英伟达汽车事业部副总裁吴新宙有一个特别的习惯：每隔半年，他会邀请公司首席执行官黄仁勋体验搭载最新脱手自动驾驶系统的车辆。不过，这种邀请并非随意为之，只有当他对系统的可靠性充满信心时，才会发出邀请。最近一次，两人乘坐的是一辆奔驰CLA轿车，搭载了英伟达参与开发的MB.Drive Assist Pro系统，从加利福尼亚州伍德赛德一路驶向旧金山市中心。
尽管当时交通拥堵，但车内氛围轻松。黄仁勋在乘车过程中对吴新宙说：“切入自动驾驶模式时告诉我一声，我就不用那么担心安全了。”这段22分钟的视频显示，车辆顺利应对了施工路段、违停车辆以及被路锥挤出的狭窄车道等复杂路况。英伟达发言人杰西卡·苏亚雷斯后来证实，全程无需人工接管，系统表现稳定。不过，视频经过剪辑，并非实时记录。
英伟达在自动驾驶领域的野心早已显露。这家公司不仅为特斯拉等企业提供芯片，还向奔驰、捷豹路虎、Lucid等合作伙伴输出自研的AI驾驶功能。今年早些时候的国际消费电子展上，黄仁勋发布了Alpamayo——一套整合AI模型、仿真蓝图和数据集的解决方案，旨在实现L4级自动驾驶，即在特定条件下完全自主行驶。他将这一发布称为“实体AI的ChatGPT时刻”。
与吴新宙同车时，黄仁勋显得低调而深思，但对技术前景依然乐观。他坦言，Alpamayo虽然智能，能够对环境做出推理判断，但“我们并不知道它做不到什么”。这正是挑战所在，也是传统技术栈依然重要的原因。黄仁勋强调，英伟达的自动驾驶方案“独一无二”，因为它将端到端AI模型与传统人工工程化的“经典”技术栈结合，既保留了接近人类的驾驶风格，又确保了基于道路规则的安全框架。
不过，这一说法并非完全无人质疑。其他自动驾驶企业也在采用类似策略，例如Waymo使用混合系统，特斯拉则完全依赖端到端神经网络。但黄仁勋认为，纯端到端模型的安全验证难度较大，而传统技术栈遵循成熟的工程规范，更容易验证行为安全性。吴新宙补充说，端到端模型在处理减速带、变道等场景时更自然，不会显得机械僵硬，这正是用户愿意使用自动驾驶的关键。
当被问及英伟达方案与特斯拉FSD的对比时，吴新宙没有直接评价特斯拉的安全记录，而是强调了英伟达的多传感器融合优势。英伟达的系统不仅使用摄像头和雷达，还搭载了超声波传感器，高配版本甚至配备激光雷达。他认为，感知技术的冗余性与多样性对处理极端场景至关重要。尽管激光雷达增加了成本，但吴新宙表示，英伟达的垂直整合方案能以尽可能低的成本实现所需的安全性能。
英伟达的DRIVE Hyperion平台支持多种配置：基础版主要依赖摄像头与雷达，性价比更高；若要实现更高等级自动驾驶，可加装激光雷达。吴新宙认为，随着激光雷达成本下降，售价在4万至5万美元区间的车型未来完全可能搭载全套传感器。这一观点为自动驾驶技术的普及提供了新的可能性。
在数据积累方面，特斯拉凭借庞大的用户车队拥有数十亿英里实车驾驶数据，Waymo则在公共道路上累积了近2亿英里完全自动驾驶里程。英伟达如何追赶？吴新宙的答案是仿真。英伟达通过两条路径实现：一是神经重建，利用车辆采集的传感器数据复现真实驾驶场景；二是数据增强，在重建场景中修改元素，测试系统在不同环境下的表现，并找出罕见极端案例。例如，工程师可以让行人出现得更快、更慢或出现在不同位置，从而扩充数据集。
英伟达还从合作伙伴处获取行车记录仪视频用于仿真训练，并复现Waymo事故中的极端场景，如停电，以训练系统避免堵塞路口。吴新宙的团队正在研发视觉-语言-动作模型，将视觉感知、语言理解与物理动作整合在统一架构中，依托已在互联网级数据上训练好的大基础模型。他将其比作驾校学习：“我们教孩子开车时，他们先学交规，再上路练20个小时。通常一开始开得就不差，当然，经验需要慢慢积累。最终我们希望模型也能这样：未来，只靠一本交规和20小时训练数据，它就能学会开车。”
