端到端+世界模型，商汤绝影R-UniAD要换道超车特斯拉FSD？

特斯拉的纯视觉智驾FSD，一直以来引领智能驾驶行业的技术发展潮流，再加上坐拥算力、算法、数据三大壁垒的先发优势，后发玩家要想超越，难度相当之高。而商汤绝影发布的行业首个「与世界模型协同交互的端到端自动驾驶路线R-UniAD」，通过构建世界模型生成在线交互的仿真环境，进行端到端模型的强化学习训练。这一与DeepSeek同源的技术思路，标志着自动驾驶从模仿学习升级到强化学习，大大降低了算力和数据的技术门槛。

作为端到端架构的智驾里程碑，特斯拉FSD V12方案通过一个神经网络直接处理摄像头数据并输出驾驶指令，替代传统的模块化分步处理方法。后续行业中的各类端到端方案，比如决策层和感知层彼此独立的 “两段式”端到端架构，虽然更容易落地，但二者之间传输的是人为定义的显性信息，仍然存在信息传递过滤或丢失的问题。

此前商汤绝影推出的UniAD，将感知、决策、规划等模块都整合到一个全栈Transformer端到端模型，即一段式端到端。虽然不需要对感知数据进行抽象和逐级传递，所见即所得，但一段式端到端并非万能，而是极度依赖海量的真实数据来训练，在开发阶段需要巨大的算力和数据投入，且本质仍是难以”青出于蓝而胜于蓝“的模仿学习。而随着DeepSeek的横空出世，基于纯强化学习的长思维链涌现，打破了传统端到端的数据瓶颈，极大降低了算力和数据的依赖。

此次商汤绝影推出的R-UniAD「多阶段强化学习」端到端自动驾驶技术路线，可以用生成仿真环境的世界模型连接端到端模型，具体分为三个阶段：

1、依靠冷启动数据通过模仿学习进行云端的端到端自动驾驶大模型训练；

2、基于强化学习，让云端的端到端大模型与世界模型协同交互，持续提升模型性能；

3、云端大模型高效蒸馏，实现高性能小模型的车端部署，节省算力、硬件成本。

目前绝影已经与广汽、奇瑞和东风汽车等达成战略合作，量产交付也正在推进中。今年3月量产和车企合作开发的基于J6M的自动驾驶产品，R-UniAD也将在上海车展期间推出并完成实车部署。随着FSD入华，哪怕强如特斯拉也会面临场景数据的问题，而绝影R-UniAD不仅能解决这些问题，还有望超越人类驾驶表现，对FSD实现换道超车。