英偉達的L4野心：吳新宙拆解“五層蛋糕”，迎接自動駕駛ChatGPT時刻

北京國際車展前，在英偉達北京的一間會議室里，英偉達全球副總裁吳新宙指向PPT中那個被他稱為“最重要”的數字——13 T（trillion）。

“每年全球車輛行駛的里程大概是13萬億英里，猜一下現在自動駕駛的里程占比是多少？他目光掃過在場的媒體，“0.006%，基本上可以忽略不計。”

“但我們堅信未來的每一英里都會變成自動駕駛。”吳新宙說。他提到黃仁勛經常引用的比喻：自動駕駛已經到了ChatGPT時刻，“我們感覺能夠看到L4的曙光了。”

他表示，自動駕駛將是物理AI領域最早實現大規模量產落地的場景，并向第一財經等媒體解讀了英偉達輔助駕駛背后的“五層蛋糕”以及L4級自動駕駛發展路線圖。在采訪中，吳新宙還回應了包括與車企自研芯片的競爭、是否搭載激光雷達以及近期行業熱議的是否跨過L3直接進入L4等話題。

輔助駕駛的“五層蛋糕”

今年GTC前夕，吳新宙和英偉達創始人兼首席執行官黃仁勛共同乘坐一輛輔助駕駛汽車前往舊金山，搭載了英偉達全棧輔助駕駛軟件平臺DRIVE AV。接著，英偉達推出推理VLA（視覺動作語言）模型Alpamayo 1.5，并宣布與Uber、比亞迪、吉利等廠商在L4或Robotaxi方面的合作。

在今年北京國際車展期間，英偉達與多家汽車制造商及 DRIVE 生態伙伴集中展示了智能汽車領域的最新進展。除了與奇瑞汽車圍繞輔助駕駛、座艙 AI 與機器人等展開合作外，在智能駕駛層面，英偉達分別與德賽西威、小馬智行深化合作；在座艙 AI 上，阿里巴巴通義大模型事業部將千問?Omni 全模態大模型部署于NVIDIA DRIVE平臺上。此外，聯想車計算也推出了搭載 NVIDIA DRIVE AGX Thor 的智算平臺 AI Box，加速物理 AI的落地。

不論從什么層面看，英偉達在今天都不再只是一家輔助駕駛芯片供應商。

吳新宙告訴記者，黃仁勛對自動駕駛非常有感情，可以說有點“小執著”。

“他很早之前就看到，自動駕駛是物理AI中相對簡單的一塊，而且可以大規模量產。物理AI一定會推動第四次工業革命，它會導致生產力指數級增長。”吳新宙說，這種執念是基于對未來的清晰理解。

英偉達的汽車業務啟程于10年前。2017年，英偉達提出了端到端解決方案。到了今天，英偉達汽車業務變得更龐大，吳新宙更愿意用“五層蛋糕”來形容這個體系。

他詳細解釋了英偉達輔助駕駛的“三臺計算機”框架和“五層蛋糕”服務體系：“三臺計算機”包括車端運行的推理計算機、云端用于模型訓練的訓練計算機，以及經常被忽略但如今至關重要的仿真計算機。基于這“三臺計算機”構建的“五層蛋糕”，目的在于讓車廠和開發者能基于英偉達平臺更容易地開發輔助駕駛技術。

這“五層蛋糕”揭示了英偉達在輔助駕駛領域的生態位，也藏著英偉達物理AI的野心。在第一層的硬件層，英偉達定義了面向L4級自動駕駛的標準平臺Hyperion，集成多模態傳感器和集中式計算套件并提供自動駕駛模型所需能力。吳新宙說，其團隊現在最重要的事情之一，就是盡量使所有車廠盡快上Hyperion平臺。向上延伸則是操作系統與平臺軟件層，英偉達正在擴充Halos安全系統，加入SDK、傳感器和車輛的擴展層等。

“蛋糕”的下一層是英偉達的開放模型Alpamayo、仿真工具及數據集。吳新宙說，Alpamayo繼承了基礎模型對物理世界的深刻理解，通過8萬小時的駕駛數據進行微調，下一版本預計在6月推出。

輔助駕駛范式從模塊化至端到端的轉變讓仿真變得重要，英偉達也進入了這個環節。英偉達通過仿真產生一些合成數據。吳新宙解釋，在輔助駕駛1.0時代，系統可以按感知、規劃、控制等模塊分別驗證，但在端到端時代，模型直接“像素進、軌跡出”，驗證新模型需要重建物理世界的能力。英偉達現在每天可以進行200萬次場景驗證，大幅提升效率。

在第四層的應用層，英偉達對奔馳、Lucid等深度合作伙伴提供從底層硬件到上層應用的整套方案，融合端到端模型和經典規則算法。蛋糕最頂層的基礎設施則是云端訓練和仿真工具鏈，Omniverse 庫和Cosmos 世界基礎模型能生成準確且多樣的傳感器數據，加速輔助駕駛開發。

