英偉達的自動駕駛底座：從芯片到全棧，五層蛋糕拼完最后一塊

原創｜袁洲 編輯｜Cong

全球每年有13萬億英里的行駛里程，自動駕駛只占了0.006%——大約7億英里。剩下那99.994%，就是所有做自動駕駛的公司想要吃下的市場。按英偉達的估算，全球自動駕駛汽車市場年復合增長率32%，市場規模最終指向10萬億美元的出行經濟。

但對英偉達來說，這個機會還有一個更現實的意義：它當前的汽車業務營收在總盤子里占比剛過1%，而數據中心業務已經做到1937億美元。如果自動駕駛有一天復現數據中心的增長曲線，英偉達將擁有第二臺增長引擎。

4月23日，北京車展前夜，英偉達開了一場媒體技術溝通會。主講人吳新宙，全球副總裁，負責汽車事業部。他用90分鐘拆解了英偉達自動駕駛的完整架構——芯片、操作系統、AI模型、應用、仿真訓練，五層全覆蓋。這是英偉達第一次把這套全棧方案完整地擺在中國媒體面前。

要理解為什么這套方案在這個時間點出現，得先知道英偉達在汽車業務上走過怎樣的彎路。

01

起步早 落地晚

2015年，英偉達內部就有人提出了端到端神經網絡的自動駕駛方案，比行業早了好幾年。但直到2022年才首次量產交付，中間七年，幾代芯片迭代——Parker、Xavier、Orin——技術路線圖很清晰，量產落地卻始終慢半拍。

原因出在執行上。前兩任汽車業務負責人，一個偏學術，一個管理偏松。團隊從幾十人擴大到上千人的過程里，大部分時間還在車庫做測試，而不是在開放道路上做大規模路測。英偉達不是沒有技術積累，是缺少把技術從Demo變成量產的能力。

跟奔馳的合作暴露了這個問題。2020年雙方官宣合作，奔馳給出了很大的誠意——除了基礎研發費用，還按新車銷售分成。英偉達需要向奔馳證明自家的智駕軟件能力。現場展示時，側后方倒車功能連試幾次都沒成功，氣氛降至冰點。

英偉達的芯片實力有目共睹。但自動駕駛不只是芯片的事。一顆芯片裝到車上，需要傳感器適配、算法開發、安全認證、路測迭代，這是一條漫長的工程化鏈條。芯片再強，如果軟件和工程能力跟不上，車企不會買單。

吳新宙就是在這個節點被黃仁勛找來的。

02

在小鵬，吳新宙證明了 2 件事

2023年，高通不僅讓8155拿下中國智能座艙市場的半壁江山場，還拿下了大眾和寶馬的自動駕駛SoC合同。英偉達在汽車芯片上的競爭壓力越來越大。

黃仁勛需要的不是更強的芯片設計師，而是一個在中國市場證明過"從芯片到量產"全流程的人。吳新宙恰好是這個人。

吳新宙本科畢業于清華大學電機系，1998年獲學士學位后赴美，在UIUC讀完碩士和博士，畢業后加入通信創業公司Flarion，做2G到3G的技術。Flarion被高通收購后，他在高通一待12年，做到了自動駕駛高級工程總監。2019年他加入小鵬汽車——高通十年間他從不理會任何獵頭的邀約，直到高通收購恩智浦失敗讓他產生了危機感。

他在小鵬做了四年，證明了兩件事。

第一件事：2020年小鵬P7上市，在英偉達僅30 TOPS算力的Xavier芯片上實現了L2級自動駕駛量產。英偉達內部后來評價："小鵬在Xavier上做到了我們根本做不出來的東西，吳新宙只用了一年。"一顆芯片的價值，取決于有多少軟件能在上面跑出效果。這個道理在英偉達內部被反復提起，但吳新宙是第一個在外面把它證明的人。

第二件事：他帶著近千人團隊在兩顆Orin-X上跑通了不依賴高精地圖的XNGP。高速NGP、城市NGP相繼落地。一個在美國做算法的人，帶著中國團隊把端到端智駕從高速做到城區，這個經歷本身就是稀缺的。

2023年8月，吳新宙加入英偉達。他帶來的不只是一個人，而是一整套在中國市場被驗證過的工程化方法論。

03

不止于賣芯片

吳新宙到來后，英偉達的汽車業務策略變了。不再只賣芯片，而是從芯片到仿真訓練提供五層全覆蓋。

底層是硬件。DRIVE AGX Thor基于Blackwell架構，最高算力2000 FP4 TFLOPS，LLM推理速度是上一代Orin的9倍。但這顆芯片不是單獨賣的。英偉達把它放在了DRIVE Hyperion平臺上——一套預驗證的"交鑰匙"方案，芯片、傳感器、線束、接口、安全認證全部就緒，車企拿來就能集成。高階版面向L3/L4+，用兩塊Thor加激光雷達；基礎版面向L2++，用一塊Thor，純視覺方案。

