吴新宙：拆解英伟达“五层蛋糕”和L4落地

4月23日，北京车展前夕，英伟达全球副总裁吴新宙在一场媒体技术沟通会上，系统阐述了英伟达如何从芯片、操作系统、AI模型到云端基础设施全面布局，推动可规模化L4级自动驾驶落地。本次活动的两大核心:NVIDIA DRIVE AGX Hyperion? 平台，以及NVIDIA Alpamayo开放推理模型，共同构成英伟达面向未来辅助驾驶的技术底座。

过去十余年，AI相继攻克图像识别、语音交互、内容生成乃至编程辅助等一系列任务。然而，物理AI——让机器在真实世界中实时感知、判断并安全行动——才是下一个十年最难啃的骨头。自动驾驶汽车正是物理AI复杂的应用场景之一:全球超15亿辆在路乘用车，每年13万亿公里行驶里程，潜在规模超过10万亿美元。这对任何一家企业来说都是一块巨大的蛋糕。

英伟达将NVIDIA DRIVE全栈辅助驾驶平台比作‘五层蛋糕’:最底层是以DRIVE Hyperion为核心的硬件层，负责传感器与计算架构；往上是Halos OS统一软件安全操作系统；再往上是Alpamayo开放推理模型；应用层是覆盖L2++到L4的DRIVE AV完整软件栈；最顶层则是Cosmos与Omniverse NuRec构成的数据与仿真基础设施。英伟达的价值正是将其全部打通并向合作伙伴开放，让整车厂无需从零搭建基础设施，专注开发差异化能力。

英伟达深耕辅助驾驶超过十年，力求在现在和未来每个阶段都有真实落地:2025年，搭载DRIVE AV的梅赛德斯-奔驰S级已完成量产，通过五星NCAP安全认证；2026年，梅赛德斯-奔驰CLA将在美国率先搭载L2++版DRIVE AV软件上市，Alpamayo 1.5同步进入量产车型；2027年，与Uber合作的全栈L4 Robotaxi将率先在洛杉矶和旧金山启动；2028至2030年间，L4级乘用车正式落地，Uber合作Robotaxi计划扩展至四大洲28个城市。

L4级自动驾驶不是‘能不能做到’的问题，而是‘用什么路径、何时规模化’的问题。英伟达给出的答案是:标准化硬件平台降低集成门槛，开放推理模型赋能行业创新，混合安全架构满足认证需求，仿真基础设施突破数据瓶颈。

在最后的提问环节，有媒体问到L3与L4之间的关系，吴新宙表示:L3是不是过渡方案，能不能“跳过”，这个问题见仁见智，你很容易证明一件事的充分性，但很难证明它的必要性。L3要求你在10秒内接管车辆，而10秒已经能发生无穷多的事情，所以L3和L4没有太大的技术差异。L3允许你办公，玩手机，但是你不能睡觉，L4你可以睡觉，但是L4没来之前，你在L3里办公，不也是对人类时间的一次解放，不也挺好吗。

2026北京车展期间，NVIDIA携手多家汽车制造商与NVIDIA DRIVE生态伙伴，展现了智能汽车创新的最新进展。

与奇瑞汽车合作布局物理AI，发力辅助驾驶、座舱AI与机器人赛道。

智能驾驶相关合作:

德赛西威正在开发一款面向量产的智驾解决方案，该方案基于NVIDIA DRIVE Hyperion中的NVIDIA DRIVE AGX Thor加速计算平台，并结合了NVIDIA NVLink互连技术打造

小马智行发布全新一代自动驾驶域控制器。该域控制器系统由小马智行与 NVIDIA 合作开发，基于NVIDIA DRIVE Hyperion平台，并由集成了NVLink技术的 NVIDIA DRIVE AGX Thor提供支持，面向 L4 级自动驾驶平台及更广泛的自动驾驶应用场景。

座舱AI相关合作:

阿里巴巴通义大模型事业部将千问-Omni 全模态大模型运行于 NVIDIA DRIVE 平台。NVIDIA DRIVE AGX Thor 及 Orin 车端计算平台和 NVIDIA TensorRT Edge-LLM推理框架，与千问-Omni全模态大模型的深度协同，推动座舱AI从被动响应迈入主动感知与自主行动的全新阶段。

联想车计算推出搭载NVIDIA DRIVE AGX Thor的智算平台AI Box。该产品采用统一的硬件架构与 NVIDIA Drive OS 操作系统，赋能座舱AI助力汽车制造商部署大模型与智能体，从而带来更自然的交互体验，加速physical AI的落地。

郑重声明：此文内容为本网站转载企业宣传资讯，目的在于传播更多信息，与本站立场无关。仅供读者参考，并请自行核实相关内容。