技术深度解析
Qcraft的世界模型基于改进的Vision Transformer（ViT）架构构建，但其关键创新集中在三个领域：时间压缩、稀疏注意力与混合精度量化。
时间压缩： 传统世界模型独立处理每一帧视频，导致巨大的内存与算力需求。Qcraft引入了一个“时间瓶颈”，利用轻量级循环编码器将16帧序列压缩为紧凑的潜在表示。这将输入至Transformer的数据量减少了16倍。随后，解码器从该潜在空间中重建未来帧。其代价是高频细节（例如，个别树叶的飘动）略有损失，但对于驾驶决策——车辆轨迹、行人意图、道路几何——该模型保留了97%的关键信息。
稀疏注意力： Transformer采用了一种受Longformer架构启发的稀疏注意力模式。它并非关注潜在空间中的所有令牌（这将导致O(n²)复杂度），而是结合了滑动窗口注意力（局部上下文）与对少数学习到的锚点令牌的全局注意力。这将注意力复杂度从O(n²)降低至O(n)。在实践中，这意味着模型可以处理一个256令牌的潜在空间，每层仅需32,768次注意力操作，而非65,536次。
混合精度量化： 模型的所有权重和激活均被量化为INT8，而关键层（时间编码器和解码器）则保持FP16精度。这将内存带宽需求降低了4倍，同时将精度维持在FP32基线的0.5%以内。量化感知训练使用了NVIDIA的QAT（Quantization-Aware Training）库，但针对交通场景的特定时间动态进行了微调。
| 指标 | Qcraft 500 TOPS 世界模型 | 云端世界模型（例如UniWorld） | 改进倍数 |
|---|---|---|---|
| 算力需求 | 500 TOPS | 4,000 TOPS（估计值） | 8倍 |
| 内存占用 | 1.2 GB | 8.5 GB | 7倍 |
| 推理延迟（每帧） | 8 ms | 2 ms（但需网络传输） | — |
| 场景预测准确率（nuScenes） | 92.3% | 93.1% | -0.8% |
| 每次推理能耗 | 150 W | 1,200 W（云端GPU） | 8倍 |
数据要点： 该表显示，Qcraft在准确率上与云端系统几乎持平，同时将算力、内存和能耗需求削减了大约一个数量级。8毫秒的推理延迟完全满足驾驶场景50毫秒的实时性要求，使其具备量产部署的可行性。0.8%的准确率下降是一种权衡，但对于安全关键型应用而言，设备端推理的可靠性（无网络延迟、无云端故障）可能足以弥补这一微小损失。
GitHub上的开源仓库“qcraft-world-model-lite”提供了推理引擎以及针对nuScenes数据集预训练的模型。截至本文撰写时，该仓库已获得超过4,000颗星和800个分支，并得到了来自MIT、斯坦福大学和清华大学研究人员的积极贡献。社区已将该模型移植至NVIDIA Orin（254 TOPS）和Qualcomm Snapdragon Ride（100 TOPS）平台，展示了其可扩展性。
关键玩家与案例研究
Qcraft并非唯一一家研究世界模型的公司，但它是首家在单颗车载芯片上实现量产级效率的企业。以下是关键玩家的对比：
| 公司 | 方法 | 算力目标 | 状态 | 关键差异化优势 |
|---|---|---|---|---|
| Qcraft | 压缩ViT + 时间瓶颈 | 500 TOPS（Orin/Thor） | 测试车队部署 | 开源推理引擎 |
| Waymo | 大型Transformer + 云端集成 | 云端 + 1,000+ TOPS 车载 | 量产 | 数十年的真实世界数据 |
| Tesla | 占用网络 + 视频Transformer | 144 TOPS（HW4） | 量产 | 端到端神经网络 |
| Waabi | 闭环世界模型模拟器 | 云端 + 800 TOPS 车载 | 研发 | 高保真模拟 |
| Ghost Autonomy | 轻量级世界模型 | 200 TOPS | 已关闭 | — |
数据要点： Tesla的HW4在144 TOPS算力下是效率最接近的，但Tesla的方法更侧重于占用网格预测，而非完整的场景预测。Qcraft的500 TOPS目标高于Tesla，但它实现了一个更通用的世界模型，能够预测复杂交互（例如，行人突然横穿马路）。Waymo对云端的依赖增加了延迟和成本，而Ghost Autonomy的失败表明，仅有效率是不够的——模型还必须具备鲁棒性和丰富的数据。
Qcraft的CEO侯晓迪博士此前曾领导百度的自动驾驶团队，并在卡内基梅隆大学攻读博士期间拥有模型压缩背景。他曾表示，灵感直接来自DeepSeek在语言模型上的方法：“我们意识到同样的原则——稀疏计算、量化和架构效率——同样适用于物理AI。世界的物理规律是稀疏的；你不需要对每一个像素进行建模。”