在圣何塞的墨西哥裔社区街头，一辆搭载英伟达L2++智能驾驶方案的全新奔驰CLA量产车平稳行驶，车内坐着英伟达智驾团队成员、安全员以及媒体记者。在经历了两天GTC大会密集信息的冲击后，这段看似平常的40分钟试驾，却暗藏着英伟达在智能驾驶领域的宏大布局。
与国内智能驾驶试驾偏好重庆、成都这类交通复杂地段不同，此次圣何塞的试驾路线显得波澜不惊。然而，平静之下，英伟达在智能驾驶行业的野心正汹涌澎湃。试驾过程中，车辆的智能驾驶表现有不少亮点。在四向停路口，车辆准确识别并遵循美国复杂的路权规则，按先到先得顺序，稳稳通过；遇到高速变道带，提前减速，以平滑节奏完成变道，如同经验丰富的老司机。不过，在一个行人距离尚远的人行横道前，系统判断可通行，车未停下，安全员却自然地踩下刹车让行人先行，这一场景凸显出系统与人类驾驶在“礼让感”上的差异，系统虽符合规则，却缺乏人类那种“超出规则的礼让”。
试驾前一天，在GTC会场，英伟达汽车业务副总裁Ali Kani介绍了过去一年英伟达在智能驾驶领域的三大成果。其一，将推理能力引入汽车领域。英伟达开源的Alpamayo视觉语言模型内置推理机制，遇到未训练场景，会把问题拆解成小步骤，选择最安全结果。该模型在Hugging Face机器人领域发布几个月内下载量超15万次，排名第二。其二，开源仿真基础设施。NuRec神经重建工具在本届GTC正式开源，它能从真实路测数据重建三维场景，结合Cosmos合成数据生成工具，每晚可对Alpamayo进行数百万次测试，弥补训练数据不足。其三，推出Halos OS。这是英伟达发布的“经典安全栈”，端到端模型是黑盒，出现问题难溯源。Alpamayo每次行驶输出10条候选轨迹，Halos逐一审查，剔除不安全轨迹，从剩余中选最舒适轨迹执行。若10条轨迹均不安全，经典栈直接接管。搭载英伟达全栈方案的奔驰CLA，凭借此架构获得Euro NCAP 2025年度最佳表现奖，在49款参测车型中综合评分最高。
理解英伟达在自动驾驶领域的商业模式，关键在于“三台电脑”框架。自动驾驶完整链路涉及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，但不强制使用自家产品。以特斯拉为例，它是英伟达在汽车领域最大客户，但车内用自研FSD芯片，仅向英伟达购买训练算力和仿真算力。Ali表示，训练和仿真算力市场规模远大于车载芯片，即便开源模型，商业模式依然健康。开源的Alpamayo是“教师模型”，车企需针对自身传感器配置和目标车型做大量蒸馏适配，这正是英伟达为各OEM提供的核心服务。
在此基础上，英伟达还有更大野心——Hyperion。这是一套L4参考架构，目标类似当年PC产业的主板规格标准，让所有OEM在Hyperion上造车，智能驾驶公司在其上写软件，出行服务商在其生态里采购车辆和软件。当产业生态建立在这个平台，推进速度将大幅提升，各方无需从头验证兼容性。本届GTC上，这一战略取得标志性进展：Uber宣布采购10万辆Hyperion兼容车辆，与英伟达合作在全球28座城市、4个大洲推进L4出行服务；英伟达还将用Cosmos数据工厂为Uber搭建整套数据处理管线，供其AV软件合作伙伴获取真实路测数据训练。
谈到中国市场，Ali指出中国车企是英伟达Cosmos和NuRec使用量最高的群体。本届GTC上，英伟达宣布与吉利、比亚迪合作推进双Thor芯片 + Hyperion架构的新车，硬件层面已为L4做好准备，何时使用、如何使用由OEM决定。对于L4落地乘用车的时间，Ali猜测大概在2028年前后，且顺序是Robotaxi先行，因为其风险由运营公司承担，而乘用车面对普通消费者。他还提到，中国的百度、小马智行、文远知行已在跑商业化Robotaxi，体验不错。当被问及英伟达对中国市场有无专项目标时，Ali表示，英伟达专注把产品做好，与优秀公司合作，机会自然会来。
