界面新闻记者 | 李彪

AI大模型可以从无到有地生产各种数据后，创造出的海量数据该怎么用成了新问题。

10月26日，在由界面新闻主办的2023 REAL科技大会上，腾讯数字孪生产品部/自动驾驶业务总经理苏奎峰发表了《数字孪生与生成式AI的闭环迭代进化》主题演讲。

苏奎峰认为外界对于数字孪生价值的理解存在诸多误区，数字孪生的真正价值在于可视、可算与可用。可视在于提供一个交互方式，如果一个孪生系统没有做到可视化，那么它将是失败的；可算即将物理世界模型化和参数化，以实时数据驱动和推演，再将虚实场景叠加在一起，最后获得更强和更大规模的计算模型，且这个计算模型可以按照设计者的需求随时编辑。可用体现在提供沉浸式、游戏化的交互体验，使得其在现实世界中可以无障碍使用，

他通过实际应用场景解释了数字孪生的价值。一辆货车送货，技术团队可以将装载、卸载、运输这些现实场景通过数字孪生建成数字世界。这个三维虚拟“世界”不仅要在视觉上做到了对物流世界的仿真还原，还必须可编辑的，例如改变车流方向、环境路况。

以他所负责的自动驾驶业务为例，自动驾驶行业当前最大的一个痛点就是缺数据。如果将数字孪生应用在自动驾驶的仿真系统中，一旦这套系统掌握了编辑能力，就可以按照开发者的需求进行二次开发设计。同时，还能通过这些可编辑数据再加上原来的传感器采集数据，便可以按照高质量的数据来训练AI大模型。大模型又可以生成完善自动驾驶功能需要的更多测试场景。

演讲结束后，苏奎峰接受了界面新闻记者的专访，谈了他思考数字孪生应用于自动驾驶的改变，及腾讯对于自动驾驶的投入战略，以下为专访内容（有删改）：

界面新闻：大模型可以生成提供大量高质量、结构化的数据，这些AI生成数据能够解决自动驾驶缺数据的现状吗，通过这种方式与传感器捕捉数据相比有哪些不同？

苏奎峰：首先需要强调的是，现实数据一定是需要的，完全靠虚拟的数据肯定不可能。

自动驾驶目前在数据上主要克服三个问题。第一个是数据效率；第二个就是极端状况数据（现实中无法复现测试）；第三个是样本均衡问题，如果某一类样本数据多，某一类样本数据少，也会影响最后的表现。

我们的解决方案就是通过数字孪生和 AIGC 结合。这种方案并不是完全脱离了传感器，而是通过传感器采集到了真实数据，采集完成数据，再通过数字孪生技术建模，相当于将一辆车行驶的现实场景重建成数字场景，并且我们还可以按照需求编辑这个三维的虚拟场景，做到了可视、可算和可用。

这套方案执行下来，第一，传感器的数据保障了真实性；第二，数字孪生建立的场景又是可以编辑的，可按照自动驾驶测试的需求进行二次开发设计；第三，如果编辑效率低，还能通过这些可编辑数据再加上原来的传感器采集数据， 训练出一个大模型。

我们目前在这上面所做的工作，于基本算法上已有了雏形，现在开始验证一致性。

界面新闻：对于技术验证一致性后的落地使用，你有怎样的预期？

苏奎峰：很快，或许一年之后我们再见就可以讨论落地效果。

界面新闻：腾讯的自动驾驶业务现在隶属于数字孪生产品部，从公司战略角度，这代表了怎样的发展路线？

苏奎峰：我们思考自动驾驶是一项复合技术，它包含了人工智能的许多底层技术，例如感知、建模、决策规划。

自动驾驶的核心竞争力在于数据要素和计算资源的低成本获取和高效利用。对数据进行高效收集和利用，是整个自动驾驶技术迭代的关键点。数字孪生的虚拟仿真技术有助于加速自动驾驶的落地应用，且在服务于自动驾驶的同时，又拓展了自身的应用边界，例如智慧城市、工业数字化等等。

其实无论自动驾驶还是数字孪生，甚至于现在的 AIGC，我们现在的这个团队都有储备，随时做迁移，以覆盖自动驾驶的技术需要。

界面新闻：在自动驾驶业务领域，腾讯目前的计划仍然是给车打造工具吗？

苏奎峰：是的，腾讯做自动驾驶的定位就是数字化助手，这也和腾讯在产业互联网中的角色定位一致。

我们内部一开始也思考过造车与做Robotaxi类的自动驾驶算法提供商两条路线，但很快就被否决掉了。不造车，是因为它涉及生产制造领域的专业问题，与腾讯的互联网公司基因不符。不做算法提供商是因为商业模式，自动驾驶最终落地后的商业模型能不能成立，我们对此表示怀疑。

界面新闻：就BAT三家公司对自动驾驶的投入来说，腾讯怎么看各家近一两年来在这上面的调整？

苏奎峰：自动驾驶像所有行业一样，当它的现实发展符合大家的理想预期时，各家就会加大投入，市场也会相应放大。目前在这种状态下，大家都收缩的时候，说明行业现阶段对这件事情的认知与判断都很模糊。

如果把自动驾驶看成多项技术的集大成者，那行业就可以找到更多的商业出口和落地场景。现在的难处在于如何把技术和现有产业结合起来。

腾讯目前的调整是方向性的调整，但大战略没变。