英伟达自动驾驶布局详解：技术路线与未来规划深度分析

图片来源：极客公园

在美国圣何塞的墨西哥裔社区，空气中仿佛弥漫着Tacos的诱人香气。这个念头，是在体验那辆全新奔驰CLA量产车的智能驾驶时浮现的。

结束了信息密集的GTC 2026大会，即便身处A级车不算宽裕的后座，也难得地感到一丝平静。这是英伟达为媒体安排的深度试驾环节，旨在体验其最新的L2++级智能驾驶解决方案。我们沿着圣何塞市区道路，进行了约四十分钟的真实路测。

与国内智驾测试偏爱挑战“地狱级”复杂路况不同，圣何塞的这段旅程显得平稳而日常，恰如西海岸人们“Chill”的生活态度。以至于当英伟达的工作人员询问体验感受时，最初的回答是：“似乎没什么特别挑战？”对方会心一笑，指出这恰恰最贴近普通美国用户的日常通勤场景，是符合国情的真实体验。然而，在这平静的试驾表象之下，英伟达在整个智能驾驶领域的宏大布局与野心，早已是暗流汹涌。

有礼貌，但那是机械的礼貌

坐进试驾车，主驾是英伟达的安全员，副驾则是智驾系统工程师。车辆缓缓驶入街道，方向盘开始自主平稳转动。

第一个令人印象深刻的细节，发生在一个典型的四向停车（All-way stop）路口。美国的这套路权规则对机器而言颇具挑战，它讲究先到先得，当多车同时停下时，更依赖驾驶员间的默契礼让与眼神交流。但这套英伟达智驾系统不仅准确识别出路口类型，更清晰地判断出了通行权——它稍作等待，然后果断而平稳地驶过，决策效率很高。

第二个细节体现在智能变道上。当需要并入更高速车流时，车辆会提前进行线性减速。这种减速并非突兀的“点刹”，而是带着预判的、平滑的速度调整，颇有经验丰富的老司机的风范，提升了乘坐舒适度。

圣何塞街头车流并不湍急｜图片来源：极客公园

但最耐人寻味的一幕，发生在一个行人横道前。

路边有行人等候，但距离尚远。系统基于规则判断：可以通过。于是车辆未停车，继续前行。就在这一刻，身旁的安全员几乎不假思索地轻踩刹车，将车稳稳停住，主动礼让行人。这一脚刹车踩得极其自然，熟练得仿佛早已预料到系统的选择。

这生动地揭示出当前智能驾驶系统的一个特点：有礼貌，但那是基于规则的、机械的礼貌。系统的判断在交通法规层面并无错误，行人确实未进入危险区域，车辆有权通行。然而，人类驾驶者在这种场景下，往往会选择给予更多安全余量，主动释放善意。这种“超越交通规则的默契与预判”，目前似乎还未完全写入这套自动驾驶系统的行为逻辑中。

端到端模型，加上一道「安全防火墙」

在试驾前一天，极客公园在GTC会场与英伟达汽车业务副总裁Ali Kani进行了专访。他透露，过去一年英伟达在智能驾驶领域最核心的进展有三项。

第一，是将推理能力深度引入汽车领域。

英伟达开源了名为Alpamayo的视觉语言模型，其核心是内置了推理机制——当遇到训练数据中未曾覆盖的“Corner Case”（长尾场景）时，它并非直接输出答案，而是将问题拆解成多个逻辑步骤，逐步推理，最终选择最安全的决策。Ali提到，该模型发布仅数月，在Hugging Face机器人领域的下载量已超15万次，排名第二。“目前，中国还没有车企部署真正的推理模型，大多仍处于研发阶段。”

第二，是仿真与测试基础设施的开源。

一个名为NuRec的神经重建工具在本届GTC上正式开源。它能从真实路测数据中高精度重建三维场景，再结合Cosmos合成数据生成工具，可实现对Alpamayo模型的海量、高效测试。“我们无法将世界上所有可能发生的事都塞进训练数据集，”Ali解释道，“但通过仿真，我们可以无限逼近真实世界的复杂性与多样性。”

英伟达汽车业务 VP Ali Kani 在试驾车前拍照｜图片来源：极客公园

第三项，或许也是最关键的一环——Halos OS。

这是英伟达发布的“经典安全栈”。端到端模型如同一个黑盒，一旦出现问题难以追溯根源。Alpamayo在行驶中每次会生成多条候选轨迹，而Halos OS的任务就是充当“安全防火墙”，对这些轨迹进行实时安全审查：剔除不安全的，在合规选项中选取最优的一条执行。“有时，Alpamayo生成的轨迹可能全部被Halos判定为不可用——此时，将由经典控制栈直接接管车辆，确保绝对安全。”

