【導讀】在過去的2~3年間，端到端技術大規(guī)模鋪開，為輔助駕駛體驗帶來了顯著進展。與此同時，基于推理能力的人工智能出現，使行業(yè)真正迎來了一個類似ChatGPT的里程碑時刻。從當前技術發(fā)展來看，通往L4級完全自動駕駛甚至無人駕駛的道路已經相對清晰。在這一大背景下，英偉達（NVIDIA）一直在努力推動整個行業(yè)盡早實現L4級自動駕駛，比如今年推出了面向輔助駕駛汽車的開放模型Alpamayo，成為今年L4發(fā)展的一個重要里程碑。
不過，通向L4的道路一定需要一個完整的平臺化的解決方案，英偉達其實一直在朝向這個方向努力。對于L4級自動駕駛，英偉達當下的打法究竟是怎么樣的？2026年，北京車展期間，英偉達全球副總裁吳新宙向包括EEWorld在內的媒體進行了深度分享。
自動駕駛是物理AI最早量產場景
“提供全棧解決方案只是工作的一部分，對英偉達而言更重要的使命是賦能整個產業(yè)，推動其盡快向L3或L4級無人駕駛能力發(fā)展。“吳新宙如是說。
他介紹，英偉達一直是人工智能領域 重要的推動者。自動駕駛作為人工智能最大的受益者之一，其發(fā)展歷程與AI技術演進密不可分。2012年AlexNet出現后，感知AI能力使許多傳統(tǒng)計算機視覺難以解決的問題得以通過數據驅動的方法解決。2017年Transformer架構打開了新的大門，首次實現360度感知的穩(wěn)定與優(yōu)秀表現，使基于BEV的感知得以落地，全模型方法開始應用于規(guī)控領域。近兩年出現的代理式AI，特別是大語言模型帶來的推理能力，成為高效且規(guī)模化解決所有邊緣場景問題的關鍵鑰匙。
從感知AI到代理式AI，最終落地到物理世界，就是物理AI。英偉達創(chuàng)始人兼首席執(zhí)行官黃仁勛多次強調，未來十年是公司乃至整個產業(yè)和科技行業(yè)最核心的挑戰(zhàn)。
吳新宙強調，“英偉達堅信，自動駕駛將是物理AI領域最早實現量產和大規(guī)模落地的場景。”
從經濟價值看，全球每年車輛行駛里程約為13萬億英里，其中自動駕駛歷程僅為7億英里，占比僅為0.006%左右，幾乎可以忽略不計。英偉達相信 每一英里最終都將變?yōu)樽詣玉{駛。若每英里自動駕駛解決方案價值1~2美元，這將是一個體量巨大的市場。更重要的是，技術已經發(fā)展到能夠實現L4的時間節(jié)點，這是令人激動的時刻。
五層“蛋糕”服務架構
解決物理AI問題需要三臺關鍵計算機：第一臺是車端計算機，英偉達已在這方面投入十年時間，做了大量工作；第二臺是云端訓練計算機，所有模型都在英偉達的CUDA生態(tài)中成長，該生態(tài)是所有模型的根基；第三臺是仿真計算機，在端到端模型時代，仿真變得尤為重要。
英偉達在這三臺計算機上都投入了強大的產品，助力物理AI的發(fā)展。基于三大計算平臺，英偉達構建了五層“蛋糕”的技術服務架構，吳新宙逐層進行了介紹：
第一層，基礎設施：NVIDIA Cosmos and Omniverse NuRec
涵蓋云端訓練、數據處理、標注、仿真驗證等全流程工具。英偉達憑借數十年圖形技術積累，具備物理世界像素級重建、照片級虛擬場景生成能力，可高效支撐輔助 駕駛模型訓練與驗證，日均完成 200萬次場景仿真驗證，通過場景編輯、環(huán)境倍增等技術，將數據驗證效率提升5~10倍。
第二層，應用：NVIDIA DRIVE AV
為缺乏自主研發(fā)能力的車企提供一站式 “交鑰匙” 解決方案，目前已與奔馳、Lucid等多家車企達成深度合作，助力其車型快速具備高階輔助 駕駛能力。
第三層，開放模型：NVIDIA Alpamayo
