英伟达在智能驾驶领域的雄心已然显露

这是圣何塞的墨西哥裔社区，想必能找到非常美味的塔可（Tacos）。

我和英伟达智驾团队的人以及安全员，在全新的奔驰 CLA 量产车上，望向窗外，渴望着美国美味的平民美食。

在两天 GTC 2026 大会的密集信息轰炸之后，虽然只是一台 A 级车，但是这不太富裕的空间中，还是出现了少有的平静。

这是英伟达在 GTC 2026 期间为媒体安排的试驾体验——搭载英伟达 L2++ 智驾方案，我们绕着圣何塞市区开了大概 40 分钟。

和国内智驾的试驾，专门喜欢找重庆成都这样交通难度巨高的地段不同，这段圣何塞的试驾显得如此波澜不惊，和西海岸人们的 Chill 生活一样。以至于当英伟达的同学问我体验如何的时候，我只能说「就没什么挑战吧？」

英伟达智驾的同学说，确实，不过这最贴近一个美国人上下班的通勤状况，符合美利坚国情。

但其实，在平静的试驾下，英伟达在整个智驾行业的野心，却波涛汹涌。

有礼貌，但是机械的礼貌

坐进车里，主驾是英伟达的安全员，副驾是英伟达的智驾工程师。车缓缓开上街道，方向盘开始自己转动。

有个细节让我印象很深，那是在一个四向停车路口。美国交通的路权规则挺复杂的，四向停的通行顺序遵循先到先得的原则，要是多辆车同时停下，就得靠相互礼让和眼神交流来判断顺序。作为中国人，我当初开车前花了好一阵子才把这套规则弄明白。可这辆车不仅识别出这是四向停路口，还能准确判断出轮到自己通行的时机——稍作等待后，就稳稳地开了过去。

第二个细节是换道。遇到更高速的变道带，车会提前减速，不是那种「刹一下」的急促感，而是带着预判的、平滑的节奏，和一个经验丰富的老司机很像。

圣何塞街头车流并不湍急｜图片来源：极客公园

但最有意思的，是在一个人行横道前发生的一幕。

路边有行人，但距离并不近。系统判断：可以通过。于是车没有停，继续向前。就在这一刻，安全员一脚踩下了刹车，把车刹住，让行人先过。

这一脚踩得非常自然，熟练得像是早已预料到会发生。

我坐在后座，脑子里浮出一个词：有礼貌，但是机械的礼貌。系统的判断在逻辑上没有错，行人确实还远，按规则它有权通行。但人类开车，面对那种场景，往往会多给一点余量，让对方先走。这种「超出规则的礼让感」，暂时还不在这套系统的字典里。

端到端模型，加上一道「安全防火墙」

在试驾的前一天，极客公园在 GTC 会场和英伟达汽车业务 VP Ali Kani 做了一场约 30 分钟的专访。他告诉我，过去一年英伟达在智驾领域做了三件最引以为傲的事。

第一件，是把推理能力带入了汽车领域。

英伟达推出了名为Alpamayo的开源视觉语言模型，该模型具备独特的推理机制：当面对未经过训练的场景时，它不会直接给出答案，而是先将问题分解为多个小步骤，再从中筛选出最稳妥的结果。据Ali介绍，这款模型在发布后的短短几个月内，在Hugging Face平台的机器人领域下载量就突破了15万次，位居该领域下载量排行榜的第二位。

「在中国，目前还没有哪家车企有推理模型，他们都还在研发。」

第二件，是仿真基础设施的开源。

在本届GTC大会上，名为NuRec的神经重建工具正式宣布开源。该工具能够基于真实路测数据重建三维场景，再搭配合成数据生成工具Cosmos，每晚可对Alpamayo进行数百万次测试。Ali表示：“我们无法将世界上所有可能出现的情况都纳入训练数据，但通过仿真技术，我们可以无限接近这一目标。”