这套“端到端AI模型+经典安全栈并行”的融合架构，已获得一项权威认证：搭载英伟达全栈方案的奔驰CLA，荣获了Euro NCAP 2025年度最佳表现奖，成为当年参测的49款车型中综合评分最高的车型，证明了其安全性与可靠性。

三台电脑，和一个操作系统级的野心

要理解英伟达在自动驾驶领域的商业模式，一个关键框架是“三台电脑”理论。

Ali解释说，完整的自动驾驶技术链路涉及三台功能各异的计算机：在云端训练大模型的训练计算机、进行海量仿真测试的测试计算机，以及最终装载在车内的车载计算平台。

英伟达的策略是全面布局这三层，但并不强制客户必须全部采用英伟达方案。

这听起来有些矛盾，但特斯拉的例子颇具代表性。特斯拉是英伟达在汽车领域的重要客户，但其车辆内部使用的是自研的FSD芯片。特斯拉向英伟达大量采购的，正是云端训练和仿真测试所需的强大算力。“这两块市场的规模，远比车载芯片市场大得多，”Ali强调，“因此，即便我们将一些基础模型开源，我们的商业模式依然非常稳固且健康。”

事实上，开源的Alpamayo模型更像一个“教师模型”或参考架构——车企获得后，仍需针对自身特定的传感器配置、车辆平台进行大量的数据蒸馏、模型微调与工程适配。而这项深度定制与集成服务，正是英伟达为各家OEM（原始设备制造商）提供的核心价值之一。“我们为奔驰完成了全套适配，但适配后的专有成果并不属于开源部分。”

奔驰 CLA 试驾车上的英伟达智驾标志｜图片来源：极客公园

在此框架之上，英伟达还有一个更大的生态野心：Hyperion。

Hyperion是一套面向L4级自动驾驶的开放参考架构，其目标类似于定义PC产业的标准主板规格。它旨在让所有OEM基于Hyperion平台开发车辆，所有自动驾驶软件公司基于Hyperion开发算法，所有出行服务商在统一的Hyperion生态内采购车辆与解决方案。“当整个产业的生态都建立在这个统一的软硬件平台上，技术迭代速度将大大加快——任何参与者都无需再从零开始验证硬件与软件的兼容性。”

本届GTC上，这一战略迎来了标志性落地：Uber宣布将采购10万辆兼容Hyperion架构的车辆，与英伟达合作在全球28座城市推进L4自动驾驶出行服务。同时，英伟达将利用Cosmos数据工厂为Uber搭建完整的数据处理管线，供其自动驾驶软件合作伙伴获取并利用真实路测数据训练模型。

中国市场，与一个关于2028年的预测

谈到中国市场，Ali分享了一个有趣观察：中国车企是英伟达Cosmos和NuRec工具最积极的使用者之一。

“如果你关注我们的仿真和神经重建工具，会发现使用最踊跃的正是中国公司。”本届GTC上，英伟达还宣布与吉利、比亚迪等中国车企深化合作，推进基于双Thor芯片和Hyperion架构的新车型。这些车型在硬件层面已为未来的L4升级预留了能力。“至于何时启用、如何启用，则取决于OEM自身的商业战略——例如，吉利完全可以将这些具备高阶硬件的车辆交付给其出行子公司，用于运营Robotaxi（自动驾驶出租车）。”

当被问及L4级自动驾驶技术在个人乘用车上大规模落地的时间表时，Ali思考后给出了一个预测：“大概在2028年前后？当然，这只是个基于技术发展的猜测。但落地的顺序一定是Robotaxi先行——因为Robotaxi的风险由运营公司承担，而面向个人消费者的乘用车，对安全性与可靠性的要求是终极级的。”他补充道，中国的百度Apollo、小马智行、文远知行等公司已经在运营商业化的Robotaxi服务，“我都体验过，感觉已经相当不错。”

最后，当被问及英伟达对中国市场是否有具体的收入份额目标时，Ali摇了摇头：“我们并非以这种方式思考问题。我们的核心是专注于打造最好的芯片、软件平台与工具，然后与每一家志在创新的优秀公司合作。如果做到了这一点，市场机会与商业成功自然会随之而来。”这或许正是英伟达在智能驾驶这场长跑中，所秉持的底层逻辑。