Alpamayo是秘魯一座著名的山峰，被稱為最美麗但也最難攀登的山。這個名字恰如其分地形容了解決端到端輔助 駕駛問題的難度。英偉達所做的是通過硬件、操作系統(tǒng)和開放模型，盡可能降低這一門檻。
車廠或軟件提供商可以從Alpamayo開始進行微調，產生產品級方案，在英偉達硬件平臺和操作系統(tǒng)上順暢運行。Alpamayo模型在Hugging Face上獲得了第二名的下載量，在LingoQA榜單上的輔助駕駛推理模型排名第一。
今年GTC期間，英偉達發(fā)布的Alpamayo的1.5版本，新增了導航能力，并增加了靈活的多攝像頭支持和可配置的攝像頭參數，簡化了同一套 AI 駕駛棧在不同車型、不同傳感器配置中的復用，同時保留與現有Alpamayo集成的兼容性。吳新宙預告，今年6月將發(fā)布2.0版本，模型能力持續(xù)迭代。
訓練Alpamayo模型使用了8萬小時駕駛數據，但因其主干基于Cosmos系列蒸餾而來，而Cosmos是基于互聯(lián)網和YouTube等全球視頻數據訓練的基礎模型，因此繼承了對物理世界的深刻理解，再針對駕駛數據進行最后的微調。
第四層，操作系統(tǒng)和平臺軟件：NVIDIA Halos OS
Halos OS是對原有Drive OS的擴充。Drive OS是運行在芯片中的操作系統(tǒng)軟件，英偉達以最高安全等級要求進行開發(fā)，使車廠或軟件開發(fā)者可以在安全無后顧之憂的情況下，在英偉達平臺上開發(fā)車用軟件。
對Halos OS的擴充包括加入Halos SDK，使車廠能夠更容易地開發(fā)軟件。其中包含車輛擴展層和傳感器擴展層，將這兩層標準化后，車廠適配不同硬件、傳感器或車輛的工作量將大幅減少。
此外，Halos OS還將主動安全系統(tǒng)和一些基于規(guī)則的經典算法納入其中。模型供應商或軟件開發(fā)者可以在最高安全等級的硬件和底層操作系統(tǒng)上，利用規(guī)則兜底方案，更容易地通過各種安全認證，包括中國的CNCAP、美國的FMVSS、NCAP等。
第五層，硬件：NVIDIA Drive Hyperion
涵蓋車載計算芯片與傳感器，英偉達和業(yè)界一同定義了支持 L4 級無人駕駛的標準化硬件平臺，實現數據互通共享。
Drive Hyperion平臺基于Thor芯片架構打造，該架構也是云端大模型訓練的核心算力支撐。針對車載端存儲帶寬限制，芯片支持FP4精度，有效提升算力利用率，總算力較前代產品大幅提升。
傳感器配置分為基礎版與高階版：基礎版以純視覺+毫米波雷達為主，配備10個高清外置攝像頭、3個毫米波雷達、12個超聲波傳感器、1個DRIVE AGX Thor，可支撐優(yōu)質L2+級體驗；高階版面向L3、L4 級，配備14個高清外置攝像頭、9個毫米波雷達、12個超聲波雷達、1個激光雷達，2個DRIVE AGX Thor架構ECU，實現控制器與傳感器全冗余，確保單點失效下系統(tǒng)仍可完成最小風險操作，保障行駛安全。依托該標準化配置，英偉達正與合作伙伴采集百萬小時級駕駛數據并向生態(tài)開放，大幅降低行業(yè)數據門檻。
英偉達輔助駕駛的核心戰(zhàn)略
吳新宙強調，英偉達想要推動行業(yè)采用Drive Hyperion標準化平臺，該平臺硬件與傳感器均經過充分驗證，可實現數據互通共享；同時推廣Halos OS高安全等級操作系統(tǒng)，降低開發(fā)者門檻；持續(xù)開放 Alpamayo模型、配套數據與工具，削減行業(yè)研發(fā)成本；最終為有需求的車企提供全棧解決方案。
英偉達在輔助駕駛領域已深耕十年，從早期芯片供應，逐步拓展至云端訓練中心、全棧車載解決方案。2017年英偉達率先提出端到端輔助駕駛解決方案，2020年與奔馳達成合作，2025 年完成歐美地區(qū)方案交付，后續(xù)還將與更多車企展開合作。
