么也没有得到。只有车企也能够拥有这些研发体系，能够理解你的研发流程，才能够跟你一起去共同合作，共建共生。只有这样，车企数据的价值才能发挥出来。这里面就是会产生新的合作的模式，那就是下一个阶段了。
《远光灯》：下一个阶段是指什么？
王晓刚：在端到端时代，车企和供应商是要有比较深的融合，不仅仅是产品交付层面的合作，中国车企和科技公司的合作闭环里，不能只是会解bug，需要共同打造一个可升级、可迭代的研发体系，其实就是AI时代的基础建设。
车企和AI公司深度融合，双方把研发流程，研发体系能够去对齐，不断更新和迭代它的产品和服务，将推动双方的进一步合作。
《远光灯》：你的意思是说，下一步车厂研发团队来把数据这一块做好，绝影发挥AI优势把算法做好，双方深度绑定。这么做的原因，更多是考虑技术落地还是成本？
王晓刚：两方面都有。比如，现在AI、大模型技术门槛本身就很高，同时需要持续投入，也需要演进。虽然现在看到有一些有车厂也做大模型，同时自研自动驾驶，不过你会发现这种模式一定是不划算的。因为这些投入和基建设施只是服务一家企业，但像商汤这样的AI平台公司，基础设施和服务投入不光可以分摊到汽车行业，还有到其他行业，去不断迭代和共享这些平台。
我们可以说，无论怎样，目前自动驾驶还在投入期。每个车厂维护一两千人的团队，大量投入和维护基础设施，对他来说是不可持续的。尤其是今天，汽车圈价格战一直在持续，这对成本的要求是非常高的。
《远光灯》：假设绝影有了十家合作伙伴，他们都要把数据跟你们分享，那客户们会愿意吗？
王晓刚：这里面不是直接的数据融合。我们绝影具备商汤大装置这样行业领先的算力储备、原生垂类汽车大模型、领先的软硬件架构和全栈数据生产管线等四大技术基座，是平台化能力。
合作过程中，绝影愿意白盒交付，对合作伙伴开源，帮助车企掌握大模型研发的Know-how，理解绝影的研发流程，双方的研发流程和研发体系相互对齐，让数据在合作伙伴之间流转起来。
在全新的合作模式下，车企在掌握大模型Know-how、对齐研发流程和体系之后，能够理解和放大数据的价值，选取不同组合的数据来针对性训练专属于自己的模型，打造差异化的特色。
而绝影作为大模型平台能力的合作支持方，车企伙伴的数据回流，形成数据闭环，以量产车辆数据来驱动基础模型的训练和迭代，打造更有针对性、性能更强大的垂类基础大模型，形成一个良性循环的深度合作模式，让双方你中有我，我中有你。
以大模型行业为例，既需要GPT-4这样的模型，也有基于GPT-4长出来各具特色的面向C端的应用或者Agent（智能体）。
《远光灯》：如果自动驾驶的底层技术越来越趋同，这个差异化怎么体现？供应商去做，还是车企去做这个差异化？
王晓刚：车企主导，因为在最终产品交付阶段，供应商跟车企共同完成。车企要筛选数据，重点强调什么样的场景，什么样的用户的体验，这是由车企来主导来完成。
《远光灯》: 意思是说，就像传统燃油车时代的博世一样，你们给各车厂提供一样的产品或者部件，让车企去做面向智能化时代的产品和体验？
王晓刚：我们提供的不是一样的产品，如上面说的，我们提供平台能力，包括训练模型的能力、处理数据的能力，还有一些其他基础能力，这样的话，车企不需要从头开始。
绝影的合作模式跟之前博世跟车厂合作不一样，之前博世是提供比较标准化的部件，让车企完成组装、安装。我们不一样，未来人工智能时代，差异点最大的是在于高质量数据，大家都得在这方面去下功夫。但是做这个事，得有一个基础。如果从头开始做起，别人花一年两年时间就做好，你要三四年才拿出产品去比拼，这是大家接受不了的。
所以绝影其实就是帮助车企打造一个比较好的起点，在这个起点的基础上，车企再琢磨怎么把数据的质量进行提升。
《远光灯》：刚才说白盒交付，这是多大程度的白盒，你们还是有所保留吧？
