北京車展開幕前夕，英偉達全球副總裁吳新宙在北京與媒體交流時，系統(tǒng)闡述了英偉達在自動駕駛領域的最新判斷、技術布局與未來規(guī)劃。

表面上看，這是一場圍繞芯片、模型、平臺和產(chǎn)品展開的技術溝通；但放在當下的產(chǎn)業(yè)階段去看，英偉達真正想講的，顯然不只是有什么產(chǎn)品，而是當自動駕駛進入工程化深水區(qū)，行業(yè)究竟該如何往前走。

過去幾年，自動駕駛賽道并不缺熱點，也不缺路線分歧。有人押注單車智能，有人加碼Robotaxi，有人堅持先把L2+和L3做深做透，再逐步向更高階能力演進。熱鬧背后，一個更現(xiàn)實的問題正在浮出水面：當技術不再停留在概念驗證階段，真正決定行業(yè)分化的，已經(jīng)不是某一個單點能力，而是誰能把算力、模型、仿真、安全和量產(chǎn)體系組織成一條可持續(xù)推進的工業(yè)化路徑。

也正是在這個意義上，英偉達今天談自動駕駛，已不只是談一顆芯片、一套域控方案，甚至不只是談L4本身，而是在試圖回答另一個更大的問題：誰來搭那塊真正通用的底座。

自動駕駛為何再次被推到聚光燈下

自動駕駛不是一個新命題，但它正在被重新估值。

過去幾年，這個行業(yè)經(jīng)歷了太多來回拉扯：L2+是不是終局，L3有沒有現(xiàn)實意義，L4到底還要走多久，Robotaxi會不會先于乘用車跑通商業(yè)化。

分歧一直都在，但走到今天，一個共識正在變得更清晰：自動駕駛不再只是“汽車智能化的一部分”，而開始被放到更大的物理AI框架里重新理解。

吳新宙在這次溝通中給出的判斷很鮮明：“我們感覺能夠看到L4的曙光了。”在他看來，自動駕駛正在迎來屬于自己的“ChatGPT時刻”。

圖片來源：英偉達

這并不意味著行業(yè)已經(jīng)輕松跨過了所有難關，而是意味著技術范式和產(chǎn)業(yè)預期都發(fā)生了變化。過去的自動駕駛更多依賴模塊化工程、規(guī)則堆疊和局部優(yōu)化；而今天，隨著端到端、世界模型、多模態(tài)推理和更高效的訓練、仿真能力不斷成熟，自動駕駛正在從“功能定義”走向“系統(tǒng)定義”。

這也是英偉達持續(xù)加碼這一方向的根本原因。對它而言，自動駕駛并不是眾多AI應用中的普通一項，而是最接近真實商業(yè)世界、也最可能率先實現(xiàn)大規(guī)模落地的物理AI場景之一。道路足夠復雜，任務足夠連續(xù)，商業(yè)價值也足夠明確。一旦技術、工程和運營真正形成閉環(huán)，自動駕駛釋放出來的就不只是單車功能升級，而是整個出行效率和產(chǎn)業(yè)效率的重構。

三條路徑分化之后，英偉達想卡住“平臺層”

如果把今天的自動駕駛行業(yè)放在一起看，大致能看到三條正在并行推進的路徑。

一條是科技公司路徑。代表性玩家更強調(diào)全棧能力和直接運營，希望通過Robotaxi率先把高階自動駕駛跑通。Waymo今年4月已在邁阿密和奧蘭多向所有用戶開放無人駕駛叫車服務；Pony.ai則在迪拜推進 driverless Robotaxi 試運營，并計劃在年內(nèi)推出面向公眾的收費服務。

第二條是車企漸進路徑。相比直接沖擊L4運營，傳統(tǒng)主機廠更愿意沿著L2+、L3逐步向上，在量產(chǎn)體系中積累用戶認知、法規(guī)適配和工程經(jīng)驗。梅賽德斯-奔馳就是典型代表。據(jù)悉，MB.DRIVE ASSIST PRO已于2025年底進入中國市場，并將在2026年進一步拓展到美國市場。

