作者 |德新

編輯 |王博

英偉達汽車業務的天花板，不在一輛車賣幾顆芯片，而在每年十萬億英里級的道路里程，有多少最終跑在它的技術棧上。

2023年8月，吳新宙從小鵬離職加入英偉達，擔任汽車業務的全球負責人，直接向黃仁勛匯報。

時隔兩年多后，在英偉達北京辦公室，我們再次見到了吳新宙。

這是他加入英偉達之后，第二次公開的媒體溝通。

上一次還是在2024年的北京車展。相比上屆北京車展，當時英偉達的DRIVE Thor正值裝車量產前夜，業內除了特斯拉，大部分公司基于大模型的端到端輔助駕駛還沒開發出來。

但兩年后，中國輔助駕駛市場已經發生了翻天覆地的變化，隨著城區輔助駕駛的普及，Thor的裝車量以及車企投入輔助駕駛的數據中心算力也水漲船高。

2024年當年度也是英偉達的關鍵一役。隨著AI迅猛發展，英偉達的市值，這年從1萬億美金跨到了年底超過3萬億美金，如今更是超過了5萬億美金。

從汽車業務側，在吳新宙率隊開發一年多之后，英偉達自研的輔助駕駛技術棧DRIVE AV向奔馳交付。英偉達如今有將近4000人的團隊，在同時向著L2+、L3以及L4自動駕駛推進。

此時的新宙，無疑比當時更加游刃有余。

他認為當前L4已經沒有重大的技術卡點，隨著大語言模型以及推理能力出現，解決了很多技術門檻。今天看L4，更多是一個需要軟硬件協同，以及實現極高安全性的龐大系統工程。

根據英偉達的時間表，其計劃在2027年與Uber合作推出L4的試點；2028年在洛杉磯奧運會期間，其將開始對外提供L4無人駕駛服務，并計劃在當年推廣至20 - 30個城市。

在L2+上，英偉達今年將和奔馳在全美落地類FSD的點到點城區輔助駕駛，并拓展到歐洲等其他地區。繼全新CLA之后，奔馳在中國區之外的車型將大規模采用英偉達的方案。

至于L3自動駕駛，新宙認為L3、L4在能力要求上，并沒有太大的差別，但支持城區的L3和支持高速的L3有很大不同；由于L4要大規模運營起來難度很大，所以他認為在一段時間內L3、L4將會共存。

一、Reasoning VLA，英偉達智駕從硬件走向全棧

今年初，黃仁勛在CES上宣布了英偉達與奔馳的合作進展。

英偉達的輔助駕駛系統，稱為DRIVE AV。

已經向奔馳交付的L2+版本，計算平臺基于英偉達DRIVE Orin，配合視覺為主的感知方案，沒有激光雷達；今年在這套硬件上，新宙團隊將推出類FSD的城區點到點功能。

DRIVE AV同時運行了基于端到端模型以及傳統規則算法的兩套技術棧。前者有利于摸高探索更高的技術上限，而后者能夠兜底保障有較高的安全性。新宙認為團隊還有更重要的使命是向L3、L4遷移，這樣的架構也有利于向更高級別自動駕駛擴展。

DRIVE AV的模型目前正處于快速迭代當中。據新宙透露，在這代技術棧開發的一年多時間里，模型迭代了3500多個版本。最新的進展，相當于當前每天有10個新版本的模型生成，團隊現在使用的算力規模，相當于6萬張卡。

除了奔馳之外，捷豹路虎以及Lucid也已經確定將會搭載英偉達全棧方案DRIVE AV，另外還有幾家車企正在洽談之中。

與當時奔馳的合作官宣一道，CES時黃仁勛還發布了輔助駕駛開放模型Alpamayo。Alpamayo隨后在GTC上推出了1.5版本，并在COMPUTEX上推出2.0版本。

Alpamayo取自秘魯的一座雪山，山峰以陡峭的冰雪地形聞名，登頂難度極高。

Alpamayo的模型主干（backbone）來自英偉達的世界基座模型Cosmos蒸餾獲得，再用了8萬個小時的駕駛數據進行訓練；Cosmos作為基座模型，是基于互聯網的海量數據訓練，包含了推理、預測等模塊，8萬小時的駕駛數據相當于在前述模型能力的基礎上進行的一次微調。

Alpamayo的關鍵是把輔助駕駛納入了英偉達的世界模型主線，它的底座來自Cosmos，說明它繼承了英偉達在世界模型上的能力；傳統端到端直接從傳感器輸入到軌跡輸出，Alpamayo則試圖在中間加入一層可解釋的物理世界推理，它又是一個VLA，也就是 Vision-Language-Action 模型。