王晓刚：在大模型时代，白盒交付不是最大的难题。其实今天各个车厂可能已经收集很多套白盒代码了，但是技术在飞快的演进的，今天收集到这些东西，明年又是下一套。
解决这样的问题，核心是要找到一个战略合作伙伴，双方共同去打造一套研发体系，而且这个研发体系，是能够不断快速迭代和进步的，这才是比较关键的。
比如说，车企今天用的是A的研发体系，供应商B来了，给一套白盒，这个白盒也挺好的，但要让所有的研发团队从A切换到B，采用另外一套东西的时候，成本就非常高。就算别人给了你白盒，你都不一定愿意做切换。所以，今天就是大家要能够形成这种合作的话，是比较关键的。
将来，车端的那些代码会越来越简单，越来越复杂的是后端的平台化能力，算力基础设施、数据生产管线这些需要时间沉淀和积累的能力。
《远光灯》：现在多数车企都已经在喊大模型上车了，这个不能帮助他们解决这个问题吗？
王晓刚：今天大模型时代好多开源的大模型，也有很多开源的代码，或者是工具链。开源大模型的性能或许不弱，但并不能够百分之百解决问题，满足企业的需求，这也导致不能够把大模型用到实际的业务当中，不能完全解决问题。
从这种意义上来说，大模型其实没太大的用处。车企更需要的是什么？是这套模型背后的数据生产管线、训练平台，通过这些要能够重新再把这个模型再训练一遍，这个能力是很重要的。把开源大模型再训练一遍的企业，这是非常少的。将来大家要比拼的是平台能力，否则就是给了代码，企业也跑不起来。
比如说，一个模型要几千块GPU一起才能训练成功的，一般的集群训练起来的话，每20分钟就要中断一次，做一次诊断，又得花一天两天的时间。这其实根本就跑不起来，只有在一套平台下面，大模型才能发挥作用。
《远光灯》：相比几年前，车企现在还纠结白盒黑盒问题吗，有没有一些改观？
王晓刚：我们其实不太纠结白盒交付，一直以来，我们跟车厂的合作都是一个比较开放的，各种合作方式都是可以谈。
现在车企对大模型的认知越来越深刻，行业本身已经有一些标杆，同时，各家有的时候自己也尝试过训练大模型，他会发现大模型都是金子堆出来的，资源消耗非常高。
想从头到尾去训练一个大模型，比如类似ChatGPT这样的一个模型要训练出来，消耗都是上亿级的，所以这时候大家也都逐渐明白，大模型时代要分工协作，最后才能把有竞争力的产品和体验做出来。
这个行业里，无论是白盒还是黑盒，在残酷的市场竞争面前，在快速发展的技术面前，只有好的产品和体验才是最具价值和竞争力的。
《远光灯》：北京车展你们说过商汤绝影UniAD方案的天花板更高，今天还是这样吗？
王晓刚：因为现在大家采用比较多的还是两段式的端到端，就是把感知的输出作为规控的输入，过程中信息量已经大大缩减。最终的结果就是感知网络加上一个比较小的规控网络，它对复杂场景的理解能力是比较有限的。
绝影的方案是只用一个网络，输入感知的信息，直接输出行驶轨迹。预测行驶轨迹这件事情是非常难的，要达到这个目标，就必须得让这个模型自己能够理解很复杂的场景。
绝影的一段式端到端，我们并没有刻意教它去理解复杂的道路场景，比如施工路段、潮汐车道，还有一些交通标志，但最后它也能够做出复杂分析决策和路径规划，它是通过视频数据训练的方式学会的。
这种训练方式需要一个比较大的模型，充分发挥模型的能力，这需要像商汤大装置这样的丰沛算力。如果要是两段式，其实对训练算力、车载算力的要求，跟以前没什么太大差别。
我们在北京车展的时候，特别强调绝影的方案是一段式，是真端到端。现在一些行业专家和企业也认可了这个说法。其他企业也开始走一段式的路。
《远光灯》：总结下来，绝影跟车厂之间有几种合作模式？
《远光灯》: 你怎么评价特斯拉FSD入华？
王晓刚：我觉得是好事，行业标杆能够让大家感受得到自动驾驶的价值，行业里面有这样的一个锚点还是非常好的。
我们两家都是走感知决策一体化的端到端路径，从推动一段式端到端落地角度来看，我们都是技术领先的玩家，以更低成本带来更高开城效率，同时让量产智驾有更高性能的天花板。
