黑丝 91 AI下一个必争之地，会激发自动驾驶“结尾之战”吗？

文 | 极智 GeeTech黑丝 91

"机器东谈主的 ChatGPT 时刻行将到来。与大语言模子不异，宇宙基础模子对于推动机器东谈主和自动驾驶汽车的设备至关迫切。"

在 CES 2025 上，黄仁勋身穿新皮衣，除了推出炸裂的 RTX 5090 除外，还晓谕入局东谈主工智能领域当下最重要的标的——宇宙模子。

这次英伟达发布的 Cosmos 宇宙基础模子专为物理交互、模拟工业环境和驾驶环境的高质料生成而构建，不错生成传神的视频用于试验机器东谈主和自动驾驶汽车，并通过创建合成试验数据匡助机器东谈主和汽车贯通物理宇宙。

除了英伟达，谷歌以及不少初创企业也在追赶宇宙模子，谷歌旗下 DeepMind 组建宇宙模子酌量团队，被视为谷歌在通用东谈主工智能（AGI）领域与竞争敌手张开角逐的迫切一步。此外，" AI 教母"李飞飞的 World Labs、初创公司 Decart、Odyssey 也皆涉足其中。

北京智源东谈主工智能酌量院近日发布的" 2025 十大 AI 时间趋势"合计，更缜密"因果"推理的宇宙模子有望成为多模态大模子的下一阶段。

宇宙模子不仅引得众人科技企业竞相逐鹿，还被业内视为东谈主工智能领域的下一个重要突破。宇宙模子为若何此迫切？对于自动驾驶等科技领域将触发怎么的新变革？

 东谈主工智能下一个"必争之地"

在现实宇宙中，时间亦然不错高度重构的，跟着时间的推移、新时间的出现，翌日在束缚矫正、束缚进化。

自 2022 年底，跟着 OpenAI 发布大语言模子 ChatGPT，生成式 AI 大模子便缓缓演化出了两条旅途：语言模子和宇宙模子。

语言模子赓续在数字宇宙深耕，从单一的文本模态走向包含图片、视频在内的多模态，使其具备了文生图、看图谈话、图生图、文生视频的材干，典型代表即是 Sora 和 GPT4-o。

不外，语言模子最受争议的挑战是它们产生幻觉的倾向，会持造参考尊府和事实，或在逻辑臆测、因果推理等方面杂沓无章、生成绝不测旨的内容的情况，这些幻觉皆源于它们穷乏对事件之间因果关系的了解。

这也标明，语言模子自然善于从数据中识别和提真金不怕火因果关系，但穷乏我方主动推理新的因果场景的材干。它们具备通过不雅察进行因果归纳的材干，但不具备因果演绎的材干。

宇宙模子则从数字宇宙走向物理宇宙，从一维神情的数字智能走向三维神情的空间智能。它通过预试验延伸视频和多模态数据，并集成多模态语言模子，可用于为视频游戏和电影创建及时交互式媒体环境，以及为机器东谈主和其他东谈主工智能系统创建传神的试验场景等诸多场景，被业界合计是通往通用东谈主工智能（AGI，指机器能够贯通或学习东谈主类能够实施的任何身手任务）的重要旅途。

回首一下，" World Models "（宇宙模子）最早出咫尺机器学习领域。

2018 年，机器学习顶级会议 NeurIPS 收录的《Recurrent World Models Facilitate Policy Evolution》论文，以解析科学中的心智模子（Mental Model）来类比宇宙模子，合计其参与了东谈主类的解析、推理、决策经过。其中，最中枢的材干——反事实推理（Counterfactual Reasoning），是一种东谈主类自然具备的材干。

