7月26日，2025世界人工智能大會(huì)暨人工智能全球治理高級(jí)別會(huì)議在上海開(kāi)幕。商湯絕影攜全新升級(jí)的絕影開(kāi)悟世界模型亮相WAIC 2025，搭建AI通往真實(shí)世界交互的橋梁。

作為最專注汽車(chē)行業(yè)的AI公司，商湯絕影展示了行業(yè)首個(gè)已量產(chǎn)、可交互的絕影開(kāi)悟世界模型，正式亮相輔助駕駛領(lǐng)域首個(gè)生成式世界模型產(chǎn)品平臺(tái)，并發(fā)布業(yè)內(nèi)最大規(guī)模的生成式駕駛數(shù)據(jù)集WorldSim-Drive，持續(xù)賦能輔助駕駛行業(yè)。同時(shí)，在商湯絕影展臺(tái)，觀眾還能現(xiàn)場(chǎng)與世界模型進(jìn)行實(shí)時(shí)交互，體驗(yàn)行業(yè)領(lǐng)先的數(shù)據(jù)生成能力。

不僅如此，商湯絕影在輔助駕駛領(lǐng)域打造的虛實(shí)融合的數(shù)據(jù)范式，將會(huì)賦能具身智能領(lǐng)域，以人、物體、場(chǎng)景三者為核心，通過(guò)行業(yè)領(lǐng)先的大模型技術(shù)能力，生成時(shí)空一致的第一視角和第三視角數(shù)據(jù)，為具身智能的構(gòu)建全新的4D真實(shí)世界。

商湯絕影CEO，商湯科技聯(lián)合創(chuàng)始人、執(zhí)行董事、CTO王曉剛表示，商湯的世界模型正在將AI的創(chuàng)造力轉(zhuǎn)化為生產(chǎn)力，既為輔助駕駛生成千萬(wàn)級(jí)場(chǎng)景數(shù)據(jù)、打造實(shí)時(shí)交互訓(xùn)練場(chǎng)，同時(shí)也打造具身智能的數(shù)據(jù)引擎，搭建AI從數(shù)字世界通往真實(shí)物理世界的橋梁，邁向具身智能的新未來(lái)。

絕影開(kāi)悟秀出量產(chǎn)實(shí)力，商湯絕影發(fā)布世界模型產(chǎn)品平臺(tái)與業(yè)內(nèi)最大生成式駕駛數(shù)據(jù)集亮相

在2025世界人工智能大會(huì)上，商湯絕影全面展示了絕影開(kāi)悟世界模型的量產(chǎn)實(shí)力。7月26日，上海自動(dòng)駕駛實(shí)訓(xùn)場(chǎng)建設(shè)成果發(fā)布，商湯絕影深度參與其中，以絕影開(kāi)悟世界模型行業(yè)領(lǐng)先的數(shù)據(jù)生成和仿真測(cè)試能力賦能自動(dòng)駕駛實(shí)訓(xùn)場(chǎng)建設(shè)。

目前，商湯絕影正在與上汽集團(tuán)旗下的智己汽車(chē)進(jìn)行深度合作，已順利打通Cut-in、碰撞等場(chǎng)景的數(shù)據(jù)生成鏈路。未來(lái)，絕影將攜手上汽智己等各方伙伴共同打造數(shù)據(jù)工廠，一同加速安全可靠的輔助駕駛系統(tǒng)的落地和普及。

在世界模型的產(chǎn)品化方面，商湯絕影正式發(fā)布了輔助駕駛領(lǐng)域首個(gè)生成式世界模型產(chǎn)品平臺(tái)，面向B/C端用戶開(kāi)放試用。產(chǎn)品平臺(tái)基于行業(yè)領(lǐng)先的絕影開(kāi)悟世界模型構(gòu)建，具備強(qiáng)大的物理規(guī)律理解與場(chǎng)景控制生成能力，是切實(shí)解決輔助駕駛數(shù)據(jù)瓶頸的創(chuàng)新工具。

輔助駕駛領(lǐng)域首個(gè)生成式世界模型產(chǎn)品平臺(tái)

一方面，產(chǎn)品平臺(tái)可靈活定制場(chǎng)景視頻，支持多種視角、各類天氣、道路類型等多元素場(chǎng)景的編輯和泛化，即根據(jù)不同需求，修改和調(diào)整場(chǎng)景中的各種要素，豐富訓(xùn)練場(chǎng)景的多樣性。另一方面，絕影的生成式世界模型產(chǎn)品平臺(tái)能夠基于提示詞一鍵生成多種場(chǎng)景，十分簡(jiǎn)單易用。

