英偉達開源自動駕駛軟件，中國車企要接嗎？

撰文| 張霖郁

| 黃大路

設計| 甄尤美

當地時間2025年12月1日，英偉達通過其官網宣布開源自動駕駛模型 Alpamayo-R1。

目前，該模型對應的數據集也已上傳至開源社區，總大小約100TB，這是英偉達首次將VLA模型進行開源。

在數據許可的部分，英偉達明確了數據集可以用于商業和非商業用途。

Alpamayo-R1是全球首個針對自動駕駛場景設計的開源視覺-語言-動作（VLA）大模型。與以往僅模仿駕駛動作的端到端模型不同，Alpamayo-R1通過“鏈式推理”讓車輛在做出決策時“自言自語”，整個過程是先將傳感器數據如攝像頭、雷達等轉化為自然語言描述，然后逐步進行場景分析和路徑推理。

英偉達研究團隊介紹，這一模型可以像人類老司機一樣分步思考：先識別路口處的動態參與者，比如行人、車輛、自行車等，推斷其潛在意圖，結合交通規則和歷史軌跡預測未來狀態，再評估本車各種可行動作的安全邊際，最終輸出最優控制指令。

這一過程大大提高了系統在長尾復雜場景中的魯棒性，例如車輛在繁忙十字路口遇到雜亂施工路障、無保護左轉或雨夜道路損毀等情況時，能夠通過邏輯推理預判風險并安全避讓。

魯棒性是人工智能、自動駕駛、工程控制等技術領域中的一個核心概念，指的是一個系統在面對外部干擾、輸入變化、環境不確定性或異常情況下，仍能保持穩定、正確運行的能力。

Alpamayo-R1的出現可以解決最令人頭疼的長尾場景下的安全性。

據公開資料，Alpamayo-R1在針對極端長尾場景的測試中較傳統模型規劃準確率提升12%，事故率降低35%、近碰率降低25%，同時實現了99毫秒的低延遲響應。

從功能上看，英偉達還將Alpamayo-R1連同部分訓練數據集和配套工具一并開源，英偉達還提供了AlpaSim仿真評估框架及“物理AI開放數據集”中的部分訓練數據。

此外，配套的Cosmos開發者工具鏈（Cosmos Cookbook）包含了高質量數據構建規范、合成場景生成流程以及模型評估基準等資源，方便研究人員在各自應用場景中微調與部署該模型。

總之，這套全棧開源方案不僅演示了最新AI推理技術在車載場景的落地，也意味著英偉達將其自動駕駛軟件研發的核心成果置于開放平臺之上。

戰略考量

業內普遍認為，英偉達此舉不僅是技術發布，更是戰略布局的一環。

一方面，通過開放核心算法，英偉達意在鞏固并擴張自身生態影響力。

許多汽車廠商過去需要自行開發全套自動駕駛算法，而借助英偉達的開源技術，它們可以像造手機一樣快速組裝自動駕駛系統：只需購買英偉達的芯片平臺，將部分算法與場景微調，便能實現高級自動駕駛功能。

正如業內有評論所說，這標志著Robotaxi產業進入“安卓時刻”，即制造商可以采用通用開放的硬件+軟件方案，而非閉門造。

業內人士說此舉還與英偉達硬件銷售目標相輔相成：更多開發者和整車廠采用其軟件生態，自然會帶動對Orin/Thor等車規級計算芯片的需求。

另一方面，英偉達也明確提出，要借助開源建立行業標準。

公司產品經理表示，讓研發者“理解這些模型如何工作”，有助于行業形成統一的評測和安全標準。

換言之，在全球日益強調自動駕駛安全與透明度的大環境下，開放模型利于加速錯誤發現和修復，迎合監管對可解釋性的要求。

同時，英偉達自身也能通過開放策略確立技術話語權：借助Cosmos大模型平臺，英偉達希望“加速整個生態向‘理解型自動駕駛’演進”。

產業鏈沖擊以及中國市場的機遇

從產業鏈視角看，英偉達的開放動作加劇了開源與封閉陣營間的競爭格局。

傳統成熟自動駕駛方案多為閉源體系：如特斯拉的Autopilot、Waymo或Mobileye等廠商的核心算法并不對外公開，供應商和客戶只能被動接受“黑盒”技術。

不過，自動駕駛領域并非沒有開源先例。

早在2015年，日本名古屋大學團隊推出了Autoware平臺，成為業內首個面向自動駕駛的“All-in-One”開源軟件。

對比之下，此次英偉達將高階推理模型開源，無疑打破了其自身之前的封閉慣例——此前英偉達的DriveWorks平臺雖然代碼開源，但只能在英偉達 GPU上運行，而底層的DriveOS系統依賴QNX內核并未開源。

如今Alpamayo-R1及其工具鏈全面開放，標志著封閉高端自動駕駛技術的壁壘被進一步撕裂。

這一變化可能會引發新一輪開源熱潮。

“隨著自動駕駛硬件趨于同質化，決策層面的算法和軟件生態將成為關鍵競爭點。”一位智駕芯片專業人士告訴《汽車商業評論》。

對中國車企和供應商而言，英偉達的開源浪潮機遇與挑戰并存。

一方面，中國廠商對自動駕駛技術需求旺盛，且已有大量投資在英偉達平臺上。

2023年蓋世統計顯示，中國智能駕駛域控制芯片裝機量中，特斯拉自研FSD芯片占37%，英偉達Orin-X占33.5%；由于特斯拉芯片僅供特斯拉自用，絕大多數國內車企的L2/L3乃至L4系統都依賴英偉達方案。

對于這些依托英偉達平臺的車企而言，開源軟件和工具能夠直接用于本地算法開發和場景調優，利用已有的數據資源加速軟件化轉型。

另一方面，國內企業也面臨現實壁壘。

據央媒引用的行業數據顯示，到2025年中國新能源汽車及智能網聯相關人才缺口將超百萬，智能駕駛工程師供需比僅為0.38。

要消化和應用像Alpamayo這樣復雜的大模型，需要大量掌握算法、軟件及系統集成的復合型人才。

目前，從現有測試統計分析看，中國絕大多數測試場景仍集中在有限路段和具體工況中，真正的大規模L4落地試運營仍需時間。

在這種環境下，中國車企和本土Tier-1供應商需要評估如何將開源技術本地化：他們是否有足夠的高精度地圖、長尾場景數據和高度模擬環境，來反復驗證模型的安全性和合規性？