端到端还不够，还要世界模型？

不知道，最近大家有没有关注到一个现象，悄然间「世界模型」已经站在智驾的高地，成为衡量一家车企智驾能力的「新」风向标。

有人说，这是在智能驾驶领域继「BEV&Transformer」、「占用网络OCC」、「端到端」等技术后，又一次跨越式进步。

更有行业大佬，募集十几亿，致力于构建「大型世界模型」。更像一些头部公司，诸如谷歌旗下人工智能企业DeepMind，花费重金聘请了OpenAI视频生成器Sora的联合负责人蒂姆·布鲁克斯来开发世界模型。

世界模型的准确定义是这样的：

通过模拟人类的认知过程，使机器系统能够理解和预测复杂环境中的未来情景，从而实现自主决策和行动。

说人话就是，人为地创造一个像大脑一样具备思考能力的智能体。

它可以理解真实世界的物理法则，还能对事物的关系、规律、原因和结果进行理解和预测，从而做出决策判断。

关于理解真实世界的物理法则，其实并没有大家想象得那么容易。

比如说，现在让大家去想象手掌时，几乎所有人都能准确且毫不费力地想象出来，但是在目前的AI制作中，却会经常会出现多根手指或连指的现象。

此前，图灵奖得主Yann LeCun就明确表示，基于文本提示生成的逼真视频并不代表模型真正理解了物理世界。之后更是直言，像Sora这样通过生成像素来建模世界的方式注定要失败。

表象尚且不准，至于对事物的关系、规律、原因和结果的理解就更难了，以我们最为熟悉的ChatGPT举例，目前还存在「幻觉问题」。

就是用一种可以令人信服但完全编造的方式来表达自己，也就是一本正经地已读乱回。

比如：问模型第一个在月球上行走的人是谁？模型回复，Charles Lindbergh在1951年的月球先驱任务中第一个登上月球。

实际上，第一个登上月球的人是Neil Armstrong。

这也在一定程度上限制了ChatGPT在金融、法律等知识鉴别门槛极高的行业里应用。

而理解只是路径，决策才是最终想要达到的结果。

通常来说，当大脑内部进行预测时，可以根据我们当前的运动动作，预测未来的感官数据。

我们能够本能地按照这种预测采取行动，并在面临危险时做出快速的反应，而无需有意识地规划行动方案。

以棒球为例，棒球击球手只有几毫秒的时间来决定如何挥棒，甚至比我们眼睛的视觉信号到达大脑所需的时间还要短。

而击球员能够击出时速100英里的快速球，是因为他能够本能地预测球会在何时何地飞去哪里。

对于职业球员来说，这一切都是潜意识发生的。他们的肌肉会根据大脑的预测，在正确的时间和地点反射性地挥棒，无需有意识地推出可能的未来情景来制定计划。

带入这个视角，你会发现，一些车企的智驾技术就很好理解了。

比如，智已说的迈入「直觉」智驾新时代。

这套系统就在强调一个“下意识”的决策动作，无需经过常规的识别与处理，就像老司机遇到紧急情况那样，不需要复杂思考，就能够给出一个正确的反应。

说了这么多世界模型，大家或许发现了，世界模型是一个覆盖面很大的词汇，可以应用在机器人、智能汽车等多个领域。

仅对于智能驾驶来说，世界模型具体有什么用呢？

答案是成本。

智能驾驶发展至今，数据的重要性越发凸显。然而，实车采集、人工标注的费用却在水涨船高，况且，能够满足训练要求的数据还少之又少，更不必说一些非常罕见的corner case。

自动驾驶应用了世界模型，就可以借助视频生成技术，创建驾驶场景，从而降低成本。

比如说，有一天，路测人员在测试中发现了测试车辆的问题，后续可以通过世界模型，生成多条轨迹和这些轨迹实时交互的多场景视角，满足训练模型的需求，从而提升系统的迭代效率。

例如，按照官方的说法，NWM（即蔚来世界模型）能够在0.1秒内推演出216种可能发生的轨迹，寻找最佳决策。

然后在接下来的0.1秒内，根据外界的信息输入，重复更新内在时空的模型，再去预测216种可能性。以此循环，跟随驾驶轨迹持续预测，得到驾驶的最优解。

也就是说，后续我们完全可以借助世界模型仿真模拟出极端的驾驶场景，来训练提升车辆的智驾能力。

这也是世界模型在自动驾驶的两大应用：生成能力、仿真能力。

但是，目前的世界模型缺陷也有很多。比如生成长视频的能力，目前公开的、最长的视频时间，也不过几分钟而已。

还有视频的清晰程度，即使是国外领先的自动驾驶公司WAYVE旗下的世界模型GAIA，它所生成的视频也很模糊。同时，时间和空间一致性的问题也不能忽略。

这些背后都指向了算力需求，而算力成本是非常高昂的。

可以说，世界模型还是一项非常新兴的技术，需要大量的资金，大量的人力铺在上面。当然，资本市场对大模型技术也是非常看好的。

根据国际数据公司（IDC）最新发布的《中国模型即服务(MaaS)及AI大模型解决方案市场追踪（2024H1）》报告显示，2024上半年，中国AI大模型解决方案市场的规模为13.8亿元人民币。

预计在2024-2028年期间也将持续高速长，年均复合增长率为56.2%，到2028年整体市场规模将达到211亿元人民币。

燃油车时代，仿佛一切都比较简单，没有那么多技术名词。来到了智能化时代，层出不穷的技术名词，不仅令消费者感到困惑，包括多数业内人士也是一头雾水。

但对于智能化的宏大主题来说，行进道路确实非常艰难。有时目标足够沉，问题足够多，才有这么多的技术被发明、被创造，而每个技术名词的背后，都是成长的印记，也是试错的痕迹。

合抱之木，生于毫末，九层之台，起于累土。正是一段段的技术死磕，才让智能化逐渐有了一个更明朗的未来。