核心技术：世界模拟器 - 公司发布由神经网络驱动的“世界模拟器”，能够生成逼真的虚拟驾驶环境用于测试和训练[1] - 该模拟器可基于初始视频片段，合成多视角、连续长达6分钟的驾驶画面，帧率为24帧/秒[2] - 模拟器能处理长尾场景，如行人横穿马路和车辆加塞，并在虚拟世界中以对抗性方式进行反复试炼[2] 技术架构：端到端神经网络 - 公司采用“端到端”神经网络方案，直接处理来自多个摄像头、车辆运动学信号、音频、地图等原始数据，并输出方向盘和油门/刹车的控制指令[4][5][7] - 该方案相比传统的模块化（感知-预测-规划）方法具有根本优势，包括能隐式学习人类驾驶价值观、消除模块间信息损失、具备更好的可扩展性以及符合Scaling Law规律[9][13][16][18][19] - 神经网络需处理高达20亿个输入信息单元（token），并将其压缩为2个输出指令，公司通过日均相当于人类500年驾驶经验的海量数据来训练模型，以学习正确的因果关系而非偶然相关性[22][23][25] 系统能力与可解释性 - 系统具备可解释性，能输出被称为“中间token”的思考过程，并利用“生成式高斯泼溅”技术基于摄像头输入生成新视角的3D场景，全程运行时间约220毫秒[33][34][38][40] - 人工智能还能用自然语言解释其决策，例如在复杂路况下（如雨天路滑）能对“二阶效应”进行预判，提前减速[29][30][40] 应用扩展与战略布局 - 公司将其为自动驾驶汽车开发的同一套AI大脑和世界模拟器技术，无缝迁移至人形机器人“擎天柱”项目，用于模拟其在物理世界中的导航与交互[2][3][47] - 公司的战略野心超越了造车，旨在打造一套可解决通用物理世界交互问题的底层AI引擎，汽车被视为收集数据和验证技术的首个应用载体[47]