英偉達開啟“安卓時刻”

“你知道，這里的立交橋總是讓我很焦慮?！?/p>

上周四，英偉達發布了一段時長約22分鐘的視頻。在視頻中，英偉達自動駕駛業務中國團隊負責人吳新宙與CEO黃仁勛，分坐一臺自動駕駛車的主副駕駛位，展開了一場由企業一把手以及業務核心負責人親自掛帥的，英偉達全棧自動駕駛平臺DRIVE AV的技術展示活動。

視頻中，車輛全程由車載智能駕駛系統負責控制。沿途經歷各種路況與場景，包括施工路段、并排違停車輛、以及被橙色錐桶標出來的狹窄臨時車道。而上面這句話，正是行駛途中，皮衣老黃遙望遠處的立交橋對著吳新宙的感嘆。

根據官方說法，這次展示駕駛的全程均由機器自主完成，期間未出現人工接管狀況。但鑒于這次展示全過程長達一個多小時，22分鐘的視頻實際是摘要剪輯而成的，所以真實情況也并不那么地絕對。但不管怎么說，這段視頻的發布清楚無誤地向外界表達了一個信息——英偉達DRIVE AV已經處于“可用狀態”。

對于智能駕駛行業乃至于全球汽車產業，這是一個重磅級的特大新聞。盡管其熱度，現階段注定會被圍繞著霍爾木茲海峽的流量所掩蓋。

代價不菲的“智能駕駛”

開發一套適配特定車型的智能駕駛系統，代價極為高昂。其核心在于，這遠非簡單的軟硬件堆砌，而是一項涉及全鏈條的復雜系統工程。

首先需要確立系統的能力上限，并據此構建硬件與軟件框架。這包括選擇不同算力、功耗的感知與計算芯片，評估其兼容性；確定攝像頭、雷達等傳感器，并解決它們之間的安裝、同步與標定問題；最后還需完成芯片與控制器硬件的集成，設計散熱、電源與通信架構。

隨后是更為復雜的軟件分層開發。在典型的“感知-決策-控制”鏈中，感知層需開發或采購視覺、雷達等算法，實現目標檢測與跟蹤，并艱難地融合多傳感器數據。決策規劃層極度依賴工程師經驗，需基于規則引擎和大量人工編寫的場景庫來設計路徑與行為邏輯，本質上是“堆代碼”?？刂茖觿t負責將決策轉化為車輛方向盤、油門、剎車的具體控制信號，需與底盤線控系統深度適配。

▲傳感器整列+算力單元+操控體系+維持體系等構成的硬件只是基礎，如何將上述外部傳感器收集到的信息融合到一起，根據對應的場景執行相應的操作，則是一項更加復雜的任務

當軟硬件底座初步就位，真正的挑戰才剛剛開始。企業必須收集并處理海量駕駛數據，用以訓練算法，再通過仿真測試構建場景，最終投入耗費巨大的實車路測，以解決層出不窮的“長尾”問題。這一過程需要龐大而專業的團隊，其復雜性令傳統車企望而生畏，因此目前已鮮有車企選擇完全自研。

在中國市場，整車企業普遍通過與智能駕駛供應商合作來解決問題。憑借全產業鏈優勢，自2023年起形成了“地大華魔”等頭部供應商格局，2025年又有輕舟智航等企業崛起，生態相對成熟。

然而，在中國以外的市場，車企的處境則艱難許多。早期主力供應商Mobileye因其封閉的“黑盒”模式、算力迭代緩慢、及不向客戶開放數據等問題，已被眾多主流車企拋棄。此后，海外車企主要分化為幾條路徑。

▲Mobileye曾是業界翹楚

深度綁定計算平臺。如梅賽德斯-奔馳與英偉達合作，大眾、寶馬則選擇高通平臺，基于后者提供的芯片和基礎軟件進行聯合開發，但迄今尚未有大規模量產裝車的成熟成果。

投資或收購初創公司，如通用汽車收購Cruise，福特曾投資Argo AI。但整合過程挑戰巨大，尚未推出成體系的、可大規模配備的智駕產品。

當然，這里還有第三條路徑——依賴傳統Tier-1供應商。博世、大陸等提供的集成式ADAS方案雖成熟穩定可快速上車，但功能高度同質化難以打造高端品牌溢價，亦無法緩解車企對喪失技術“靈魂”的焦慮。而更重要的是，相關方案背后也多有中國供應商的影子。

而兜轉一圈后可見，在海外市場，目前唯一被驗證的成功者僅有特斯拉。

▲在中國以外，特斯拉FSD斷崖式領先，處于決無對手的狀態。然而對于其他整車企業人而言，選擇FSD其實面臨國內市場相似的“靈魂”問題

但問題在于，其成功建立在早期啟動的巨額投入和長期數據積累之上，幾乎無法在較短時間內被復制。因此，對絕大多數海外車企而言，開發一套好用的智能駕駛系統，依然是一條代價不菲且前途未卜的漫漫長路。

英偉達的解決方案

英偉達DRIVE AV，本質上是一套高度工程化、模塊化且與專用硬件深度綁定的自動駕駛“操作系統”，其設計目標是為車企提供一個從環境感知到車輛控制的完整、可量產的軟件解決方案，從而將復雜的自動駕駛開發簡化為“集成與調優”。