不止如此，商湯絕影還發(fā)布業(yè)內(nèi)最大規(guī)模的生成式駕駛數(shù)據(jù)集WorldSim-Drive。借助開(kāi)悟世界模型，絕影已生產(chǎn)超100萬(wàn)clips面向量產(chǎn)的生成式數(shù)據(jù)，場(chǎng)景類型覆蓋全面，包括50多類天氣和光照條件、200類交通標(biāo)牌和300類道路連接場(chǎng)景等。而且絕影的生成式駕駛數(shù)據(jù)能實(shí)現(xiàn)多視角時(shí)空一致、時(shí)長(zhǎng)可達(dá)分鐘級(jí)、分辨率達(dá)1080P品質(zhì)媲美真實(shí)數(shù)據(jù)。

生成式駕駛數(shù)據(jù)集WorldSim-Drive

絕影開(kāi)悟是業(yè)內(nèi)首個(gè)應(yīng)用于真值訓(xùn)練數(shù)據(jù)生產(chǎn)的世界模型，而且生產(chǎn)效率很高，基于一張A100的GPU，絕影開(kāi)悟每天生成的數(shù)據(jù)，相當(dāng)于10臺(tái)真實(shí)車(chē)或者是100臺(tái)路測(cè)車(chē)的數(shù)據(jù)采集能力，比得上500臺(tái)量產(chǎn)車(chē)。目前，商湯絕影20%的數(shù)據(jù)是通過(guò)世界模型生產(chǎn)。

商湯絕影打造可體驗(yàn)的4D實(shí)時(shí)交互訓(xùn)練場(chǎng)

商湯絕影將3DGS重建技術(shù)與世界模型生成技術(shù)完美融合，為高階輔助駕駛的研發(fā)打造大尺度、高保真、可實(shí)時(shí)交互的4D虛擬訓(xùn)練場(chǎng)，為模型強(qiáng)化學(xué)習(xí)、閉環(huán)仿真測(cè)試與訓(xùn)練再添新動(dòng)力。

首先，絕影開(kāi)悟具備超大尺度4D空間重建能力，能夠進(jìn)行最高可達(dá)1kmsup2;的真實(shí)世界高精度重建，將更多真實(shí)空間視角提供給車(chē)端模型。同時(shí)，絕影開(kāi)悟世界模型能夠構(gòu)建復(fù)雜多元的場(chǎng)景?；趫?chǎng)景需求，通過(guò)文本描述及l(fā)ayout定制定制前景交通參與者與交互行為，實(shí)現(xiàn)輸入需求rarr;生成場(chǎng)景rarr;微調(diào)優(yōu)化的場(chǎng)景生成閉環(huán)，滿足仿真復(fù)雜、長(zhǎng)尾場(chǎng)景需求，為后續(xù)智能體交互提供扎實(shí)的場(chǎng)景基礎(chǔ)。更重要的是，絕影開(kāi)悟能夠?qū)崿F(xiàn)策略模型與環(huán)境模型1:1實(shí)時(shí)交互，滿足閉環(huán)仿真測(cè)試對(duì)實(shí)時(shí)性的需求，提升測(cè)試結(jié)果可信度。

基于絕影開(kāi)悟打造的4D實(shí)時(shí)交互訓(xùn)練場(chǎng)

目前，絕影開(kāi)悟生成的數(shù)據(jù)已經(jīng)覆蓋了萬(wàn)千長(zhǎng)尾場(chǎng)景，賦能閉環(huán)仿真測(cè)試。商湯絕影與智己汽車(chē)也在閉環(huán)仿真測(cè)試領(lǐng)域開(kāi)展合作，構(gòu)建起占道急剎、環(huán)島繞行等場(chǎng)景的豐富測(cè)試場(chǎng)景數(shù)據(jù)。未來(lái)，雙方計(jì)劃攜手打造千萬(wàn)級(jí)生成場(chǎng)景庫(kù)，構(gòu)筑全面測(cè)試樣例，覆蓋所有駕駛可能性，進(jìn)一步保證駕駛安全。