英伟达汽车业务 VP Ali Kani 在试驾车前拍照｜图片来源：极客公园

第三件，也是我认为最关键的——Halos OS。

这是英伟达在本届GTC上发布的「经典安全栈」。端到端模型如同一个黑盒，一旦出现问题便难以追溯根源。Alpamayo在行驶过程中每次会生成10条候选轨迹，而Halos的职责就是对这10条轨迹逐一进行审查：先剔除不安全的，再从剩余的轨迹里挑选出最舒适的来执行。「有时Alpamayo给出的10条轨迹，Halos会提示一条都不可用——这种情况下，经典安全栈就会直接接管。」

这套「端到端模型 + 经典安全栈并行」的架构，已经有了一个标志性验证：搭载英伟达全栈方案的奔驰 CLA，获得了 Euro NCAP 2025 年度最佳表现奖，是当年参测 49 款车型中综合评分最高的。

三台电脑，和一个操作系统野心

理解英伟达在自动驾驶领域的商业模式，有一个关键框架：「三台电脑」。

Ali 解释说，自动驾驶的完整链路涉及三台完全不同的计算机：在云端训练模型的训练计算机，做仿真测试的测试计算机，以及装在车里的车载计算机。

英伟达的策略是三台都做，但不坚持三台都必须是自家的。

这听起来奇怪，但有一个例子可以说清楚：特斯拉。

特斯拉是英伟达在汽车领域的最大客户，不过特斯拉车辆搭载的是自研的FSD芯片，并未采用英伟达的车载芯片。他们向英伟达采购的，是训练算力与仿真算力。“这两块业务的市场规模，要比车载芯片大得多，”Ali表示，“因此即便我们将模型开源，我们的商业模式依旧十分稳健。”

开源的 Alpamayo 也只是一个「教师模型」——你拿到它，还得针对自己的传感器配置和目标车型，做大量蒸馏适配。这个适配工作，正是英伟达帮各 OEM 做的核心服务。「我们帮奔驰做了这件事，但那个成果不是开源的部分。」

奔驰 CLA 试驾车上的英伟达智驾标志｜图片来源：极客公园

在这个框架之上，英伟达还有一个更大的野心，Hyperion。

Hyperion 是一套 L4 参考架构，目标类似于当年 PC 产业的主板规格标准：让所有 OEM 在 Hyperion 上造车，所有 智驾公司在 Hyperion 上写软件，所有出行服务商在 Hyperion 生态里采购车辆和软件。

「当整个产业的生态都建立在这个平台上，推进速度会快很多——任何一方都不需要从头验证兼容性。」

在本届GTC大会上，这一战略迎来了标志性的落地案例：Uber宣布将采购10万辆兼容Hyperion系统的车辆，携手英伟达在全球4个大洲的28座城市推进L4级别的出行服务；此外，英伟达还会通过Cosmos数据工厂为Uber构建完整的数据处理管线，以便Uber的自动驾驶软件合作伙伴获取真实路测数据用于模型训练。

中国市场，和一个 2028 猜测

聊到中国，Ali 说了一个有意思的观察：中国车企是英伟达 Cosmos 和 NuRec 使用量最高的群体。

在我们的仿真与神经重建工具的用户中，中国企业的使用积极性是最高的。在本届GTC大会上，英伟达宣布与吉利、比亚迪展开合作，共同推进搭载双Thor芯片与Hyperion架构的新车项目，该车型在硬件配置上已具备支持L4级自动驾驶的能力。不过，具体的应用时间与场景选择，将由整车厂商自主决定——比如，吉利完全可以将这类车型交付给旗下的出行子公司，用于Robotaxi业务的运营。

聊到L4级自动驾驶技术在乘用车上的落地时间，Ali思索片刻后表示：“大概在2028年前后吧？这只是我的猜测。不过落地顺序肯定是Robotaxi先推进——毕竟Robotaxi的风险由运营公司承担，而乘用车面对的是每一位普通消费者。”他还补充道，国内的百度、小马智行、文远知行等企业已经在开展商业化Robotaxi的运营，“我都体验过，感觉挺不错的。”

我问他，英伟达对中国市场有没有专项目标，比如要从这里获得多少收入？

他摇了摇头：「我们不那样想问题。我们做的是把最好的产品做出来，然后去和每一个好的公司合作。如果做到了，机会自然会来。」