一張圖片生成3D世界，對于汽車意味着什麼？

今天小編分享的汽車經驗：一張圖片生成3D世界，對于汽車意味着什麼？，歡迎閲讀。

撰文 / 閲凡

設計 / 趙昊然

12 月 3 日，由人工智能科學家李飛飛創立的科技公司 World Labs 推出了第一個項目，僅通過一張圖片，就能将圖中的場景三維化，生成的場景符合基本空間原理和物理定律，用户可以在生成的空間内移動，轉換視角。

他們稱之為大世界模型（Large World Model，LWM）。

李飛飛表示，大型世界模型只是 Worlds Labs 公司的第一步，後面他們準備把場景設計融入 AR、機器人甚至自動駕駛。

2 天後，Google DeepMind 發布 Genie2，也展示了其可根據單圖生成無限 3D 世界，用于 AI 遊戲及智能體訓練，這就意味着它可以模拟虛拟世界，帶來了物體互動、復雜角色動畫、物理以及建模和預測其他智能體行為的潛力能力。

又 5 天後，在 OpenAI 發布會直播第 3 天，此前被稱為理解和模拟現實的基礎性 AI 技術，邁出開發能夠與物理世界互動模型重要一步的 Sora，推出了 Sora Turbo，在模拟運動中的物理世界時，進一步增強了它的可編輯能力。

2018 年，世界模型的概念開始被廣泛提及，科學家指出，人類使用有限的感官感知世界，并基于這些感知建立起一個内部的、簡化的世界模型，這個簡化的模型不僅幫助我們理解世界，更重要的，我們還會根據這個頭腦中的簡化世界決定預測未來走向。

而計算機領網域的世界模型不僅包括觀察、狀态估計、動作建議和潛在變量建議四大核心元素，也采用了類似的思維模式，即在有限的、有選擇性的信息基礎上進行有效的決策和預測。

世界模型将會如何改變這個世界，對于身處變革中的智能汽車又意味着什麼？

智能座艙：從被動到主動預測和推薦

随着越來越多產品更新為高通 8295 芯片，以及 AR-HUD 的普及，3D HMI 正在成為智能座艙發展的新趨勢之一。

從 3D 車模到 3D 的場景構建，到最終可能會演變的全 3D 架構，用户正在以 3D 的方式探索整個座艙的場景，實現多視角切換。一鏡到底的場景變化，這種更加直接并具有連貫性的體驗，正在颠覆整個座艙互動的方式和信息呈現的方式。

而汽車座艙的另一個變化，就是 AI 在智能座艙的快速應用和能力拓展，它正在重新構建視覺、聽覺、語義等多模态融合的全新體驗。

當前，雖然世界模型尚不成熟，但是它已經預示了很多的可能。

汽車商業評論了解到，今天 AI 在座艙的能力大多還是基于 AI 算法的拟合，也就是依賴于人提供大量的算法和數據進行訓練，AI 并沒有真正的理解座艙内這個小世界的物理規律，也就無法主動預測用户行為。

但如果世界模型能夠上車，打造成為座艙世界模型，就意味着車輛通過對外界環境的聲音、光線、温度、位置、人體眼神、動作等信息的感知，能夠知道外面是在刮風，還是在下雨，人什麼時候會熱，什麼時候會冷。

它從一定概率的拟合轉向成一種精确的計算，把人當做其中一個變量，在這個世界模型裏去運行，主動調整車内的温度和濕度，包括聲音、光線等，不僅讓人保持最舒适、最愉悦、最高效的狀态，也實現了在 3D 世界的沉浸。

它帶來的的最大的價值點就在于，座艙未來會從被動接受指令，到主動推薦和預測，并且會更加精準。同時，将人、車、外部環境的眾多感知信息相融合，真正将座艙拓展為千人千面。

智能駕駛：更快、更省、更安全

2024 年，自動駕駛端到端大模型成為了車企開始競逐的新焦點，它取代了此前用于感知、描述、預測以及規劃的多個模塊，讓自動駕駛以深度學習和人工智能為基礎，通過統一的神經網絡架構實現環境感知到車輛控制的全流程自動化，更接近人類的真實駕駛。

而端到端大模型的潛力和能力挖掘，以及未來競争的核心就在于誰的數據規模更大、誰的訓練能力更強，誰的跨網域融合應用能力更出眾。

蔚來汽車曾在它的蔚來世界模型 NWM 的描述中表示，它能夠在 0.1 秒内推演出 216 種車輛可能發生的軌迹，尋找最佳決策。然後在接下來的 0.1 秒内，根據外界的信息輸入，重復更新内在時空的模型，再去預測 216 種可能性。以此循環，跟随駕駛軌迹持續預測，得到駕駛的最優解。

因此，世界模型為自動駕駛訓練構建了更低成本、更快開發速度、以及復雜場景訓練的可能。

首先，傳統的自動駕駛訓練依賴大量的實際道路測試數據來構建場景，但世界模型能夠通過學習和生成，構建出更加豐富多樣的虛拟駕駛場景，包括一些罕見的、難以在實際中頻繁遇到的特殊場景和邊緣情況，如極端天氣條件下的駕駛場景、復雜交通流中的特殊事件等，為自動駕駛模型提供更全面的訓練數據，從而提升其在各種場景下的應對能力。