對話吳新宙：英偉達做的是，把輔助駕駛門檻降低

來源：市場資訊

（來源：賽博汽車）

章漣漪

編輯 | 邱鍇俊

“我覺得對我來說，能夠在英偉達這樣的平臺，有機會去推動全球所有的車廠走向L4，這已經是我職業生涯最好的注腳了。”

4月23日，北京車展前夕，英偉達全球副總裁吳新宙與媒體進行了一場深度交流。談到很多同仁去到大熱的機器人賽道。他笑稱，不是壞事，但自己會繼續扎根在輔助駕駛這場馬拉松里。

在吳新宙看來，物理AI是第四次工業革命的核心，而輔助駕駛恰恰是物理AI中“相對比較簡單、而且真正可以大規模量產”的那一個。英偉達創始人兼首席執行官黃仁勛十年前就看清楚了這條路，而吳新宙現在的任務，是把這條路鋪平，讓更多玩家能走上來。

至于“干得怎么樣”？他說，還言之過早，可以再過一兩年再看。

01

“三臺計算機”與“五層蛋糕”

英偉達到底要怎么做汽車業務？這是外界很關心的問題。

吳新宙給出的答案很直接：英偉達不只是一家芯片公司，而是一個“生態玩家。我們不會說一定要你用什么，我們最重要的是希望看到整個業界往前演進，而不是一定要用我們的芯片。”

這套生態打法的核心骨架，是“三臺計算機”。

第一臺是車端計算機，部署在車輛上，負責實時推理。

英偉達最新的Drive AGX平臺已經支持FP4精度，有效算力提升至約2000 TFLOPS。針對不同需求，英偉達提供了靈活的傳感器配置方案：基礎型以純視覺為主，支持L2++功能；高階型則支持L3/L4級自動駕駛，加入激光雷達的同時，雙Orin SoC實現冗余，控制器和傳感器均實現雙倍冗余，確保單點失效時系統能安全接管。

第二臺是云端計算機，基于NVIDIA GPU，承擔大模型的訓練。輔助駕駛模型的訓練需要海量數據和算力，這正是英偉達的傳統強項。

第三臺是仿真計算機，利用英偉達在圖形渲染上幾十年的積累，生成高保真虛擬環境，用于數據生成和驗證。

吳新宙特別強調了仿真的重要性：“在端到端開發范式下，仿真成為驗證新模型與舊模型對比的唯一可行方式。”英偉達的仿真技術基于NeRF進行像素級物理世界重建，支持編輯場景，可以改變天氣、光照等背景，實現數據倍增。目前，英偉達每天運行約200萬次仿真驗證，而使用這套COTS工具，數據驗證效率可以提升5-10倍。

這三臺計算機閉環聯動，構成了物理AI的技術底座。但吳新宙認為，光有硬件還不夠。真正的門檻往往不在芯片本身，還有全套工具鏈。

于是，英偉達在“三臺計算機”之上，進一步推出“五層蛋糕”。

第一層：硬件。提供標準化的運算平臺和傳感器配置，確保數據共享與互操作性。“我們把硬件的標準化做在前面，你不需要從零開始設計一套計算平臺。”

第二層：操作系統與平臺軟件。基于Linux打造的安全操作系統，符合最高安全等級標準。DRIVE OS內置了安全機制，為開發者提供一個可靠的安全底座。

第三層：模型。這是英偉達最近重點發力的方向。

以Alpamayo為例，它基于Cosmos世界模型蒸餾而來，繼承了大模型對物理世界的理解能力。吳新宙稱：“我們想把基礎模型給出來，幫助車企快速冷啟動開發。”

目前Alpamayo用了8萬小時駕駛數據進行微調，這個數據量門檻其實不算高，但繼承了世界基礎模型Cosmos（基于2000萬小時互聯網視頻訓練）對物理世界的理解能力。

第四層：應用。英偉達也會提供一套交鑰匙的方案，即DRIVE AV，為端到端方案。“奔馳、Lucid等都會用英偉達的交鑰匙方案，還有幾家在談”。

第五層：基礎設施。包括云端訓練和仿真工具，加速迭代閉環。在吳新宙看來，這是很多車企自己最難搭建的部分。

吳新宙特別強調，這五層并非強制綁定。他轉述了黃仁勛常說的話稱：“我們不希望你們買我們所有的東西，但我們不想要的是你什么東西都不要我們的。”

02

下一步要往L3、L4上遷移

全棧能力已經擺出來了，那英偉達的“車”到底跑得怎么樣了？

“我們在做全球規模化落地”。吳新宙稱，舊金山、洛杉磯、紐約、倫敦、首爾、慕尼黑等地都已在推進，計劃明年完成全球化量產。

算法棧上，英偉達選擇的是混合式端到端。端到端負責好開，即體驗非常接近人類駕駛；經典算法棧并行在跑，做“兜底”作用。吳新宙稱，之所以需要“兜底”，并不是模型有時候會做不安全的事情，而是作為“安全護欄，“提升整體安全感”。