而英偉達真正想站的位置，是第三條路徑：平臺賦能。

它并不自己下場做車隊運營，也不想把自己局限為一家單純的芯片公司。吳新宙在溝通中說得很明確：“我們希望所有車廠都使用我們的標準化平臺，促進數(shù)據(jù)共享，推動整個產(chǎn)業(yè)向L4邁進?！边@句話點出的，正是英偉達在自動駕駛上的核心意圖：它要爭的，不只是某個車型、某個項目，而是平臺層的位置。

這背后的邏輯其實很現(xiàn)實。

自動駕駛真正難的，從來不只是讓一輛車在某個限定場景里跑起來，而是讓不同車企、不同車型、不同區(qū)域都能以更低成本、更高效率，把系統(tǒng)推進到量產(chǎn)和持續(xù)迭代。

科技公司在爭運營落地，車企在爭量產(chǎn)節(jié)奏，而英偉達想爭的，是那套能讓前兩者都更快往前走的基礎設施。

官方信息顯示，比亞迪、吉利、五十鈴和日產(chǎn)已基于NVIDIA DRIVE Hyperion開發(fā)L4-ready車輛；NVIDIA與Uber合作的全棧Robotaxi計劃于2027年上半年先在洛杉磯和舊金山啟動，并于2028年擴展至28個市場。

這種“平臺賦能”的思路，也在此次北京車展前后的合作進展中被進一步具象化。奇瑞將與英偉達的合作范圍從輔助駕駛延伸到座艙AI與機器人；德賽西威則基于DRIVE Hyperion、DRIVE AGX Thor與NVLink推進面向量產(chǎn)的智駕方案；小馬智行發(fā)布的新一代自動駕駛域控制器，同樣建立在DRIVE Hyperion平臺之上。與其說英偉達在集中展示合作，不如說它在證明一件事：其角色正在從芯片供應商進一步轉向“平臺+生態(tài)”的組織者。

“五層蛋糕”背后，不只是硬件堆疊

如果只看單個產(chǎn)品，英偉達在自動駕駛上的布局并不陌生：有運算平臺、有操作系統(tǒng)、有模型，也有仿真與云端訓練能力。但這次溝通真正值得注意的，不是這些能力本身，而是它如何被重新組織成一條連續(xù)的工業(yè)化鏈路。

吳新宙在現(xiàn)場用“三臺計算機”和“五層蛋糕”來解釋這套體系。

圖片來源：英偉達

所謂“三臺計算機”，包括車端負責實時推理的計算平臺、云端用于模型訓練的訓練平臺，以及如今越來越關鍵的仿真計算平臺。

基于這三類能力，英偉達再向上搭出“五層蛋糕”：底層是面向高階自動駕駛的標準化硬件平臺，往上是安全與平臺軟件層，再往上是開放模型、仿真工具與數(shù)據(jù)集，其上是面向整車廠和合作伙伴的應用層方案，最上方則是云端訓練與仿真的基礎設施。

這個框架最重要的，不是做“更多功能”，而是把分散的能力重新組織起來。

在最底層，英偉達希望先把面向L4的硬件和傳感器參考架構定義出來。DRIVE Hyperion被定義為完整的可量產(chǎn)自動駕駛開發(fā)平臺和參考架構，它把標準化傳感器套件、高性能計算平臺與穩(wěn)定軟件棧放在同一底座上，目的不是替車企做所有事情，而是盡量減少車企從零搭建底層系統(tǒng)的重復成本。

再往上一層，Halos安全體系和平臺軟件承擔的是“把底座做穩(wěn)”的任務。它的價值不在于概念新，而在于讓不同硬件、不同傳感器和不同配置之間的適配盡可能標準化。Halos OS被放在統(tǒng)一安全架構的位置上，為基于DRIVE Hyperion的 L4級自動駕駛提供量產(chǎn)級安全基礎。

而在模型與數(shù)據(jù)層，英偉達現(xiàn)在想做的也不只是發(fā)布一個模型。Alpamayo被定義為由AI模型、仿真框架和物理AI數(shù)據(jù)集組成的開放式產(chǎn)品組合，目標是幫助開發(fā)者加速構建安全、可解釋、具備推理能力的自動駕駛系統(tǒng)。換句話說，它要提供的不是一段孤立算法，而是一套從訓練、仿真到車端部署都能打通的開發(fā)鏈路。

