商汤绝影携手国内知名车企推出了行业首批基于地平线征程®6M芯片的J6M智驾方案,采用7V纯视觉行车技术,以极简传感器配置实现高精度、稳定的环境感知,支持高速NDA(导航辅助驾驶)并计划通过OTA升级实现城区AI通勤记忆行车功能。
从高速NOA到端到端智驾,商汤绝影通过R-UniAD技术路线将强化学习与世界模型结合,我们来看看J6M方案的技术亮点、应用价值及其对汽车行业的影响。
商汤绝影J6M智驾方案
的技术创新亮点
J6M智驾方案的核心在于其基于地平线征程®6M芯片的硬件平台,算力达128 TOPS,结合商汤绝影自主研发的7V(7个视觉传感器)纯视觉行车方案,实现了从感知到决策的高效整合。
相比传统多模态方案(融合激光雷达、毫米波雷达等),7V纯视觉设计以极简配置降低了硬件成本,同时通过算法优化提升了感知精度和稳定性。
其感知距离超过200米,支持全视野覆盖,能够精准检测多种障碍物并实现灵活避让,尤其在上下匝道等复杂场景中表现出色。
从技术实现上看,7V方案依托BEV(鸟瞰视图)感知技术和占用栅格网络,通过深度学习算法将多视角摄像头数据转化为统一的3D空间表示。
这种方法不仅提高了环境建模的鲁棒性,还优化了计算资源利用率,确保在有限算力下实现高速NDA的流畅体验。
未来通过OTA升级,J6M方案还将支持城区AI通勤记忆行车功能,利用记忆导航算法记录用户常用路线,进一步提升智能化水平。
J6M方案源于商汤绝影的AD Max智驾平台,这是一套软硬一体、模块化的量产解决方案。AD Max支持3R11V(3个雷达+11个摄像头)配置,能够覆盖基础L2驾驶辅助、高速NOA、城区NOA、APA(自动泊车)及记忆泊车等多种功能。
其硬件全链路国产化率超过50%,显著降低了供应链依赖国外技术的风险,同时通过灵活插拔式设计适配低中高配车型。这种平台化策略使车企能够根据市场需求快速调整智驾配置,降低开发成本和上市周期。
AD Max的纯视觉城区NOA功能是技术亮点之一,无需高精度地图,仅依靠视觉传感器和实时感知算法即可实现全国城区道路覆盖。这种无图方案通过在线环境建模和动态路径规划,应对复杂场景(如施工路段、临时障碍)时表现出更高的适应性。
AD Max满足CNCAP 2024五星+安全标准,证明其在安全性和可靠性上的工程优化达到了行业顶尖水平。
商汤绝影在J6M方案量产的同时,前瞻性地推出了R-UniAD技术路线,将强化学习与世界模型结合,构建端到端智驾的通用大脑。R-UniAD基于UniAD(感知决策一体化模型)进化而来,通过“绝影开悟”世界模型生成高仿真交互环境,用于强化学习训练。
相比传统规则驱动的智驾系统,R-UniAD能够自主涌现长思维链能力,推理复杂场景下的最优决策,目标是超越人类驾驶表现。
从技术原理上看,强化学习通过奖励机制优化模型行为,而世界模型则提供多样化的虚拟场景(如恶劣天气、罕见路况),大幅减少对真实路测数据的依赖。
例如,一块A100 GPU的日生成数据量相当于500台量产车的采集效率,这种云端训练范式极大提升了研发效率。R-UniAD的实车部署将在4月上海车展亮相,标志着商汤绝影在端到端智驾领域的工程化落地迈出关键一步。
J6M方案对汽车行业的影响
及发展趋势
2025年,智能汽车行业进入“全民智驾”阶段,L2+功能逐步下沉至10万元以下车型。J6M方案的量产上市是这一趋势的缩影,其高性价比和国产化特性为车企提供了将中高阶智驾普及至大众市场的技术支撑。
以广汽传祺向往S7为代表的首批量产车型,搭载J6M方案后能够在高速场景下实现安全可靠的NDA功能,同时为后续城区NOA升级预留空间。这种技术下放不仅提升了消费者的智驾体验,也推动了行业竞争从高端车型向中低端市场的转移。
J6M方案的成功得益于软硬件协同优化。地平线J6M芯片的高效算力和商汤绝影的算法创新相结合,使系统在有限资源下实现了高性能输出。这种模式为其他国产智驾方案提供了借鉴,推动了供应链效率提升和成本下降,加速了全民智驾的普及进程。
地平线征程系列芯片作为国内领先的智能驾驶计算平台,与商汤绝影的深度合作体现了国产化生态的协同优势。
AD Max方案硬件国产化率超50%,不仅降低了对外依赖,还通过本地化供应链优化了交付周期和成本控制。这种国产化策略在全球供应链波动加剧的背景下,为中国车企提供了更强的自主可控能力。
商汤绝影与东风、奇瑞、一汽、广汽等车企的战略合作,构建了多层次的技术研发和应用创新体系。这种产学研结合模式加速了从技术验证到量产落地的转化,为国产智驾生态在全球竞争中占据先机奠定了基础。
J6M方案的成功也激励了更多AI公司与车企携手,共同打造高性价比的智驾标杆产品。
J6M方案的量产只是商汤绝影全栈智驾布局的起点。2025年,其基于J6E、J6M及英伟达Thor平台的更多方案将落地,支持从高速NOA到端到端智驾的全场景覆盖。
端到端智驾将成为行业主流趋势,R-UniAD的强化学习范式预示着智驾系统将从规则驱动转向数据驱动,最终实现类AGI的决策能力,OTA升级将成为标配,J6M方案的城区AI通勤记忆功能体现了智驾系统持续进化的潜力。