【導(dǎo)讀】在過去的2~3年間，端到端技術(shù)大規(guī)模鋪開，為輔助駕駛體驗(yàn)帶來了顯著進(jìn)展。與此同時(shí)，基于推理能力的人工智能出現(xiàn)，使行業(yè)真正迎來了一個(gè)類似ChatGPT的里程碑時(shí)刻。從當(dāng)前技術(shù)發(fā)展來看，通往L4級(jí)完全自動(dòng)駕駛甚至無人駕駛的道路已經(jīng)相對(duì)清晰。在這一大背景下，英偉達(dá)（NVIDIA）一直在努力推動(dòng)整個(gè)行業(yè)盡早實(shí)現(xiàn)L4級(jí)自動(dòng)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(gè)重要里程碑。

不過，通向L4的道路一定需要一個(gè)完整的平臺(tái)化的解決方案，英偉達(dá)其實(shí)一直在朝向這個(gè)方向努力。對(duì)于L4級(jí)自動(dòng)駕駛，英偉達(dá)當(dāng)下的打法究竟是怎么樣的？2026年，北京車展期間，英偉達(dá)全球副總裁吳新宙向包括EEWorld在內(nèi)的媒體進(jìn)行了深度分享。

自動(dòng)駕駛是物理AI最早量產(chǎn)場(chǎng)景 

“提供全棧解決方案只是工作的一部分，對(duì)英偉達(dá)而言更重要的使命是賦能整個(gè)產(chǎn)業(yè)，推動(dòng)其盡快向L3或L4級(jí)無人駕駛能力發(fā)展。“吳新宙如是說。

他介紹，英偉達(dá)一直是人工智能領(lǐng)域     重要的推動(dòng)者。自動(dòng)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(shù)演進(jìn)密不可分。2012年AlexNet出現(xiàn)后，感知AI能力使許多傳統(tǒng)計(jì)算機(jī)視覺難以解決的問題得以通過數(shù)據(jù)驅(qū)動(dòng)的方法解決。2017年Transformer架構(gòu)打開了新的大門，首次實(shí)現(xiàn)360度感知的穩(wěn)定與優(yōu)秀表現(xiàn)，使基于BEV的感知得以落地，全模型方法開始應(yīng)用于規(guī)控領(lǐng)域。近兩年出現(xiàn)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)?；鉀Q所有邊緣場(chǎng)景問題的關(guān)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(dá)創(chuàng)始人兼首席執(zhí)行官黃仁勛多次強(qiáng)調(diào)，未來十年是公司乃至整個(gè)產(chǎn)業(yè)和科技行業(yè)最核心的挑戰(zhàn)。

吳新宙強(qiáng)調(diào)，“英偉達(dá)堅(jiān)信，自動(dòng)駕駛將是物理AI領(lǐng)域最早實(shí)現(xiàn)量產(chǎn)和大規(guī)模落地的場(chǎng)景?！?/p>

從經(jīng)濟(jì)價(jià)值看，全球每年車輛行駛里程約為13萬億英里，其中自動(dòng)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(jì)。英偉達(dá)相信     每一英里最終都將變?yōu)樽詣?dòng)駕駛。若每英里自動(dòng)駕駛解決方案價(jià)值1~2美元，這將是一個(gè)體量巨大的市場(chǎng)。更重要的是，技術(shù)已經(jīng)發(fā)展到能夠?qū)崿F(xiàn)L4的時(shí)間節(jié)點(diǎn)，這是令人激動(dòng)的時(shí)刻。

五層“蛋糕”服務(wù)架構(gòu)

解決物理AI問題需要三臺(tái)關(guān)鍵計(jì)算機(jī)：第一臺(tái)是車端計(jì)算機(jī)，英偉達(dá)已在這方面投入十年時(shí)間，做了大量工作；第二臺(tái)是云端訓(xùn)練計(jì)算機(jī)，所有模型都在英偉達(dá)的CUDA生態(tài)中成長，該生態(tài)是所有模型的根基；第三臺(tái)是仿真計(jì)算機(jī)，在端到端模型時(shí)代，仿真變得尤為重要。

英偉達(dá)在這三臺(tái)計(jì)算機(jī)上都投入了強(qiáng)大的產(chǎn)品，助力物理AI的發(fā)展?；谌笥?jì)算平臺(tái)，英偉達(dá)構(gòu)建了五層“蛋糕”的技術(shù)服務(wù)架構(gòu)，吳新宙逐層進(jìn)行了介紹：

第一層，基礎(chǔ)設(shè)施：NVIDIA Cosmos and Omniverse NuRec

涵蓋云端訓(xùn)練、數(shù)據(jù)處理、標(biāo)注、仿真驗(yàn)證等全流程工具。英偉達(dá)憑借數(shù)十年圖形技術(shù)積累，具備物理世界像素級(jí)重建、照片級(jí)虛擬場(chǎng)景生成能力，可高效支撐輔助     駕駛模型訓(xùn)練與驗(yàn)證，日均完成     200萬次場(chǎng)景仿真驗(yàn)證，通過場(chǎng)景編輯、環(huán)境倍增等技術(shù)，將數(shù)據(jù)驗(yàn)證效率提升5~10倍。