“對于全套解決方案團隊，很重要的一件事是做從L2++到L3、L4的遷移。L3和L4非常重要的是要有冗余能力，例如L4會加激光雷達來確保安全。”吳新宙解釋。

吳新宙還向在場的媒體公布了英偉達L4級自動駕駛發展路線圖：2025年完成與奔馳合作的首次量產交付；2026年在美國推進L2++的規模化落地；2027年與谷歌合作在部分城市開始L4試點；2028年攜手Uber在洛杉磯奧運會期間提供無人駕駛服務，并計劃覆蓋20到30個城市。

“這條路的機會已經比較清晰了。”吳新宙說，技術已經到了能看到L4即將發生的節點。從經濟性看，每一英里自動駕駛解決方案的經濟價值未來將在1~2美元之間，不論是對英偉達還是對其他廠商來說，這都是一個很大體量的生意。

車企自研芯片不是零和博弈

黃仁勛和英偉達的相關負責人已多次釋放對輔助駕駛的信心，認為輔助駕駛在技術上沒有明顯卡點，當前需要的是在工程化上推動規模化和商業化落地。

吳新宙也表達了相似的觀點。“沒有大的技術瓶頸，看不到很大的技術卡點。L3和L4的技術難度差別也并不大。”他告訴媒體。

近期Robotaxi的快速鋪開拉高了業界對L4級自動駕駛的期待。黃仁勛也在3月的GTC上表示，未來Robotaxi的數量將難以置信。與此同時，相比完全自動駕駛的L4，L3要求駕駛員及時接管，業界圍繞權責問題多有議論。是否要直接跳過L3走向L4，成為擺在自動駕駛廠商面前的問題。

吳新宙在對話中談到他的想法。“是不是要跳過L3是見仁見智的問題。對L3來說，如果要求駕駛員10秒內接管，這10秒已經可以發生無窮多的事，而車需要負完全責任，10秒變成60秒或更長時間并沒有本質區別。”吳新宙說，L3的好處則在于，已經能在一定程度上解放人力。雖然駕駛員不能睡覺，但可以適當玩手機，這可能也是一種剛需。

相比之下，吳新宙認為，L4更需要的是龐大的云端遠程操控能力作為后援，這對量產車廠商而言成本高昂。“至少在短期內，L3是有價值的，L4也沒那么容易做，兩者很可能會長期并存。”

此前輔助駕駛路線分化為純視覺路線和多傳感器融合的路線，前者不使用激光雷達。但隨著L4級自動駕駛更加臨近，激光雷達作為一種安全冗余，得到了更多重視。

吳新宙的想法是，L2++輔助駕駛是否需要激光雷達是見仁見智的問題，他是堅定的視覺派，認為視覺上限高且像素密度遠高于激光雷達，但對于L3和L4級自動駕駛系統而言，激光雷達還是重要的一環。

吳新宙透露，英偉達在基礎版的Hyperion平臺中并未包含激光雷達，但已在與歐美廠商合作，尋找穩定的激光雷達供應商，以確保高階輔助駕駛的安全性。

至于車端芯片算力要提升到什么程度才夠用，有觀點認為下一代輔助駕駛需要5000 TOPS的恐怖算力。吳新宙現場沒有給出一個確定的數字，而是指出了幾個對算力有指數級需求的維度：傳感器的分辨率、處理幀率以及模型處理的長時序長期記憶的能力等等。

他強調，英偉達的目標是在不顯著增加成本和功耗的前提下持續提升車端推理能力。“到底什么時候封頂我并不確定，但我只能告訴你，我們下一代的芯片正在往那個方向去走。”

英偉達深度布局輔助駕駛生態，一些客戶同時也可能是英偉達的競爭者。在今年北京國際車展上，多家車企展示了自研芯片。面對這一行業趨勢，吳新宙引用黃仁勛的話，“我們不指望你們買我們所有的東西，但我們也不希望你們什么都不要我們的。”

他舉了特斯拉的例子，即便馬斯克在早期用了英偉達的芯片后轉身自研，兩家公司的合作從未中斷。在他看來，自研芯片與采用英偉達方案不是零和博弈，而是一個共存共生的生態關系，只要整個行業在向前奔跑，能從這“五層蛋糕”的某些層級中受益，英偉達就能在其中找到自己的位置。

至于車端“大腦”的形式，吳新宙談到，車本身就是一個機器人，他認為汽車未來不需要兩個“大腦”，AI在與人交互的部分和輔助駕駛的部分，未來都會走向集成化的方向。這不一定意味著座艙和輔助駕駛使用同一顆芯片，但AI可能會在硬件之間共享。他已經能看到這個趨勢。

吳新宙還觀察到，物理AI的熱度已經從汽車蔓延到了更多領域。他笑稱，國內很多同行都轉去做機器人。“現在機器人還是在中國更熱鬧一些，讓人非常激動，可以理解為什么大家現在都感覺回到了10年前新能源車企當時的狀態。”他表示，做機器人比做輔助駕駛復雜得多，但現在大家可能會小看邁向輔助駕駛最后一步的重要性，而他自己作為深度參與中國輔助駕駛產業的技術老兵，現在有機會將中國經驗通過英偉達平臺進行全球化放大。