新宙告訴我們，現在量產的DRIVE AV跟Alpamayo也是同源的。

在智能駕駛方案供應稀缺的歐美市場，英偉達目前可以說是這個市場少數真正嚴肅的玩家。由于DRIVE AV的算法研發團隊大部分位于英偉達總部所在的硅谷，FSD的迭代無形中也會給團隊施加壓力，團隊希望借新的技術路線，盡快追趕特斯拉FSD。

二、L4的雄心：把每年13萬億英里的里程，變成自動駕駛

隨著2027財年第一季度財報公布，英偉達的披露有一項值得關注的調整，就是業務披露口徑上，從過去游戲、汽車、專業視覺等終端應用市場，改成了「數據中心」與「邊緣計算」兩大邏輯。

對汽車業務來講，這可能是一個能更好反映業務增長的選擇。

因為按照過去的計算方式，即使一片英偉達DRIVE Thor X賣1000美金，即使按照每年出貨200萬片計算，這部分收入總和在20億美金/年，這在英偉達當前單季就超過800億美元的收入中也只相當于滄海一粟。

這樣的計算方式，忽略了車企搭建數據中心的巨額投入。

比如特斯拉持有Cortex 1和Cortex 2集群，合計約有等效20萬張級別的H100，這兩個集群僅裸卡的價值就達到50 – 80億美元。除了特斯拉之外，在自動駕駛蓬勃發展的中國市場，車企和自動駕駛公司都在大規模興建/租用算力集群；僅僅租賃費用，頭部供應商每年得花10億元級別。

在英偉達內部，新宙團隊除了布局L2+開發之外，也在同時開發L3和L4方案，這反映了英偉達汽車業務的訴求并不是做「又一家輔助駕駛方案供應商」。

他有一個簡單的測算，全球每年車輛行駛的總里程在13萬億英里級別（13 Trillion Miles），英偉達的最終目標是幫助車企將這10萬億英里級的里程，變成自動駕駛里程。

他說，最終客戶未必都是用英偉達全套的方案，但是就像老黃說的「或多或少用一點我們的技術」。目前，奔馳、Lucid以及Stellantis都已經與英偉達官宣了在L4 Robotaxi上的合作。

英偉達預計在明年與Uber一起推出L4 Robotaxi的試點，并計劃在2028年洛杉磯奧運會期間推出L4 Robotaxi服務，并在當年推廣至20 - 30個城市。

如果L2+業務是賣的是芯片和軟件，在L4上英偉達有更多可以提供的套件：車端芯片、數據中心、世界模型、仿真、L4的軟件與生態。

過去外界看英偉達的汽車業務，常常看到的是DRIVE Orin、Thor 這些車端芯片能賣多少。但在吳新宙的敘事里，汽車業務真正的上限，已經不再是「一輛車裝幾顆芯片」，而是全球每年十萬億英里級別的行駛里程，最終有多少會被 AI 接管。

三、物理AI的未來：自動駕駛還是具身智能？

自動駕駛是物理AI的一支，吳新宙也不可避免被問到另一個更熱的方向，具身智能和機器人。

他坦言，現在確實有很多「同行兄弟」已經轉去機器人，但自己仍然選擇留在自動駕駛。原因很直接：他曾經在中國推動過上一輪自動駕駛的發展，如今在英偉達這個平臺上，有機會把這些經驗放大到全球市場。

在他看來，機器人和自動駕駛本質上都是物理AI的重要組成部分，都會在即將到來的「第四次工業革命」中，給生產力帶來指數級的提升。

機器人比汽車更復雜，但隨著大模型和推理能力突破，很多過去很難跨越的技術門檻正在被打開，這也是機器人過去兩年快速升溫的原因。

但至少今天汽車可能仍然是物理AI，最清晰、也最接近規模化兌現的場景，機器人還在尋找足夠大的量產切口。

汽車已經有成熟的供應鏈、十億級的終端以及明確的付費方，從 L2+到 L4的演進路徑也逐漸清晰。全球每年十萬億英里級別的道路行駛里程，本身就是一個巨大的數據和商業閉環。

這也是英偉達重新定義汽車業務的核心：它不再只是一輛車上能賣幾顆Thor芯片，而是把數據中心+車端計算、世界模型+仿真系統以及自動駕駛軟件開放出來，希望成為車企打通物理AI的基礎設施。

如果說過去十年，數據中心是英偉達的主戰場。那接下來，汽車可能就是英偉達把 AI 推向物理世界的第一條主干道。車端的 Orin、Thor 只是入口，背后的數據中心和軟件棧，才是更大的生意。