摘要：2025年，围绕自动驾驶领域的竞争依然硝烟四起。也许人们对于汽车“智能化”的体验还集中在智能座舱、L2级辅助驾驶的层面，但事实上，端到端大模型的迭代、AI技术的不断演变，已然构成车企眼中的未来新战场。“人工智能的汽车化”将代替原有的智能汽车定义，逐步成为对于汽

从数据，看到未来世界的“真实”。

2025年，围绕自动驾驶领域的竞争依然硝烟四起。也许人们对于汽车“智能化”的体验还集中在智能座舱、L2级辅助驾驶的层面，但事实上，端到端大模型的迭代、AI技术的不断演变，已然构成车企眼中的未来新战场。“人工智能的汽车化”将代替原有的智能汽车定义，逐步成为对于汽车终极形态的全新想象。

而毋庸置疑的是，当前自动驾驶的核心不仅仅是算法本身，还包括硬件集成、数据积累和实际路测。在光轮智能解决方案副总裁张建伟看来，突破“内卷”困境的关键在于：谁能率先实现更高效、更有效、更具泛化能力的数据训练体系。近两年来，国内主机厂、科技公司在研发测试层面对于数据的需求也越来越大，对于训练数据精确度和准确度的要求也有了质的提升。而光轮所提供的高价值、带标注的3D合成数据，也正形成一股“源头活水”，为“AI+自动驾驶”注入新的活力，进而帮助算法更加“透彻”地理解这个世界。

同时，在光轮最新发布的视频中，人形机器人搭载 GR00T N1 模型，自动完成零部件装载和搬运到精确位置的动作，首次展示了该技术在汽车制造场景中的落地应用。这也标志着光轮所积累的合成数据能力，已从自动驾驶拓展至具身智能领域，助力“AI之躯”具备更真实的感知与执行能力。

6月12日（周三）晚19：00，汽车人才研究会将特邀张建伟上线直播间，并就以下议题展开深入探讨——

欢迎感兴趣的朋友前往视频号【汽车人才研究会】，点击预约键进行预约

01
从“掘井人”到“卖水人”

在正式决定创业之前，张建伟曾经历过两次职业转型。2018年，他看到了自动驾驶在汽车行业巨大的应用前景，从互联网大厂网易进入阿里达摩院，专注自动驾驶仿真的细分板块，并在之后担任达摩院自动驾驶仿真系统负责人。

三年后的2021年，他又加入车企蔚来。在工作过程中，他意识到生成式AI与仿真技术的深度融合将成为改变行业格局的关键路径，并开始不断积极探索如何从源头解决传统采集方式在成本、效率和数据质量上的限制，以推动智能驾驶加速迈入AI原生时代。

早期在车企的研发中，数据成为模型瓶颈的真实痛点。比如，为获取一个罕见Corner Case的真实场景，往往需要花费几个月时间进行采集与标注，而这极大限制了模型的迭代速度。为了突破这一限制，他们开始探索用合成数据替代采集数据。进一步实践发现，将生成式AI与物理仿真技术融合，能基于极少量的真实数据，生成海量多样且精准的3D合成数据。这一方式，逐步形成了“可泛化、可规模化”的训练数据新范式。

这样的合成数据，正是原有仿真数据的进阶版本，它的优势在于实现了3D、物理真实以及可泛化。而最为关键的一点在于，这样一种足以映射真实世界的信息之源，是稀缺的、高价值密度的，同时也是足以支撑规模化发展的。在蔚来，他主导搭建起全国最大的异构仿真集群，并完成了从方法验证到商业可行的完整闭环。

随着大趋势的推动及行业机会的不断涌现，张建伟深刻地认识到，合成数据应当拥有更大的舞台。在2023年，张建伟决定从蔚来辞职，成为光轮智能创始团队的一员。在媒体采访中，光轮智能曾表示要成为物理的Scale AI，通过合成数据的应用来助力中国车企在自动驾驶技术上实现弯道超车。同时，他们也看到了合成数据在具身智能领域的巨大潜力——自动驾驶完全可以成为切入机器人赛道的第一个规模化场景。

在光轮的创业逻辑当中，“卖数据”具备完善的商业模式，因为合成数据完全可以做成标准化、规模化的范本，被汽车行业所接受。基于光轮的解决方案，数据的生产效率相较于之前的人工采集和标注提升了100倍。

由于同时拥有横跨互联网、自动驾驶等多领域的丰富合成数据落地经验，张建伟也在这一汪数据的“活水”中找到了自己的定位。在光轮成立的短短两年之间，他成功主导了面向全球多家头部OEM及Tier 1的解决方案与交付，客户涵盖 Wayve、博世、华为、比亚迪等行业标杆企业。截至目前，光轮已经成功搭建了国际领先的合成数据产线，拥有多项国内外技术专利，累计服务客户数十家，交付数据上亿帧。

从“掘井人”到“卖水人”，张建伟始终相信，只有持续深入理解并激活数据的价值，才能真正推动自动驾驶技术向前发展。

02
端到端自动驾驶的“必经之路”