第二層，應(yīng)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(dá)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(gè)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(dá)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(jìn)行微調(diào)，產(chǎn)生產(chǎn)品級(jí)方案，在英偉達(dá)硬件平臺(tái)和操作系統(tǒng)上順暢運(yùn)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(dá)發(fā)布的Alpamayo的1.5版本，新增了導(dǎo)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(shù)，簡(jiǎn)化了同一套 AI 駕駛棧在不同車型、不同傳感器配置中的復(fù)用，同時(shí)保留與現(xiàn)有Alpamayo集成的兼容性。吳新宙預(yù)告，今年6月將發(fā)布2.0版本，模型能力持續(xù)迭代。

訓(xùn)練Alpamayo模型使用了8萬小時(shí)駕駛數(shù)據(jù)，但因其主干基于Cosmos系列蒸餾而來，而Cosmos是基于互聯(lián)網(wǎng)和YouTube等全球視頻數(shù)據(jù)訓(xùn)練的基礎(chǔ)模型，因此繼承了對(duì)物理世界的深刻理解，再針對(duì)駕駛數(shù)據(jù)進(jìn)行最后的微調(diào)。

第四層，操作系統(tǒng)和平臺(tái)軟件：NVIDIA Halos OS

Halos OS是對(duì)原有Drive OS的擴(kuò)充。Drive OS是運(yùn)行在芯片中的操作系統(tǒng)軟件，英偉達(dá)以最高安全等級(jí)要求進(jìn)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(dá)平臺(tái)上開發(fā)車用軟件。

對(duì)Halos OS的擴(kuò)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(kuò)展層和傳感器擴(kuò)展層，將這兩層標(biāo)準(zhǔn)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(dòng)安全系統(tǒng)和一些基于規(guī)則的經(jīng)典算法納入其中。模型供應(yīng)商或軟件開發(fā)者可以在最高安全等級(jí)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(rèn)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(jì)算芯片與傳感器，英偉達(dá)和業(yè)界一同定義了支持 L4 級(jí)無人駕駛的標(biāo)準(zhǔn)化硬件平臺(tái)，實(shí)現(xiàn)數(shù)據(jù)互通共享。

Drive Hyperion平臺(tái)基于Thor芯片架構(gòu)打造，該架構(gòu)也是云端大模型訓(xùn)練的核心算力支撐。針對(duì)車載端存儲(chǔ)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(chǎn)品大幅提升。

傳感器配置分為基礎(chǔ)版與高階版：基礎(chǔ)版以純視覺+毫米波雷達(dá)為主，配備10個(gè)高清外置攝像頭、3個(gè)毫米波雷達(dá)、12個(gè)超聲波傳感器、1個(gè)DRIVE AGX Thor，可支撐優(yōu)質(zhì)L2+級(jí)體驗(yàn)；高階版面向L3、L4 級(jí)，配備14個(gè)高清外置攝像頭、9個(gè)毫米波雷達(dá)、12個(gè)超聲波雷達(dá)、1個(gè)激光雷達(dá)，2個(gè)DRIVE AGX Thor架構(gòu)ECU，實(shí)現(xiàn)控制器與傳感器全冗余，確保單點(diǎn)失效下系統(tǒng)仍可完成最小風(fēng)險(xiǎn)操作，保障行駛安全。依托該標(biāo)準(zhǔn)化配置，英偉達(dá)正與合作伙伴采集百萬小時(shí)級(jí)駕駛數(shù)據(jù)并向生態(tài)開放，大幅降低行業(yè)數(shù)據(jù)門檻。

英偉達(dá)輔助駕駛的核心戰(zhàn)略

吳新宙強(qiáng)調(diào)，英偉達(dá)想要推動(dòng)行業(yè)采用Drive Hyperion標(biāo)準(zhǔn)化平臺(tái)，該平臺(tái)硬件與傳感器均經(jīng)過充分驗(yàn)證，可實(shí)現(xiàn)數(shù)據(jù)互通共享；同時(shí)推廣Halos OS高安全等級(jí)操作系統(tǒng)，降低開發(fā)者門檻；持續(xù)開放     Alpamayo模型、配套數(shù)據(jù)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(dá)在輔助駕駛領(lǐng)域已深耕十年，從早期芯片供應(yīng)，逐步拓展至云端訓(xùn)練中心、全棧車載解決方案。2017年英偉達(dá)率先提出端到端輔助駕駛解決方案，2020年與奔馳達(dá)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(dāng)前英偉達(dá)的算法棧采用混合端到端架構(gòu)，以模仿學(xué)習(xí)為核心，實(shí)現(xiàn)類人駕駛體驗(yàn)，同時(shí)并行運(yùn)行經(jīng)典規(guī)則算法棧，形成安全護(hù)欄。2025年，該方案在歐洲E-NCAP測(cè)評(píng)中斬獲年度第一。量產(chǎn)方案迭代頻次極高，日均完成海量仿真驗(yàn)證。通過經(jīng)典算法兜底，可有效提升駕乘安全性與舒適度，應(yīng)對(duì)各類復(fù)雜路況。

