一张图片生成3D世界，对于汽车意味着什么？

今天小编分享的汽车经验：一张图片生成3D世界，对于汽车意味着什么？，欢迎阅读。

撰文 / 阅凡

设计 / 赵昊然

12 月 3 日，由人工智能科学家李飞飞创立的科技公司 World Labs 推出了第一个项目，仅通过一张图片，就能将图中的场景三维化，生成的场景符合基本空间原理和物理定律，用户可以在生成的空间内移动，转换视角。

他们称之为大世界模型（Large World Model，LWM）。

李飞飞表示，大型世界模型只是 Worlds Labs 公司的第一步，后面他们准备把场景设计融入 AR、机器人甚至自动驾驶。

2 天后，Google DeepMind 发布 Genie2，也展示了其可根据单图生成无限 3D 世界，用于 AI 游戏及智能体训练，这就意味着它可以模拟虚拟世界，带来了物体互動、复杂角色动画、物理以及建模和预测其他智能体行为的潜力能力。

又 5 天后，在 OpenAI 发布会直播第 3 天，此前被称为理解和模拟现实的基础性 AI 技术，迈出开发能够与物理世界互动模型重要一步的 Sora，推出了 Sora Turbo，在模拟运动中的物理世界时，进一步增强了它的可编辑能力。

2018 年，世界模型的概念开始被广泛提及，科学家指出，人类使用有限的感官感知世界，并基于这些感知建立起一个内部的、简化的世界模型，这个简化的模型不仅帮助我们理解世界，更重要的，我们还会根据这个头腦中的简化世界决定预测未来走向。

而计算机领網域的世界模型不仅包括观察、状态估计、动作建议和潜在变量建议四大核心元素，也采用了类似的思维模式，即在有限的、有选择性的信息基础上进行有效的决策和预测。

世界模型将会如何改变这个世界，对于身处变革中的智能汽车又意味着什么？

智能座舱：从被动到主动预测和推荐

随着越来越多产品更新为高通 8295 芯片，以及 AR-HUD 的普及，3D HMI 正在成为智能座舱发展的新趋势之一。

从 3D 车模到 3D 的场景构建，到最终可能会演变的全 3D 架构，用户正在以 3D 的方式探索整个座舱的场景，实现多视角切换。一镜到底的场景变化，这种更加直接并具有连贯性的体验，正在颠覆整个座舱互動的方式和信息呈现的方式。

而汽车座舱的另一个变化，就是 AI 在智能座舱的快速应用和能力拓展，它正在重新构建视觉、听觉、语义等多模态融合的全新体验。

当前，虽然世界模型尚不成熟，但是它已经预示了很多的可能。

汽车商业评论了解到，今天 AI 在座舱的能力大多还是基于 AI 算法的拟合，也就是依赖于人提供大量的算法和数据进行训练，AI 并没有真正的理解座舱内这个小世界的物理规律，也就无法主动预测用户行为。

但如果世界模型能够上车，打造成为座舱世界模型，就意味着车辆通过对外界环境的声音、光线、温度、位置、人体眼神、动作等信息的感知，能够知道外面是在刮风，还是在下雨，人什么时候会热，什么时候会冷。

它从一定概率的拟合转向成一种精确的计算，把人当做其中一个变量，在这个世界模型里去运行，主动调整车内的温度和湿度，包括声音、光线等，不仅让人保持最舒适、最愉悦、最高效的状态，也实现了在 3D 世界的沉浸。

它带来的的最大的价值点就在于，座舱未来会从被动接受指令，到主动推荐和预测，并且会更加精准。同时，将人、车、外部环境的众多感知信息相融合，真正将座舱拓展为千人千面。

智能驾驶：更快、更省、更安全

2024 年，自动驾驶端到端大模型成为了车企开始竞逐的新焦点，它取代了此前用于感知、描述、预测以及规划的多个模块，让自动驾驶以深度学习和人工智能为基础，通过统一的神经网络架构实现环境感知到车辆控制的全流程自动化，更接近人类的真实驾驶。

而端到端大模型的潜力和能力挖掘，以及未来竞争的核心就在于谁的数据规模更大、谁的训练能力更强，谁的跨網域融合应用能力更出众。

蔚来汽车曾在它的蔚来世界模型 NWM 的描述中表示，它能够在 0.1 秒内推演出 216 种车辆可能发生的轨迹，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。

因此，世界模型为自动驾驶训练构建了更低成本、更快开发速度、以及复杂场景训练的可能。

首先，传统的自动驾驶训练依赖大量的实际道路测试数据来构建场景，但世界模型能够通过学习和生成，构建出更加丰富多样的虚拟驾驶场景，包括一些罕见的、难以在实际中频繁遇到的特殊场景和边缘情况，如极端天气条件下的驾驶场景、复杂交通流中的特殊事件等，为自动驾驶模型提供更全面的训练数据，从而提升其在各种场景下的应对能力。