2024 年 2 月，OpenAI 发布了忌惮宇宙的文生视频大模子 Sora，它不错字据文本自动生成一段 60 秒视频，这成为宇宙模子的一个具象体现。

传统的生成式模子简略能够准确展望篮球会弹跳，但并不真实贯通其华夏因，就像大语言模子践诺上是基于神经积聚的概率推理，给出最可能稳当践诺预期的谜底，而非真实贯通词语和短语背后的意旨。筹商词，具有基本物明白析的宇宙模子将更善于展现"篮球的真实弹跳"。

比拟大语言模子还停留在贯通东谈主类语义阶段，宇宙模子则以三维视角运行贯通真实的物理宇宙。

对于贯通真实宇宙的物理法例，其实并莫得思象得那么容易。比如，咫尺让你去思象手掌时，你皆能准确且绝不忙绿地思象出来，关联词在咫尺东谈主工智能的制作中，会不时会出现多根手指或连指的气候。

此前，Meta 首席东谈主工智能科学家杨立昆（Yann LeCun）就明确暗示，基于文本教唆生成的传神视频并不代表模子真实贯通了物理宇宙。之后更是直言，像 Sora 这样通过生成像素来建模宇宙的步地注定要失败。

宇宙模子正在试图高出数据，模拟东谈主类的潜意志推理。举例，棒球击球手能在毫秒内决定如何挥棒，是因为他们不错本能地展望球的轨迹。这种潜意志推理材干被合计是终了东谈主类级智能的先决条目之一。

为此，宇宙模子通过在多数的像片、音频、视频和文本数据上进行试验，创建对宇宙运作步地的里面表征，并能推理步履的后果，这使它们能更好地贯通和模拟现实宇宙的端正。

刻下，东谈主工智能领域对宇宙模子的需求主要聚合在两个方面。

第一，对环境的深度贯通和建模。通过设立准确的宇宙模子，东谈主工智能系统不错更好地感知和贯通外部宇宙，从而作念出愈加准确和智能的决策。刻下，东谈主工智能领域在这一方面的酌量主要聚合在强化学习和深度学习领域，通过神经积聚等时间来构建复杂的宇宙模子，并束缚优化和矫正模子的性能。

第二，是反事实推理的材干普及。反事实推理，也即是讨教"要是……会发生什么？"问题，这是刻下东谈主工智能系统材干的一个短板。通过普及宇宙模子的反事实推理材干，东谈主工智能系统不错更好地展望不同决策的可能收尾，从而作念出愈加智能和合理的决策。东谈主工智能领域在这一方面的酌量聚合在矫正模子的展望材干和优化推理算法等方面，以普及模子的举座性能和服从。

自动驾驶迎来"重要一战"

对于宇宙模子是否会成为自动驾驶的终极之战，咫尺下论断为前锋早，不外不错细则的是，一朝这一时间趋于老成，将对自动驾驶的智能化水平带来"质"的跃迁。

自动驾驶的飞快发展，对数据有了进一步要求。车企需要丰富、复杂场景来老成汽车的自动驾驶材干，筹商词现实生存中数据采集资本居高不下，部分危急场景难以采集，长尾场景稀缺，影响自动驾驶进一步发展。

因此，领受合成数据来助力自动驾驶模子试验成了有用的措置有贪图，宇宙模子恰是这样的场景生成和展望器，能够为自动驾驶模子试验提供丰富假造场景。

昔日，多模块化的智能驾驶有贪图不错对感知和规控模块鉴识进行考据，在感知端层面，工程师不错将感知的收尾和带有标注的真实宇宙气象径直对比，进行开环监测；在规控模块，不错依靠仿真器具将宇宙的各类场景输入，通过环境的变换来给模子反映，进行闭环的考据规控算法性能。