目前，英偉達(dá)正推進(jìn)L2++全球化規(guī)?；涞兀淹瓿膳f金山、洛杉磯、紐約、倫敦、慕尼黑等城市路測(cè)，目標(biāo)在2026年實(shí)現(xiàn)全球化量產(chǎn)。與此同時(shí)，方案正加速向L3、L4級(jí)遷移，通過雙算法棧冗余、硬件冗余與激光雷達(dá)加持，滿足高階自動(dòng)駕駛的安全要求。

從時(shí)間規(guī)劃來看：2025年官宣與奔馳合作進(jìn)展；2026年實(shí)現(xiàn)L2++點(diǎn)對(duì)點(diǎn)功能在美國落地，并拓展至歐洲等地區(qū)；2027年計(jì)劃與合作伙伴在部分城市開展L4試點(diǎn)；2028年為洛杉磯奧運(yùn)會(huì)提供L4級(jí)無人駕駛服務(wù)，計(jì)劃覆蓋20~30個(gè)城市。

除輔助駕駛外，英偉達(dá)還依托 AI 技術(shù)深度賦能車企整車設(shè)計(jì)、生產(chǎn)制造、產(chǎn)線規(guī)劃等環(huán)節(jié)，助力車企全流程智能化升級(jí)，提升運(yùn)營效率。

英偉達(dá)對(duì)于當(dāng)下輔助駕駛的判斷

談及當(dāng)下爭(zhēng)議不休的激光雷達(dá)，吳新宙給出了判斷：對(duì)于L2+級(jí)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(yuǎn)超激光雷達(dá)。然而，當(dāng)系統(tǒng)邁向L3與L4級(jí)時(shí)，激光雷達(dá)的角色便從可選變?yōu)楸匾??！八菍?shí)現(xiàn)傳感器冗余、保障安全的關(guān)鍵部件?！?目前，英偉達(dá)正聯(lián)合歐美產(chǎn)業(yè)鏈伙伴，持續(xù)推進(jìn)激光雷達(dá)供應(yīng)的穩(wěn)定性，為L3、L4級(jí)技術(shù)的規(guī)?；涞刂位A(chǔ)。

有人說，L3這一階段會(huì)被跳過，行業(yè)會(huì)直接步入L4階段。對(duì)此，吳新宙表示，從技術(shù)層面來看，當(dāng)前輔助     駕駛已經(jīng)沒有核心卡點(diǎn)。隨著生成式AI和推理AI的發(fā)展，以往難以解決的極端場(chǎng)景、決策邏輯等問題，都已經(jīng)有了可行的解決方案。現(xiàn)在的主要挑戰(zhàn)在于系統(tǒng)工程的整合和規(guī)?；涞氐墓こ塘?。

他指出，輔助駕駛不是單一技術(shù)的突破，而是硬件、軟件、數(shù)據(jù)、仿真等多環(huán)節(jié)的協(xié)同，需要大量的工程迭代和驗(yàn)證。至于L3與L4級(jí)，兩者在技術(shù)難度上差距并不大，更多是應(yīng)用場(chǎng)景和責(zé)任界定的差異：L3要求駕駛員在10秒內(nèi)接管車輛，這10秒內(nèi)車輛需承擔(dān)完全責(zé)任，它在高速場(chǎng)景下能有效解放駕駛員雙手，具備明確的用戶價(jià)值；而L4級(jí)則更多依賴云端遠(yuǎn)程運(yùn)營支撐，對(duì)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(nèi)L3與L4級(jí)將并行發(fā)展，一個(gè)服務(wù)于個(gè)人出行的效率提升，一個(gè)運(yùn)行于運(yùn)營場(chǎng)景的商業(yè)閉環(huán)。

艙駕融合是當(dāng)下行業(yè)一大趨勢(shì)，吳新宙表示，車輛本質(zhì)上其實(shí)也是一種移動(dòng)機(jī)器人，座艙交互與輔助駕駛對(duì)安全等級(jí)要求不同，短期內(nèi)可能不會(huì)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(shí)提供人機(jī)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(jī)器人賽道的重合關(guān)系。吳新宙將兩者都?xì)w入物理AI的核心范疇，但它指出輔助駕駛已率先接近規(guī)?；涞氐呐R界點(diǎn)。英偉達(dá)同樣看好機(jī)器人，但眼下，輔助駕駛是物理AI浪潮中最先涌起的那個(gè)浪頭。

面對(duì)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)?！坝ミ_(dá)并不排斥車企自研芯片，”他說，“我們始終以推動(dòng)整個(gè)生態(tài)發(fā)展為核心?！奔幢阋患臆嚻笸耆艞壛擞ミ_(dá)的車載推理芯片，它可能仍然離不開英偉達(dá)的云端訓(xùn)練、仿真算力與開源技術(shù)。在吳新宙看來，AI產(chǎn)業(yè)整體的發(fā)展，最終一定會(huì)反哺英偉達(dá)的算力需求，這是一場(chǎng)沒有輸家的共生游戲。