更值得注意的是，仿真的位置被明顯抬高了。隨著自動駕駛從模塊化走向端到端，“像素進、軌跡出”的系統(tǒng)邏輯，讓傳統(tǒng)那種分模塊驗證越來越不夠用了。驗證新模型，本質(zhì)上是在驗證它對物理世界的理解和重建能力。也因此，仿真不再只是輔助工具，而正在變成高階自動駕駛工程化推進的核心一環(huán)。

也正是在這里，英偉達與很多傳統(tǒng)供應商拉開了差異。它現(xiàn)在講自動駕駛，已經(jīng)不是在講“我有一顆什么樣的芯片”，而是在講“我能不能把自動駕駛最難、最重、最貴的那部分開發(fā)鏈路，先變成行業(yè)可以復用的底座”。

比時間表更重要的，是它對L3、L4和生態(tài)邊界的判斷

相比那張被反復提及的路線圖，這次溝通中幾個爭議問題的回答，其實更能說明英偉達的真實判斷。

圖片來源：英偉達

首先是L3和L4的關系。過去一段時間，行業(yè)不斷討論是否應該跳過L3直接進入L4?，F(xiàn)場交流中，蓋世汽車也就這一話題向吳新宙進行了提問。

吳新宙并沒有接受這種簡單的二選一邏輯。他給出的判斷更接近產(chǎn)業(yè)現(xiàn)實：“至少在短期內(nèi)，L3是有價值的，L4也沒那么容易做，兩者很可能會長期并存?！边@句話背后的含義很清楚：L3雖然存在責任邊界和接管時間的爭議，但它已經(jīng)能夠部分釋放駕駛者時間價值；而L4則對冗余、安全、遠程支持和整體運營體系提出更高要求，短期內(nèi)并不會輕松跨過去。

其次是激光雷達。吳新宙明確表達過自己對視覺路線的信心，但與此同時，他也指出，對于更高等級自動駕駛，尤其是L3和L4，激光雷達仍然是重要的安全冗余。這里的關鍵，并不是簡單站隊，而是責任邊界一旦提高，系統(tǒng)對冗余和可驗證性的要求也會被重新定價。L2++、L3、L4，本來就不是完全相同的一套傳感器邏輯。

再次是車企自研芯片。面對這一越來越明顯的趨勢，吳新宙引用黃仁勛的話回應：“我們不指望你們買我們所有的東西，但我們也不希望你們什么都不要我們的?！边@句話聽上去輕松，背后卻很有平臺邏輯：車企當然可以在某些層面自研，但只要行業(yè)還需要訓練、仿真、數(shù)據(jù)、模型、安全體系這些更上游的能力，英偉達就依然可以在其中找到自己的位置。

還有一個細節(jié)同樣值得注意。吳新宙提到，汽車本身就是一個機器人，未來未必需要兩個完全割裂的“大腦”。面向人機交互的AI與面向駕駛執(zhí)行的AI，長期看會走向更強的集成化。這未必意味著座艙和駕駛一定使用同一顆芯片，但至少意味著，未來汽車AI更可能成為一個整體系統(tǒng)，而不是兩個彼此分離的功能島。

從這些判斷可以看出，英偉達真正激進的地方，其實不只是那張L4時間表，而是它試圖提前把高階自動駕駛最關鍵的幾塊能力——平臺、模型、安全、仿真和生態(tài)協(xié)同——先握在自己手里。一旦行業(yè)真的從“能跑”進入“能復制”的階段，擁有底座的人，往往比擁有單個亮眼方案的人更有主動權。

結語

自動駕駛發(fā)展到今天，行業(yè)最缺的不是愿景，而是穿透愿景的路徑。

科技公司在用運營驗證高階自動駕駛的商業(yè)閉環(huán)，傳統(tǒng)車企在用漸進式量產(chǎn)積累現(xiàn)實基礎，而英偉達則試圖在這兩者之間，先把底層平臺、模型工具鏈和安全架構搭起來。它的野心不只是參與自動駕駛，更是希望在自動駕駛真正進入規(guī)?；A段之前，先占住那塊最基礎、也最關鍵的位置。

從這個角度看，英偉達今天談自動駕駛，真正想講的并不是“L4什么時候來”，而是另一件事：當高階自動駕駛真正開始落地，行業(yè)將依賴怎樣的一套底層方法和平臺體系向前推進。

這或許才是這場溝通最值得玩味的地方。

返回第一電動網(wǎng)首頁 >