而端到端智驾有贪图将感知、展望、贪图、限度集成一体，这就要求仿真器具既不错传神地收复外部环境，同期又能给模子反映终了闭环测试，这是宇宙模子不错终了的。

自然国内汽车行业咫尺的留情焦点停留在端到端，但业内共鸣是，从"两段式"缓缓过渡到"一段式"端到端，最终终了宇宙模子的应用，是终了高阶自动驾驶的一条必经之路。

要是梳理自动驾驶时间的发展阶梯，就会发现一个相配故道理的事情。所谓"功夫在诗外"，这几年通盘对自动驾驶发展产生推动的时间其实皆不源于自动驾驶，而是东谈主工智能，包括 BEV+Transformer、占用积聚 OCC、端到端、宇宙模子，自动驾驶的内容即是东谈主工智能的一个具身智能体现。一定要把自动驾驶放到通盘东谈主工智能领域来轮廓看待，要是只盯着自动驾驶，这样就始终搞不好自动驾驶。

自动驾驶发展这样多年，皆是在作念空间贯通的升级，即是让系统更贯通周围的宇宙。

最早是通过普及传感器硬件材干，自后是算法升级，通过俯视视图（BEV，Bird ’ s-Eye-View）进行视角退换，运用占用积聚（OCC，Occupancy Network）将 2D 退换为 3D，到咫尺软硬件材干皆照旧出现瓶颈，关联词顶点场景数据的获取却成了浩劫题。

咫尺比较惯例的作念法有两个，一个是 3D 重建，但这样的作念法资本高、服从低，并装假用；另一个即是仿真，关联词仿确实数据根蒂无法"收复"真实数据，对自动驾驶的匡助有限。

于是，宇宙模子通过我方"造数据"，成为普及自动驾驶试验服从的有用步地之一。其不仅不错通过生成式大模子生成带有展望性质的视频数据，终了 Corner Case 万般化试验，还不错领受强化学习的关节雄厚复杂驾驶环境，从视频输出驾驶决策。

宇宙模子将昔日由东谈主向东谈主工智能主动提议问题，东谈主工智能被迫向探访者赐与反映的模式，进化为交互式东谈主工智能的新阶段，使东谈主工智能能够主动感知周围环境，并主动发问，从而变成一个不错自主行为的实体。

2023 年，特斯拉自动驾驶持重东谈主在 CVPR 上先容了通用宇宙模子，该模子不错通过过往的视频片断和行为教唆，生成"可能的翌日"全新视频。

Wayve 也在 2023 年发布了 GAIA-1 模子，不错依靠视频、文本和四肢的输入生成传神的视频，能够生因素钟级的视频以及多种合理的翌日场景，匡助自动驾驶模子的试验和仿真。

在 CES 2025 上，英伟达发布 Cosmos 宇宙基础模子（WFM），不错给与文本、图像或视频的教唆，生成假造宇宙状态，并针对自动驾驶和机器东谈主应用终了内容的生成。

与此同期，国内厂商也在加快跟进宇宙模子的搭建。

2024 年 7 月，蔚来发布智能驾驶宇宙模子 NWM。这是一个具有全量贯通数据、永劫序推演和决策材干的智能驾驶宇宙模子，能够在短时间内推献技上百种可能发生的场景，并寻找到最优决策。

理思汽车也在其智驾有贪图中引入了"重建 + 生成的宇宙模子"，运用 3D 高斯模子作念场景重建，运用扩散模子作念场景生成，以重建仿真和生成仿真两种时间阶梯，为智驾有贪图提供了"错题集"和"模拟题"。

如斯看来，宇宙模子例必将是汽车智能化的沿途分水岭，其在场景生成、模子试验、仿真测试、数据闭环等方面的特有上风，将推动包括自动驾驶、机器东谈主等在内的东谈主工智能应用迎来" ChatGPT 时刻"。

更轻的车，更"重"的云

归根结底，自动驾驶的竞争最终将是算法、算力、数据的底层材干之争，出现任何一块短板，皆将激发木桶效应。

举座上看，自动驾驶正呈现出由车端竞争向云霄竞争移动的趋势，通盘产业在更"轻"的同期也更"重"。

字据阿伯丁大学、MIT 等机构的酌量者对算力需求的酌量发现，在 2010 年之前模子试验所需的算力增长稳当摩尔定律，大致每 20 个月翻一番。自 2010 岁首深度学习问世以来，试验所需的算力快速增长，大致每 6 个月翻一番。2015 年末，跟着大限制机器学习模子的出现，试验算力的需求提高了 10-100 倍，出现了一种新的趋势。