《远光灯》：它是“鲨鱼”还是“鲶鱼”？
王晓刚：无论鲨鱼还是鲶鱼，特斯拉FSD入华对整个行业的示范作用还有引领作用，这是比较重要的，害怕也没有用，要积极的去拥抱新的趋势，参与竞争。我觉得车厂卖车不是单靠自动驾驶这一个功能，涉及到方方面面，有很多综合因素。
《远光灯》：假如，特斯拉FSD入华后的表现真的非常强，做到了技术上非常领先，是不是反而可能会对绝影这样的供应链公司有利？传统主机厂可能会更着急补齐能力？
王晓刚：这确实是我们的机会点。现在行业里还有观望的人，产品、性价比很重要，但时机也很重要，错过了，可能就没机会了。这个机会窗口对于车企和我们来说，都是一样的。
主机厂要补齐能力，追赶甚至超越特斯拉，需要实力深厚且志同道合的战略合作伙伴。商汤绝影是智能汽车行业非常稀缺的同时具备“大算力+大模型体系+数据闭环+量产经验”等全栈技术能力的AI公司，我们相信，车企跟我们进行深度合作，会是在AGI时代取得成功的最佳路径。
在我看来，自动驾驶技术的发展与应用是循序渐进的，商汤绝影目前已经跟广汽、哪吒和一汽红旗等多个品牌实现量产落地。同时，我们商汤绝影的UniAD也是面向量产的端到端技术方案，预计明年也会量产落地；此外，绝影还有下一代自动驾驶技术——基于多模态大模型的 DriveAGI智驾大模型。
这些不同技术路线的智驾方案，都可以成为我们合作伙伴与特斯拉竞争的“武器”，大家一起抓住这难得的时机。同时，商汤绝影是面向全球布局的，对于车企出海战略也能够提供有力的支持。
《远光灯》: 你们正在研发的DriveAGI相比UniAD方案有哪些不同？是更多考虑了舱驾结合吗？
王晓刚：无论是驾驶还是座舱，其实都是大模型的需求，尤其多模态大模型的出现，它既能服务智驾也能服务座舱。DriveAGI，它是基于多模态大模型对端到端智驾方案进行改进研发，也能服务座舱，能够带来感知和交互的变革。
DriveAGI的交互能力非常强大，在体验上进一步做到可感知、可交互、可信赖。比如在自动驾驶的状态下，导航信息显示车辆需要在下一个路口调头才能到达目的地，但主驾位上的用户知道可以提前在一个缺口直接拐弯，用户可以语音命令它“直接左拐”，系统会根据实时路况对命令进行反馈操作。
我们看到了一些芯片厂商正在推出大算力芯片，像英伟达Thor有1000T、2000T的算力，这么大的算力，驾驶部分占用个几百T，还有很多算力是空出来的。所以大家在想，那就把座舱的大模型也放到同样一颗芯片里面去，绝影也在努力实现芯片层面的舱驾融合。现阶段我们也是有驾驶跟座舱在产品上一些体验的融合。
《远光灯》: 舱驾融合行业内说了很多年，一直没实现，你觉得这种真正的舱驾融合什么时候才能落地？
王晓刚：这已经有明确的量产时间表了，明年就会有量产车出现在市场上。
《远光灯》: 价格会不会很高，高算力芯片都不便宜吧？
王晓刚：它也会分成不同档次。另外，除了英伟达以外，高通、MTK都在推他们的大模型芯片，核心在于把场景跟体验做出来，消费者才愿意买单。
《远光灯》: 有观点说2027年之前，中国市场有90%的汽车品牌要么会倒下，要么就退出中国市场。你怎么看？
王晓刚：竞争激烈，进入淘汰赛是共识。我觉得是会分成不同的层次，大家在不同的区间，找到自己的发展领域。
《远光灯》: 商汤绝影希望是在哪个区间？
王晓刚：我们绝影不希望只是单纯拼性价比，而是一定要依托于商汤的基础设施和AI大模型能力的领先性，把通用人工智能、大模型这些平台能力跟车厂形成一个比较深度的合作。
《远光灯》: 你说的这个领域会不会出现一家独大的这种局面？比如华为。
王晓刚： 我觉得行业里面不太会出现一家独大的情况，因为它需要有一个更加开放的合作模式。以前，某厂商算是一家独大，从市场份额来说是绝对的领先者，但随着产业的发展，它的合作模式被发现是不可持续的，行业迎来了新的机会，开放合作是更加长久的模式。
往期推荐