這套系統的核心是一個清晰的四層軟件架構，嚴格對應著自動駕駛的完整決策鏈。

最底層是感知層，它并非簡單的圖像識別，而是能同時處理攝像頭、雷達、激光雷達等多源數據。通過復雜的算法，它能將不同傳感器的信息融合，實時構建出車輛周圍360度的鳥瞰圖和三維占據柵格圖，不僅能識別已知的車輛、行人，還能標記出任何未知的障礙物，為安全提供了第一道冗余。在此基礎上，定位層結合高精地圖、衛星信號、輪速計以及視覺特征，實現厘米級的車輛自動定位，即使在城市高樓間信號不佳時，也能通過視覺技術保持精準。

▲智能駕駛的決策過程用文字描述可以很簡略，但實際執行是個極其復雜的體系

當系統清楚地知道“我在哪、周圍有什么”，便進入關鍵的規劃層。這里的算法需要像人類司機一樣進行預測和博弈：它要預測其他交通參與者的可能軌跡，并在此基礎上，生成一條自身既安全、高效又符合交通規則和駕駛禮儀的行駛路徑。這需要處理無數復雜場景，比如無保護左轉、匯入擁堵車流等。

最后，控制層負責將這條虛擬路徑轉化為現實動作，通過車輛的網絡向方向盤、油門和剎車發出精確的指令信號，確保車輛平穩、準確地執行規劃。

然而，僅僅有這套模塊化流水線還不夠。DRIVE AV最具特色的設計在于其“雙大腦”并行機制。其一是端到端AI模型“Alpamayo”，其預先通過海量真實駕駛數據訓練，能夠像人一樣從原始傳感器數據中直接學習駕駛策略，擅長處理復雜、非結構化的城市路況。另一個大腦則是基于嚴格規則構建的傳統安全堆棧。

兩個系統同時運行、相互校驗。當AI模型遇到罕見場景猶豫不決時，傳統安全堆棧會立即介入，強制車輛執行保守但絕對安全的策略，例如減速、停車或靠邊。

而這套復雜的軟件要高效運行，自然離不開強大的硬件基石。但這恰恰是英偉達最不用操心的一環。

依托英偉達RIVE AGX Thor計算平臺，系統可以獲得充沛的算力支撐，而軟硬件一家的優勢，也為自動駕駛必需的海量并行計算任務具備無須專門優化等特性。

更重要的是，DRIVE AV的研發與測試并非只在車端進行，它依托一個覆蓋云、端的完整閉環。在云端，NVIDIADGX超級計算機利用全球數據訓練出基礎AI模型；在Omniverse數字孿生平臺上，工程師可以生成無數極端、危險的虛擬場景來錘煉和驗證算法，其測試里程和場景覆蓋度遠超有限的實車路測。最終，成熟的軟件通過OTA方式部署到量產車的Thor芯片上。

一言而蔽之，這是一個集成了底層計算芯片、中間件、核心AI模型、傳統安全棧以及開發工具鏈的完整技術生態系統。DRIVE AV項目的核心目標，是讓汽車制造商和自動駕駛公司能夠基于一個統一、安全且高性能的基礎，快速開發并部署從L2到L4級別的自動駕駛功能。

今年年初，在底特律的國際電子消費展上，皮衣老黃曾經以滿懷激情的言語，宣布過對于DRIVE AV的愿景——

“我們的愿景是未來有一天，每一輛汽車?每一輛卡車都將實現自動駕駛；自動駕駛的時代已經‘全面到來!’自動駕駛汽車將成為首個大規模的?面向主流市場的物理AI應用場景?！?/p>

現階段，英偉達已構建了龐大的 DRIVE Hyperion生態系統。在硬件環節，除了自家的高性能芯片，也涵蓋了從禾賽科技（激光雷達）、索尼（攝像頭）到博世、采埃孚等主流傳感器。車企采用DRIVE AV，意味著其硬件選型可以立即與一個經過認證和適配的供應鏈對接，避免了自行篩選、適配各種傳感器和控制器帶來的巨大工作量。這使得車企可以將寶貴的研發資源從基礎技術攻關中解放出來，更專注于打造與自身品牌調性相符的駕乘體驗、座艙交互或能源管理，實現真正的差異化競爭。

而更重要的是，作為目前全球最主要的算力芯片供應商，英偉達同樣也能為智能駕駛軟件的訓練，提供龐大的在線算力資源……

DRIVEAV的誕生，其本質是英偉達利用自身優勢，為困于智能化轉型的傳統車企提供了一個“現成的靈魂”。它通過“芯片-中間件-算法-工具鏈”的完整生態，將自研智能駕駛所需的萬億級投入和數年試錯，壓縮為可集成、可調優的“交鑰匙工程”。

▲英偉達一年一度的GTC大會召開在即，圣何塞會展中心周圍隨處可見路邊GTC的標語“It All Starts Here”（一切從這里開始）

對于困擾于智能駕駛技術，但又不愿意引入特斯拉或者中國企業技術的歐美整車集團而言，其意義就宛若16年前，谷歌發布的安卓系統。

對于在特斯拉與中國車企夾擊下倍感焦慮的歐美巨頭而言，這或許是其抓住智能化尾巴、避免徹底淪為硬件代工廠的最后一張“安全入場券”。也預示著一個由英偉達定義底層框架的智能駕駛新時代，已經在太平洋的東岸拉開帷幕。