与咫尺用于生成式模子的诡计量比拟，试验和运行宇宙模子需要浩大的算力，即使是 Sora（不错视为早期的宇宙模子）也需要数千个 GPU 来试验和运行，尤其是在其使用变得普及的情况下。

跟着模子的不绝进化，车端明白无法承受算力之重，智能化的中心例必要从车端缓缓移动到云霄。

通过成立云霄强劲的数据闭环和算力材干，并合营路侧边际诡计系统的数据感老友融、及时处理、诡计和分析，车端因进化迭代所濒临的时间与算力瓶颈被龙套，"云"成为智能汽车进化路上强劲的底层基建。

而车端借助路侧边际诡计系统与云霄数据中心，将车端算力、数据处理、软硬件资本进行后移，终了时间与资本的双减负，智驾时间得以被普及到更廉价钱段的车型上。正在攀高高阶自动驾驶这座珠峰的玩家，能够束缚通过"时间跳跃→资本裁减→居品落地"的轮回，来赢得更大阛阓。

车端与路侧和云霄造成齐备的闭环，车端和路侧收罗到海量的交通数据之后，云霄运用大数据和 AI 算法，对数据进行分析与挖掘，从中提真金不怕火有价值的信息。

举例，通过对交通流量进行数据分析，交管部门不错字据及时交通流停战路情况智能诊疗配时有贪图，提高谈路通行服从。同期，车辆也能领受到车路云积聚的信息，提前了解谈路上的阻拦和危急，从而弃取相应表率确保行车安全。

同期，车端和路侧数据不错在云霄聚合进行自动驾驶模子的试验与仿真，再把模子数据发还车端，进行 OTA 部署及更新，三端进行协同互补，由此完成了自动驾驶时间的迭代与进化。

筹商词，宇宙模子的构建和应用也濒临着显贵的挑战。

最初，环境模拟的准确性极地面依赖于模子的复杂度和所领有的数据质料。要精准地展望复杂环境中的动态变化，需要多数的数据和强劲的诡计资源，这对于资源有限的技俩来说可能是一个限度。

自动驾驶是对东谈主类驾驶步履的学习，东谈主的驾驶材干有上限，通盘自动驾驶的安全规模也有上限，自动驾驶的安全必须高于东谈主类才有益旨，尤其是 L4 级自动驾驶。是以必须要有高于东谈主类驾驶步履的宇宙模子数据试验出来的系统才能优于东谈主类。

其次，构建一个能够泛化到多种不同环境的宇宙模子是极具挑战性的，因为现实宇宙的复杂性和不成展望性远远超出了任何现存模子的处理材干。

宇宙模子和通盘东谈主工智能模子不异，也会产生幻觉，并内化试验数据中的偏见。宇宙模子的试验数据必须饱胀庸俗，以涵盖万般化的情景，同期也要饱胀具体，使模子能够深切贯通这些情景的轻微判袂。

尽管宇宙模子在表面上具有巨大后劲，但在践诺应用中仍然存在好多未知数。举例，如何确保模子的展望准确性，如那处理模子可能的偏差，以及如安在不同的应用场景中诊疗模子参数以适合特定的需求等问题皆需要进一步的酌量和探索。

对于汽车智能化这个渊博主题来说，行进谈路确乎相配沉重。随机指标饱胀千里，问题饱胀多，才有这样多的时间被发明、被创造，而每个时间名词的背后，皆是成长的钤记，亦然试错的印迹。但恰是一段段的时间死磕黑丝 91，才让智能化缓缓有了一个更汜博的翌日。