任何成功的创业构想，本质上都是对特定细分市场痛点的精准捕捉与创新点的有机结合。在光轮成立之初，张建伟就走访了大量的客户，也在交流过程中看到了企业对于数据的巨大需求。而身为创业者，他必须从产品的角度去理解“什么样的数据是真正有用的”，也就是真正帮助客户提升模型性能，这需要对客户的算法有着很强的理解。

近年来，在AGI大模型技术的突破、自动驾驶拟人化和安全性需求等多重因素推动下，车企对于端到端的关注度达到空前高度。在国内市场，端到端技术呈现出多元化发展态势。从感知层面分为激光雷达方案与纯视觉方案；从算法层面主要分为模块化端到端、一体化端到端（云端蒸馏）、一体化端到端+VLM双系统等。

张建伟认为，在当前的格局之下，合成数据已经成为端到端自动驾驶的“必经之路”。“自动驾驶的发展趋势就是往端到端走”，他解释道，从AI技术演进的本质来看，自动驾驶发展正呈现出明显的端到端整合趋势。

这一演进路径可以清晰地分为三个阶段：最初阶段采用多模型后融合架构，将感知、预测、规划等模块割裂处理；中期阶段开始模块整合，如感知系统率先实现一体化；最终将演变为完全端到端的单一神经网络架构。这种从“专家系统拼接”到“整体智能涌现”的转变，不仅体现在自动驾驶领域，也是整个人工智能发展的核心规律——即通过大规模神经网络逐步替代传统分模块的专家系统。具身智能的实现本质上也是这一趋势的延伸，印证了端到端学习作为智能技术发展的终极方向。

可以肯定的是，AGI大模型技术正在加速与自动驾驶技术融合。这种融合体现在云端训练和车载部署的全流程中，不仅带来了硬件成本优化、性能提升和算法开源等优势，还显著降低了系统的训练和推理成本。而在训练阶段，数据量、数据标注、数据质量和数据分布的相关问题的解决就显得尤为重要。

张建伟指出：“本质上，从‘规则系统’到‘数据驱动系统’，是智能系统演化的根本逻辑”。AI发展所需的数据是指数级的，而真实数据的增长可能是线性的，所以期间的沟壑就需要用高质量的合成数据来填补，这点在自动驾驶和具身领域尤为明显。“自动驾驶本就需要多模态的模型，解决AI的发展，实际上就是解决高质量、多模态的数据需求”。

03
“跨界”的想象与“跨界”的人才

5月19日，英伟达首席执行官黄仁勋在台北Computex大会开幕式发表了官方主题演讲。演讲中，黄仁勋表达观点，认为下一个浪潮是物理人工智能，也就是能够理解世界的人工智能，它们能理解惯性、摩擦、因果关系等事物。结合近年来多家车企纷纷宣布要进军具身智能领域，这势必将成为一种“潮流”，业内也开始出现“AI+车+机器人”的产业创新模式。也许在不久的未来，所有移动设备都将成为机器人，并由此开启工业领域革命新篇章。

会上，黄仁勋还宣示了一种AI的“模式”转变，即让AI工厂成为“生产力中心”——从以独立设备为中心，跃迁至以生产高附加值“智能”为使命的“AI工厂”为核心。归根结底，无论是自动驾驶还是具身智能，依然面临着数据挑战，所需数据维度将更加丰富，以进一步反映物理世界的复杂性。

在人工智能时代的蓝图中，数据成为了生产力的度量单位，不得不说是一种深刻的认知转变。而对于光轮智能而言，此刻也正是其拥有的绝佳机会。张建伟判断，目前在自动驾驶领域中，合成数据已占据约30%至40%的使用比例，而在具身智能的相关研发中，这一比例更是高达90%。随着行业对高质量数据的需求不断提升，合成数据的占比还将持续上升。

如何进一步抓住风口的来临？人才是重中之重。在张建伟看来，在合成数据领域，未来对于跨学科交叉人才的需求将进一步提升。当前，光轮智能拥有了一支年轻具有活力的队伍，团队平均年龄为28岁，集合了来自生成式AI、仿真、AI算法、云端工程等领域的优秀技术人员（占比超90%），同时，光轮还在构建全球领先的具身数据工厂， 通过仿真技术规模化地生成高质量数据。

在当今快速变革的商业环境中，拥有跨界融合的思维方式和突破传统认知边界的能力，已成为个人和组织在数字化时代保持竞争力的核心要素。可以预见的是，沿着数据驱动的进化路径，AI正逐步实现类人化的环境认知与理解能力，而以光轮为代表的数据产业先驱，将持续引领技术创新与落地实践，为自动驾驶及具身智能领域带来突破性的发展动能。在并不久远的未来，光轮智能还将打通智能产业的“活水源头”，让合成数据赋能更多行业。

这，正是科技以人为本理念的完美诠释。

如果读者对受访者有相关提问，欢迎在本文评论区留言，我们将优先在直播间为大家解答！

来源：汽车人才研究会