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 价值的领会存在诸多误区， 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根据设计者的切实需求随时编辑。可用体现在提供沉醉式、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，还务必可编辑的，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槽点就是缺数据。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，就可以根据开发者的切实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之前的 传感器 收集数据，便可以根据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期望的更多测试场景。
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，现实数据一定是期望的，完全靠虚拟的数据肯定不会。
自动驾驶目前在数据上主要克服三个问题。第壹个是数据效率；第贰个就是极端状况数据（现实中无法复现测试）；第叁个是样本均衡问题，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。这种方案其实不是完全脱离了 传感器 ，而是通过 传感器 收集到了真实数据，收集完成数据，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，并且我们还可以根据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，第壹， 传感器 的数据保障了可靠性；第贰， 数字孪生 建立的场景又是可以编辑的，可根据自动驾驶测试的切实需求进行二次开发设计；第叁，如果编辑效率低，还能通过这些可编辑数据再加上之前的 传感器 收集数据， 训练出一个大模型。
我们目前在这上面所做的工作，于基本算法上已经有了雏形，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，你有怎样的期待？
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 的很多底层技术，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界限，例如 智慧城市 、工业数字化...。
其实不管自动驾驶还是 数字孪生 ，甚至于如今的 AIGC，我们如今的这个团队都有储蓄，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，腾讯当前的计划仍然是给车缔造工具么？
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而言，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梦 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，大伙都收缩的时候，说明行业现阶段对这个事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。如今的难处在于如何把技术和现有产业结合起来。
腾讯当前的调整是方向性的调整，但大战略没变。