當前英偉達的算法棧采用混合端到端架構，以模仿學習為核心，實現類人駕駛體驗，同時并行運行經典規(guī)則算法棧，形成安全護欄。2025年，該方案在歐洲E-NCAP測評中斬獲年度第一。量產方案迭代頻次極高，日均完成海量仿真驗證。通過經典算法兜底，可有效提升駕乘安全性與舒適度，應對各類復雜路況。
目前，英偉達正推進L2++全球化規(guī)模化落地，已完成舊金山、洛杉磯、紐約、倫敦、慕尼黑等城市路測，目標在2026年實現全球化量產。與此同時，方案正加速向L3、L4級遷移，通過雙算法棧冗余、硬件冗余與激光雷達加持，滿足高階自動駕駛的安全要求。
從時間規(guī)劃來看：2025年官宣與奔馳合作進展；2026年實現L2++點對點功能在美國落地，并拓展至歐洲等地區(qū)；2027年計劃與合作伙伴在部分城市開展L4試點；2028年為洛杉磯奧運會提供L4級無人駕駛服務，計劃覆蓋20~30個城市。
除輔助駕駛外，英偉達還依托 AI 技術深度賦能車企整車設計、生產制造、產線規(guī)劃等環(huán)節(jié)，助力車企全流程智能化升級，提升運營效率。
英偉達對于當下輔助駕駛的判斷
談及當下爭議不休的激光雷達，吳新宙給出了判斷：對于L2+級輔助駕駛，純視覺路線不僅可行，其感知上限“極高”，視覺模型所依賴的像素密度遠超激光雷達。然而，當系統(tǒng)邁向L3與L4級時，激光雷達的角色便從可選變?yōu)楸匾！八菍崿F傳感器冗余、保障安全的關鍵部件。” 目前，英偉達正聯(lián)合歐美產業(yè)鏈伙伴，持續(xù)推進激光雷達供應的穩(wěn)定性，為L3、L4級技術的規(guī)模化落地筑牢基礎。
有人說，L3這一階段會被跳過，行業(yè)會直接步入L4階段。對此，吳新宙表示，從技術層面來看，當前輔助 駕駛已經沒有核心卡點。隨著生成式AI和推理AI的發(fā)展，以往難以解決的極端場景、決策邏輯等問題，都已經有了可行的解決方案。現在的主要挑戰(zhàn)在于系統(tǒng)工程的整合和規(guī)模化落地的工程量。
他指出，輔助駕駛不是單一技術的突破，而是硬件、軟件、數據、仿真等多環(huán)節(jié)的協(xié)同，需要大量的工程迭代和驗證。至于L3與L4級，兩者在技術難度上差距并不大，更多是應用場景和責任界定的差異：L3要求駕駛員在10秒內接管車輛，這10秒內車輛需承擔完全責任，它在高速場景下能有效解放駕駛員雙手，具備明確的用戶價值；而L4級則更多依賴云端遠程運營支撐，對于年銷百萬輛的車企而言，為每輛車配備這種能力成本極高。
因此，短期內L3與L4級將并行發(fā)展，一個服務于個人出行的效率提升，一個運行于運營場景的商業(yè)閉環(huán)。
艙駕融合是當下行業(yè)一大趨勢，吳新宙表示，車輛本質上其實也是一種移動機器人，座艙交互與輔助駕駛對安全等級要求不同，短期內可能不會共用同一顆芯片。但大模型的能力將逐步共享，最終走向感知、決策與交互的一體化。在輔助駕駛芯片上同時提供人機交互能力，這是非常值得期待的方向。
同樣值得期待的，還有輔助駕駛與機器人賽道的重合關系。吳新宙將兩者都歸入物理AI的核心范疇，但它指出輔助駕駛已率先接近規(guī)模化落地的臨界點。英偉達同樣看好機器人，但眼下，輔助駕駛是物理AI浪潮中最先涌起的那個浪頭。
面對部分車企掀起的自研芯片浪潮，吳新宙也真誠地保持歡迎和開放的心態(tài)。“英偉達并不排斥車企自研芯片，”他說，“我們始終以推動整個生態(tài)發(fā)展為核心。”即便一家車企完全放棄了英偉達的車載推理芯片，它可能仍然離不開英偉達的云端訓練、仿真算力與開源技術。在吳新宙看來，AI產業(yè)整體的發(fā)展，最終一定會反哺英偉達的算力需求，這是一場沒有輸家的共生游戲。
