英伟达自动驾驶负责人谈其超越Waymo和特斯拉的计划
英伟达汽车业务负责人吴新洲近日透露，公司正通过结合端到端AI模型与传统工程系统，推动自动驾驶技术发展。近期，吴新洲与CEO黄仁勋在加利福尼亚州伍德赛德至旧金山市区的22分钟行程中，驾驶一辆配备MB.Drive Assist Pro系统的梅赛德斯-奔驰CLA轿车，展示了其自动驾驶系统的实际表现。
据视频记录，该系统在复杂交通环境中成功应对施工区域、双排停车及锥桶窄道等障碍。英伟达发言人杰西卡·索雷斯表示，行程中未发生任何系统脱离（disengagement）。吴新洲称，端到端模型能够更自然地响应减速带或变道，驾驶体验“更自信”，从而增强用户使用意愿。
英伟达正通过Alpamayo平台提供L4级自动驾驶解决方案，涵盖AI模型、仿真蓝图和数据集。黄仁勋将此举称为“物理AI的ChatGPT时刻”。公司采用独特混合架构，融合端到端AI与传统工程栈，以兼顾灵活性与安全性。尽管业内其他企业也采用类似混合模式，但英伟达强调其系统在人类驾驶风格与安全规则之间取得平衡。
为弥补真实路测数据不足，英伟达依赖仿真训练，采用神经重建（NuRec）和数据增强技术，模拟行人突然出现、交通灯故障等极端场景。公司还获取合作伙伴的行车记录仪数据，并重建Waymo机器人出租车在旧金山停电期间阻塞路口等事件，训练系统应对突发状况。
在传感器配置上，英伟达DRIVE Hyperion平台支持多级配置。基础版本仅使用摄像头和雷达，高阶版本加入激光雷达。吴新洲认为，随着激光雷达成本下降，未来4万至5万美元的车辆有望搭载完整传感器套件。他强调，英伟达的垂直整合模式可实现“最低可行成本”的安全性能。
长期目标是构建“视觉-语言-行动”（Vision Language Action）统一模型，通过规则学习与模拟训练，实现类似人类驾驶培训的AI系统。吴新洲表示：“我们希望模型只需规则手册和20小时训练数据，就能学会驾驶。”
编辑点评
英伟达此次公开其自动驾驶战略，标志着其从芯片供应商向完整解决方案提供商的转型，具有重要国际科技产业意义。当前全球自动驾驶竞争激烈，特斯拉依赖海量真实路测数据，Waymo侧重高成本全传感器方案，而英伟达则试图通过AI模型与仿真训练的结合，开辟第三条路径。这种策略若成功，可能重塑自动驾驶技术路线图，尤其在降低成本与提升安全性之间取得平衡。
其“物理AI的ChatGPT时刻”比喻暗示，自动驾驶正迎来类似生成式AI的范式变革——从规则驱动转向数据与模型驱动。然而，仿真数据能否完全替代真实世界复杂性仍存质疑。英伟达的多传感器冗余设计虽提升安全边际，但也可能限制其在中低端市场渗透，尤其激光雷达成本仍是关键瓶颈。
从地缘政治与产业格局看，英伟达在AI基础设施领域的主导地位正延伸至智能交通领域，其技术输出将影响全球车企的自动驾驶部署节奏。若其方案被主流车企广泛采用，可能加速L4级自动驾驶商业化进程。同时，其数据策略也引发对数据主权与安全的讨论，尤其是在跨国防御性AI系统开发背景下的技术外溢风险。