這套標準化平臺的邏輯很清楚：自動駕駛的量產瓶頸不在算法，在工程化——從芯片到整車的集成過程。英偉達把這個過程標準化了。合作名單說明了市場認可度：2024財年長城、極氪、小米搭載Orin，2025財年比亞迪、小鵬、廣汽埃安昊鉑宣布采用Thor平臺，2025年英偉達又宣布豐田將在Orin上構建下一代車型。兩年時間，中國頭部新能源車企幾乎全部進入了英偉達的客戶名單。

往上是操作系統和安全底座。端到端AI模型有一個天生的短板：不可解釋。L2級別出了事故，責任在駕駛員；但到了L3和L4，出了事故責任在系統，監管機構不會接受一個"黑盒"來負責人的安全。Halos OS的解決方案是雙棧并行：AI模型負責駕駛體驗，經典算法棧負責安全底線。吳新宙的說法很直白："模型做得再爛也沒關系，放在上面至少不會撞車。"2025年搭載Halos經典棧的奔馳車型已經量產，拿到了Euro NCAP五星安全認證。這是英偉達在功能安全領域最有力的背書。

再往上是AI模型。Alpamayo 1.5是一個視覺-語言-動作推理模型，100億參數，在輔助駕駛推理模型榜單LingoQA排名第一。跟上一代的關鍵區別是加入了"思維鏈"推理——模型不是直接輸出駕駛動作，而是先進行因果推理，再做決定。傳統端到端模型是"看-決策-動作"的單步映射，Alpamayo 1.5是"看-思考-決策-動作"的多步推理。2026年奔馳CLA將搭載Alpamayo在美國上市，黃仁勛在今年1月的財報電話會上把它作為"物理AI時代已經到來"的證據。

英偉達選擇把Alpamayo開源。策略跟AI芯片業務如出一轍：開源模型吸引開發者，開發者構建生態，生態需要算力，算力賣的是英偉達的硬件。黃仁勛有句話概括了這個邏輯："不指望你買我們所有的，但別什么都不買。"

最頂層是訓練基礎設施。AI模型的性能上限取決于訓練數據的質量和多樣性。Cosmos是用2000萬小時真實世界視頻訓練的世界基礎模型，能生成像素級接近真實的駕駛場景。Omniverse NuRec負責把真實路采數據重建為可編輯的3D場景——改軌跡、加障礙物、變天氣，一個真實道路事件可以變出幾十種訓練場景，為Alpamayo的開發帶來了10倍的多樣性增益。

這套管線的意義在于速度。傳統車企做一個OTA升級從開發到驗證可能要半年，英偉達的流水線——一個道路事件6小時內轉化成仿真場景，每天200萬次仿真測試，每年3500次模型迭代——把周期壓縮到了天級別。DRIVE AV的L2++方案已在首爾、倫敦、洛杉磯、舊金山、紐約、慕尼黑六個城市落地。與Uber的合作計劃2027年在洛杉磯和舊金山啟動L4 Robotaxi試點，2028年擴展到全球28個城市。

04

一顆Thor的價值

英偉達給于車企模塊化選擇：可以只用Thor芯片，也可以用從Hyperion到DRIVE AV的全棧方案，按需取用。但整套技術棧從芯片到仿真訓練都跑在英偉達的架構上，一旦深度采用，遷移成本會越來越高。

汽車業務的商業邏輯和數據中心不同。數據中心是賣算力，客戶來來去去。汽車業務是嵌入硬件——一顆Thor芯片一旦被車企選型進入量產平臺，生命周期長達數年，后面每一代車型迭代都是持續收入。再加上跟奔馳那樣的軟件分成模式，只要車在賣，英偉達就在賺錢。

2024財年汽車營收約11億美元，2025財年17億美元，2026財年約23.5億美元。三年翻了一倍多，增速在加快。而Alpamayo量產和Thor上車還沒真正開始貢獻收入。

從2015年PilotNet端到端深度學習原型算起，英偉達在自動駕駛上已經投入了十一年。從Parker到Xavier到Orin再到Thor，從Hyperion 8到Hyperion 10，技術路線圖一步一個腳印地在兌現。2025年是關鍵的量產節點，奔馳量產、Euro NCAP五星、L2++點到點啟動交付。2026年Alpamayo進入量產，雙Thor架構落地，路線圖進入密集兌現期。

吳新宙在多個場合判斷"自動駕駛已到ChatGPT時刻"——技術條件基本就緒，接下來是工程化和規模化的階段。他認為L3和L4會長期并存，端到端和經典算法不是非此即彼，海外市場輔助駕駛的普及可能還需要三年。這些判斷不算激進，但從他在小鵬到英偉達的履歷來看，他不是一個畫餅的人。

英偉達沒有打算造一輛車。它要做的是讓每一輛自動駕駛汽車都跑在它的架構上——從Thor芯片到Halos系統，從Alpamayo模型到Cosmos仿真。按照當前的路線圖，到2028年Uber的Robotaxi開進全球28個城市，到2030年L4級乘用車開始落地。英偉達不需要出現在任何一輛車的logo上，但每一英里自動駕駛的身后，都有它的算力在運行。