在圣何塞的墨西哥裔社区，一场看似平常的试驾体验，却悄然展现出英伟达在智能驾驶领域的宏大布局。记者与英伟达智驾团队及安全员一同，乘坐搭载英伟达L2++智驾方案的全新奔驰CLA量产车，开启了一段约40分钟的市区试驾之旅。与国内智驾试驾偏好重庆、成都等交通复杂地段不同，圣何塞的这段行程显得波澜不惊，却也正是这种平静，掩盖不住英伟达在智驾行业暗藏的汹涌野心。
试驾过程中，车辆的多个表现细节令人印象深刻。在四向停路口，美国复杂的路权规则要求车辆按先到先得顺序通行，多车同时停下时依赖礼让和眼神博弈。而这辆搭载英伟达智驾方案的车辆，不仅能准确识别四向停路口，还能清晰判断通行顺序，稳稳驶过。遇到更高速的变道带时，车辆会提前减速，以平滑的节奏完成换道，如同经验丰富的老司机。然而，在一个行人距离尚远的人行横道前，系统判断可通过，车辆继续前行，此时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虽逻辑正确，但缺乏人类驾驶中“超出规则的礼让感”，呈现出一种机械的礼貌。
试驾前一天，记者在GTC会场与英伟达汽车业务副总裁Ali Kani进行了约30分钟的专访。Ali介绍了英伟达过去一年在智驾领域的三大成果。其一，是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，遇到未训练过的场景，会将问题拆解为小步骤，选择最安全的结果。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。本届GTC正式开源的神经重建工具NuRec，能从真实路测数据重建三维场景，结合合成数据生成工具Cosmos，每晚可对Alpamayo进行数百万次测试，无限逼近真实场景。其三，推出Halos OS，这是英伟达本届GTC发布的“经典安全栈”。端到端模型作为黑盒，出现问题难以溯源，Alpamayo每次行驶会输出10条候选轨迹，Halos的任务是对这10条轨迹逐一审查，剔除不安全的，在剩余轨迹中选择最舒适的执行。若10条轨迹均不安全，经典栈将直接接管。搭载英伟达全栈方案的奔驰CLA，凭借此架构获得了Euro NCAP 2025年度最佳表现奖，在当年参测的49款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。Ali解释道，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电脑都做，但不强制都使用自家产品。以特斯拉为例，作为英伟达在汽车领域的最大客户，特斯拉车里使用自研FSD芯片，却向英伟达购买训练算力和仿真算力。Ali表示，训练和仿真算力的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”，各OEM需针对自身传感器配置和目标车型进行大量蒸馏适配，这正是英伟达为各OEM提供的核心服务。
在“三台电脑”框架之上，英伟达还有更大的野心——Hyperion。Hyperion是一套L4参考架构，目标如同当年PC产业的主板规格标准，让所有OEM在Hyperion上造车，智驾公司在其上写软件，出行服务商在其生态里采购车辆和软件。如此一来，产业各方无需从头验证兼容性，推进速度将大幅提升。本届GTC上，这一战略有了标志性案例：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。同时，英伟达将用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用于训练。
谈及中国市场，Ali指出中国车企是英伟达Cosmos和NuRec使用量最高的群体，对仿真和神经重建工具使用最为积极。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。至于何时使用、如何使用，由OEM自行决定。当被问及L4落地乘用车的时间，Ali猜测大概在2028年前后，且顺序将是Robotaxi先行，因为Robotaxi的风险由运营公司承担，而乘用车面对的是普通消费者。他还提到，中国的百度、小马智行、文远知行已在开展商业化Robotaxi运营，且体验良好。对于中国市场是否有专项目标，Ali表示英伟达专注于做出最好的产品，与优秀公司合作，机会自然会来。
