世界模型的價(jià)值不在于替代人類認(rèn)知，而在擴(kuò)展AI的物理邊界。正如商湯CTO王曉剛所言：“我們搭建的是橋梁，而非終點(diǎn)。”

2025年7月26日，世界人工智能大會（WAIC2025）在上海開幕，商湯絕影帶來了升級后的“絕影開悟”世界模型。

這款官方定義為“連接數(shù)字世界與真實(shí)物理世界”的技術(shù)產(chǎn)品，一方面展示了商湯在輔助駕駛領(lǐng)域的量產(chǎn)落地能力，同時(shí)也揭示了其向具身智能領(lǐng)域延伸的野心——通過構(gòu)建4D真實(shí)世界模型，為AI搭建通往物理世界交互的技術(shù)橋梁。

從數(shù)據(jù)生成到實(shí)訓(xùn)場建設(shè)

在輔助駕駛領(lǐng)域，“絕影開悟”的量產(chǎn)能力成為本次亮相的核心亮點(diǎn)。作為行業(yè)首個(gè)已實(shí)現(xiàn)量產(chǎn)的生成式世界模型，其技術(shù)價(jià)值已體現(xiàn)在產(chǎn)業(yè)實(shí)踐中。

此前，上海自動(dòng)駕駛實(shí)訓(xùn)場建設(shè)成果發(fā)布，商湯絕影深度參與其中，以“絕影開悟”世界模型給自動(dòng)駕駛實(shí)訓(xùn)場建設(shè)提供支持。

目前，商湯絕影已與上汽集團(tuán)旗下智己汽車打通Cut-in（加塞）、碰撞等關(guān)鍵場景的數(shù)據(jù)生成鏈路，意味著這些高風(fēng)險(xiǎn)、低概率的駕駛場景可通過模型批量生成，無需依賴真實(shí)路測采集。

雙方的合作不止于此，據(jù)透露，未來將聯(lián)合打造“數(shù)據(jù)工廠”，通過規(guī)?；蓤鼍皵?shù)據(jù)，加速輔助駕駛系統(tǒng)的安全落地。

這種模式的優(yōu)勢在于解決了傳統(tǒng)路測的核心痛點(diǎn)：真實(shí)場景采集成本高、極端案例覆蓋率低。例如，一場罕見的暴雨天氣下的連環(huán)追尾場景，通過“絕影開悟”可在數(shù)小時(shí)內(nèi)生成數(shù)千組變體數(shù)據(jù)，而真實(shí)采集可能需要數(shù)年等待。

技術(shù)落地的背后，是產(chǎn)品化能力的支撐。

本次世界人工智能大會上，商湯絕影正式發(fā)布輔助駕駛領(lǐng)域首個(gè)生成式世界模型產(chǎn)品平臺，面向B端企業(yè)與C端開發(fā)者開放試用。

該平臺的功能體現(xiàn)在兩方面：一是場景定制的靈活性，支持天氣（晴/雨/雪）、光線（黎明/正午/黃昏）、道路類型（高速/城區(qū)/鄉(xiāng)村）等多維度參數(shù)調(diào)整；二是“提示詞生成”的便捷性，用戶輸入“雨天路面直行，前方有面包車在碰撞前剎停”等描述，即可一鍵生成對應(yīng)場景視頻。

與之配套的，是業(yè)內(nèi)最大規(guī)模的生成式駕駛數(shù)據(jù)集“WorldSim-Drive”。

該數(shù)據(jù)集包含超100萬段（clips）量產(chǎn)級數(shù)據(jù)，覆蓋50余種天氣光照條件、200類交通標(biāo)牌及300類道路連接場景。

比數(shù)據(jù)數(shù)量更關(guān)鍵的是數(shù)據(jù)質(zhì)量。通過多視角時(shí)空對齊技術(shù)，模型可以同時(shí)生成第一視角（駕駛員視角）與第三視角（外部觀測視角）數(shù)據(jù)，且分辨率達(dá)1080P，時(shí)長支持分鐘級連續(xù)記錄，保真度接近真實(shí)采集數(shù)據(jù)。

效率方面，“絕影開悟”基于單張A100GPU，其每日生成的數(shù)據(jù)量相當(dāng)于10臺真實(shí)測試車或100臺路測車的采集能力，效率約為500臺量產(chǎn)車的總和。

據(jù)悉，目前商湯絕影已有20%的訓(xùn)練數(shù)據(jù)來自該模型生成，大幅降低了對真實(shí)路測的依賴。

4D交互訓(xùn)練場：從仿真測試到實(shí)時(shí)體驗(yàn)

“絕影開悟”的技術(shù)縱深，體現(xiàn)在其構(gòu)建的4D實(shí)時(shí)交互訓(xùn)練場。其通過融合3DGS重建技術(shù)與世界模型生成能力，讓4D交互訓(xùn)練場實(shí)現(xiàn)了三項(xiàng)進(jìn)步。

