在圣何塞的墨西哥裔社区，一场看似平静的试驾体验，却暗藏着英伟达在智能驾驶领域的勃勃野心。记者与英伟达智驾团队及安全员一同登上全新的奔驰CLA量产车，开启了一段约40分钟的市区试驾之旅。两天高强度的GTC大会信息轰炸后，这辆A级车内的空间虽不宽敞，却难得地让人感到平静。
与国内智驾试驾偏好重庆、成都等交通复杂地段不同，圣何塞的试驾路线显得波澜不惊，恰如西海岸人们悠闲的生活节奏。当被问及试驾体验时，记者坦言“缺乏挑战”。英伟达智驾团队成员回应称，这正是贴近美国人日常通勤的真实状况，符合美国国情。然而，在这平静的表象之下，英伟达在智能驾驶行业的布局正暗流涌动。
试驾过程中，车辆的智能驾驶表现既有亮点，也暴露出一些机械化的局限。在四向停路口，车辆准确识别路况并判断通行顺序，稳稳驶过；遇到高速变道带时，提前减速的节奏平滑自然，宛如经验丰富的老司机。但在一个人行横道前，系统判断行人距离较远，决定继续通行，安全员却本能地踩下刹车，让行人先行。这一场景凸显出当前智能驾驶系统虽能遵循规则，却缺乏人类那种“超出规则的礼让感”，显得礼貌而机械。
试驾前一日，极客公园在GTC会场专访了英伟达汽车业务副总裁Ali Kani。他透露，过去一年英伟达在智能驾驶领域取得三项重大突破。首先是引入推理能力，开源的视觉语言模型Alpamayo内置推理机制，面对未训练场景时，能将问题拆解并选择最安全的结果。该模型在Hugging Face机器人领域发布数月内下载量超15万次，位居第二。Ali表示，目前中国车企尚未拥有此类推理模型，仍处于研发阶段。
其次是仿真基础设施的开源。神经重建工具NuRec在GTC上正式开源，它可从真实路测数据重建三维场景，结合合成数据生成工具Cosmos，每晚对Alpamayo进行数百万次测试。Ali强调，尽管无法穷尽所有可能场景，但仿真技术可无限逼近现实。
第三项突破是Halos OS的发布。作为“经典安全栈”，Halos OS与端到端模型并行运行。端到端模型输出10条候选轨迹后，Halos逐一审查，剔除不安全轨迹，并在剩余选项中选择最舒适的执行方案。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因此获得Euro NCAP 2025年度最佳表现奖，在49款参测车型中综合评分最高。
英伟达在自动驾驶领域的商业模式可概括为“三台电脑”框架：云端训练计算机、测试计算机和车载计算机。英伟达的策略是全面布局，但不强制三台计算机均使用自家产品。以特斯拉为例，作为英伟达在汽车领域的最大客户，特斯拉采用自研FSD芯片，但向英伟达购买训练和仿真算力。Ali指出，这两块市场规模远大于车载芯片，即使模型开源，商业模式依然稳健。开源的Alpamayo仅是“教师模型”，车企需根据自身传感器配置和车型进行大量适配，这正是英伟达为OEM提供的核心服务。
在“三台电脑”框架之上，英伟达还有更大布局——Hyperion。这是一套L4参考架构，旨在成为智能驾驶领域的“主板规格标准”：OEM基于Hyperion造车，智驾公司在其上开发软件，出行服务商在生态内采购车辆和软件。Ali表示，产业生态建立在此平台上后，推进速度将大幅提升，各方无需从头验证兼容性。GTC上，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搭建数据处理管线，供其AV软件合作伙伴获取真实路测数据。
谈及中国市场，Ali观察到中国车企是英伟达Cosmos和NuRec工具使用量最高的群体。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。至于何时应用及如何应用，由OEM自行决定。当被问及L4乘用车落地时间时，Ali猜测可能在2028年前后，并强调Robotaxi将先行落地，因其风险由运营公司承担，而乘用车需面对普通消费者。他补充称，中国的百度、小马智行、文远知行已在运行商业化Robotaxi，且体验良好。
对于中国市场，Ali表示英伟达不设定具体收入目标，而是专注于打造优质产品，与优秀企业合作。“如果做到了，机会自然会来。”他说。