在本屆WAIC的絕影展臺(tái)上，觀眾還能在現(xiàn)場(chǎng)與世界模型進(jìn)行實(shí)時(shí)交互，體驗(yàn)世界模型生成的環(huán)境中開(kāi)車(chē)的感覺(jué)。

搭建AI通往真實(shí)世界交互的橋梁，邁向具身世界模型新未來(lái)

智能汽車(chē)可以看成是最簡(jiǎn)單的具身智能，而機(jī)器人等具身智能硬件需要更進(jìn)一步理解復(fù)雜、多變、充滿不確定性的真實(shí)物理世界，并且與之進(jìn)行自然流暢、安全可靠的交互，同時(shí)機(jī)器人的造型更加多元，傳感器配置、移動(dòng)方式等等更加復(fù)雜，對(duì)于數(shù)據(jù)種類、數(shù)量和質(zhì)量的要求都更高，正在面臨真實(shí)場(chǎng)景數(shù)據(jù)采集維度爆炸困境。

另一方面，在輔助駕駛領(lǐng)域，數(shù)據(jù)采集相對(duì)容易，人就可以開(kāi)車(chē)采集真實(shí)數(shù)據(jù)，具身智能則需要人類遠(yuǎn)程操控進(jìn)行采集工作，這樣的數(shù)據(jù)采集方式難度更大，成本更高，效率低。如果采用傳統(tǒng)模擬工具合成數(shù)據(jù)，還存在Sim2Real的遷移鴻溝。

商湯絕影在輔助駕駛領(lǐng)域打造的虛實(shí)融合的數(shù)據(jù)范式，能夠遷移并賦能具身智能領(lǐng)域，打破當(dāng)前具身智能的數(shù)據(jù)瓶頸。商湯絕影世界模型的多傳感器融合與實(shí)時(shí)處理能力，能夠?qū)崿F(xiàn)多模態(tài)時(shí)空對(duì)齊；而動(dòng)態(tài)環(huán)境建模與預(yù)測(cè)能力，可生成高保真4D環(huán)境；最后，強(qiáng)大的數(shù)據(jù)合成與閉環(huán)驗(yàn)證體系，能夠助力具身智能進(jìn)行基于強(qiáng)化學(xué)習(xí)的閉環(huán)仿真交互。

因此，商湯以人、物體、場(chǎng)景三者為核心，通過(guò)行業(yè)領(lǐng)先的大模型技術(shù)能力，構(gòu)建4D真實(shí)世界，打造創(chuàng)新的具身世界模型，搭建AI通往真實(shí)世界交互的橋梁。

商湯具身世界模型目前已經(jīng)擁有10萬(wàn)個(gè)真實(shí)3D資產(chǎn)，打造了行業(yè)領(lǐng)先的具身3D資產(chǎn)庫(kù)。這些3D資產(chǎn)覆蓋家庭、辦公、商業(yè)、工業(yè)等多20個(gè)場(chǎng)景的真實(shí)動(dòng)作，不僅如此，商湯具身世界模型生產(chǎn)的數(shù)據(jù)不僅有第一視角，即機(jī)器人所能看到的世界，還能生成第三視角，就是上帝視角，從外部看到的機(jī)器人整體動(dòng)作，觀察和學(xué)習(xí)如何與環(huán)境進(jìn)行交互。過(guò)去的采集和仿真數(shù)據(jù)大多都只有其中一個(gè)視角，難以達(dá)到具身智能高質(zhì)量訓(xùn)練的要求。

例如，商湯具身世界模型生成機(jī)器人切黃瓜的數(shù)據(jù)，會(huì)有第一視角的視頻，聚焦操作臺(tái)上是菜刀如何上下左右移動(dòng)來(lái)切斷黃瓜，也會(huì)有第三視角則會(huì)整體呈現(xiàn)在4D世界中機(jī)器人與操作臺(tái)的距離，整條手臂、骨骼的運(yùn)動(dòng)軌跡等。

生成第一視角和第三視角的視頻只是基礎(chǔ)，商湯具身世界模型還能實(shí)現(xiàn)兩者的融合，保持時(shí)空一致性，真正能夠應(yīng)用與具身世界模型的訓(xùn)練。結(jié)合它1:1實(shí)時(shí)交互的能力，具身智能體能夠與4D真實(shí)世界進(jìn)行實(shí)時(shí)交互，實(shí)現(xiàn)具身閉環(huán)仿真，加速具身智能時(shí)代的到來(lái)。