其一，大尺度高精度重建。模型能夠?qū)?km2范圍內(nèi)的真實(shí)空間進(jìn)行高精度數(shù)字化重建，為車端模型提供接近真實(shí)的虛擬測試環(huán)境。

其二，動(dòng)態(tài)場景閉環(huán)生成。用戶通過文本描述或場景布局設(shè)定，就可以觸發(fā)“輸入需求→生成場景→微調(diào)優(yōu)化”的閉環(huán)流程，快速生成占道急剎、環(huán)島繞行等復(fù)雜場景。

其三，實(shí)時(shí)交互能力。策略模型與環(huán)境模型可以實(shí)現(xiàn)實(shí)時(shí)響應(yīng)，從而確保仿真測試結(jié)果與真實(shí)駕駛的一致性。

目前，4D實(shí)時(shí)交互訓(xùn)練場已在合作中落地。商湯絕影與智己汽車合作構(gòu)建的測試場景庫，已覆蓋占道急剎、環(huán)島繞行等典型場景，未來計(jì)劃擴(kuò)展至千萬級規(guī)模，來覆蓋幾乎所有的駕駛可能性。

在WAIC現(xiàn)場，觀眾還可以通過交互界面體驗(yàn)“虛擬駕駛”，例如在模型生成的暴雨天氣高速場景中，實(shí)時(shí)操控車輛應(yīng)對加塞，感受模型對物理環(huán)境的仿真精度。

向具身智能的延伸

如果說智能汽車是“簡單的具身智能”，那么機(jī)器人等硬件則需要更復(fù)雜的物理世界理解能力。

這類具身智能面臨的核心難題是“數(shù)據(jù)維度爆炸”，即機(jī)器人的傳感器配置（視覺、觸覺、力覺等）、移動(dòng)方式（輪式、履帶式、多足式）遠(yuǎn)多于汽車，且需應(yīng)對家庭、工業(yè)等多樣化場景，傳統(tǒng)數(shù)據(jù)采集方式成本高、效率低。更棘手的是“Sim2Real鴻溝”，即通過模擬工具生成的數(shù)據(jù)難以直接應(yīng)用于真實(shí)場景。

而商湯絕影的解決辦法是將輔助駕駛領(lǐng)域的“虛實(shí)融合”數(shù)據(jù)遷移到具身智能上。

首先，構(gòu)建多模態(tài)時(shí)空對齊能力。通過多傳感器融合技術(shù)，模型可將視覺、觸覺等數(shù)據(jù)在時(shí)間與空間維度精準(zhǔn)匹配。

其次，生成高保真4D環(huán)境?；趧?dòng)態(tài)環(huán)境建模技術(shù)，模型能實(shí)時(shí)預(yù)測物體運(yùn)動(dòng)軌跡，例如預(yù)判家庭場景中寵物的突然跑動(dòng)。

最后，建立閉環(huán)驗(yàn)證體系。通過強(qiáng)化學(xué)習(xí)，機(jī)器人可以在虛擬環(huán)境中反復(fù)訓(xùn)練交互動(dòng)作，再遷移至真實(shí)世界。

支撐這一遷移的是商湯的具身3D資產(chǎn)庫，其中包含了10萬個(gè)真實(shí)3D資產(chǎn)，涵蓋了家庭、辦公、工業(yè)等20類場景的動(dòng)作數(shù)據(jù)。

更關(guān)鍵的是數(shù)據(jù)視角的完整性，模型既可生成機(jī)器人的“第一視角”，例如抓取物體的手部特寫；也能生成“第三視角”，例如上帝視角下的機(jī)器人全身動(dòng)作，從而解決了傳統(tǒng)數(shù)據(jù)視角單一的問題。

結(jié)語：

“絕影開悟”的進(jìn)化路徑，本質(zhì)上是AI從數(shù)字世界走向物理世界的縮影。

商湯科技聯(lián)合創(chuàng)始人、CTO王曉剛在世界人工智能大會上表示，“絕影開悟”世界模型的核心價(jià)值在于“將AI創(chuàng)造力轉(zhuǎn)化為生產(chǎn)力”，既為輔助駕駛提供場景數(shù)據(jù)，也為具身智能打造數(shù)據(jù)引擎。

從輔助駕駛到機(jī)器人，從數(shù)據(jù)生成到實(shí)時(shí)交互，“絕影開悟”的技術(shù)邏輯都圍繞一個(gè)目標(biāo)：通過構(gòu)建與真實(shí)世界一致的4D模型，讓AI在虛擬環(huán)境中“學(xué)會”與物理世界交互。

當(dāng)這種能力成熟時(shí)，或許我們將看到家庭機(jī)器人能精準(zhǔn)預(yù)判老人起身時(shí)的動(dòng)作輔助，工業(yè)機(jī)械臂能在復(fù)雜流水線中自主避障。而這一切的起點(diǎn)，正是世界模型這個(gè)連接數(shù)字與物理世界的技術(shù)橋梁。（本文首發(fā)于鈦媒體App作者｜王垚，編輯｜李玉鵬）