下一步，吳新宙團隊更重要使命是開始往L3、L4上遷移。

軟件依然是兩套算法，端到端和經典算法棧。但會在現有技術上進行增強，保證L3、L4要求的穩定性。

至于感知的演進，吳新宙也認為，會往世界模型的方向去走。“世界模型可能是輔助駕駛最本質的一環，它會通過物理世界的演進來決定將來要怎么來做”。在吳新宙看來，特別在L3、L4架構里，VLA和世界模型可能是并存的，兩邊能力互補，既要開得像人，又要絕對安全。

吳新宙稱，黃仁勛一直對輔助駕駛有堅持。

他解釋道：“在黃仁勛的藍圖里，物理AI非常重要。AI和物理AI一定能推動GDP十倍甚至百倍的增長。生成式AI和物理AI一定會推動第四次工業革命。”而輔助駕駛，恰恰是這盤大棋里最先落子的那一步。它比通用機器人更簡單，但又足夠復雜，能打磨出可規模化的技術棧。

英偉達從顯卡公司走到今天的AI超級戰艦，靠的不是追風口，而是提前十年的預判。

那吳新宙自己呢？他的KPI就兩件事：第一個是做好輔助駕駛解決方案；第二個更重要的是，服務好整個的生態圈，讓越來越多的合作者能夠盡快的往L4這條路上去走。

“干得怎么樣？還有點言之過早，再過一兩年再看吧。”但吳新宙也認為，已經比較接近L4的曙光了。“Waymo已經給大家演示了L4可以做得非常扎實”。

03

直面行業爭議話題

如果說前面的內容是英偉達的“官方答案”，那么接下來則是吳新宙的“個人看法”。

關于行業一直有爭議的激光雷達，吳新宙的態度是：可以證明充分性，但很難證明必要性。

“我覺得說加是不是必要，這個東西永遠都是個見仁見智的問題。”他自認是“比較堅定的視覺派”。

他指出，視覺的像素密度比激光雷達高很多，特別是視覺模型出來以后，大家可以看到視覺的上限非常高。特斯拉以及其他一些車廠的實踐，已經證明了純視覺路線的可行性。

吳新宙說，在英偉達的Hyperion基礎型定義中，確實不帶激光雷達，以純視覺為主。但“對于L3或L4的系統，我們是堅定地認為激光雷達是非常重要的一環，因為它可以提供傳感器冗余，是確保安全的關鍵。”

目前在L4系統的世界模型中，英偉達正在加入激光雷達數據，結合規則系統，實現雙重保障。供應鏈方面，英偉達也在幫助歐美市場尋找穩定的激光雷達供應商，以支持方案落地。

對于“一些車企選擇自研芯片”一事，吳新宙笑稱，肯定不反對。他舉了個例子，“特斯拉在Parker以后用了自己的芯片，但我們也一直保持著跟特斯拉的合作。”

他反復強調一個核心理念：“我們最重要的是希望推動整個生態往前發展，而不是一定要用誰的芯片。”即使車企不用英偉達的車端推理芯片，仍然需要云端的訓練計算機和仿真計算機。而英偉達的開放模型、數據工具鏈，同樣可以為自研芯片的車企提供價值。

而在說到最近熱議的要不要“跳過L3”時，吳新宙有自己的看法。

“L3和L4的技術難度差別并不大。”他指出，“L3要求駕駛員在10秒鐘接管，但10秒鐘里已經可以發生無窮多的事情。10秒變成60秒、變成很長時間，并沒有一個巨大的差別。”

但L4有一個硬門檻，往往被忽視——云端運營能力。“L4的車有時候會卡住，遠程操控能力很重要。你要賣出100萬輛L4的車，每輛都要配云端接管能力，這個要求非常高。相反，這對Robotaxi公司來說，比如Uber，反而更容易實現。”

“對于用戶來說，可能提供一個L3的能力，并不是一個壞的選擇.特別是高速上，司機不能睡覺，但可以玩手機。L3能解放的是‘不能玩手機’痛點，已經是很好的能力”。所以他的判斷是：至少短期內L3有價值，L4也沒那么容易做，有可能會是并存狀態。

至于輔助駕駛的人才正在流向機器人賽道，吳新宙回應時，先開了個玩笑：“我這人都沒走。”

“機器人和輔助駕駛，都是物理AI非常重要的一部分。英偉達也非常看好機器人方向。”他承認國內機器人賽道確實熱鬧，“有點像十年前的造車新勢力，現在有100多家做機器人，不管做什么，都是在為第四次工業革命做貢獻，我覺得都OK。”

而他自己選擇留在輔助駕駛，理由也很清晰：“在英偉達，我有機會把在中國積累的經驗，通過英偉達的能力放大，真正讓所有車廠走向L4。這對我來說，已經是職業生涯最好的注腳了。”

下一步，他希望在英偉達，把“三臺計算機、五層蛋糕”的體系打磨得更完善，讓更多玩家能以更低的成本、更短的時間，走通從L2到L4的這條路。