在北京国际车展前夕的英伟达北京会议室里，全球副总裁吴新宙向媒体展示了一张PPT，其中"13万亿英里"的数字被特别标注为"核心指标"。这个数字代表全球车辆年行驶总里程，而当前自动驾驶里程占比仅0.006%。"我们坚信每一英里终将实现自动驾驶。"吴新宙引用黄仁勋的比喻称，行业已迎来"ChatGPT时刻"，L4级自动驾驶的曙光清晰可见。
作为物理AI领域最具商业化潜力的场景，自动驾驶正加速从概念走向现实。吴新宙详细阐述了英伟达构建的"三台计算机"技术框架：车端推理计算机、云端训练计算机和仿真计算机共同支撑起"五层蛋糕"体系。这个覆盖硬件、操作系统、开放模型、应用开发和云端基础设施的完整生态，使车企能够基于统一平台开发不同级别的自动驾驶技术。
在硬件层面，英伟达推出的Hyperion平台已集成多模态传感器和计算套件，成为L4级自动驾驶的标准配置。吴新宙透露，团队当前重点工作是推动更多车企采用该平台。操作系统层则通过扩充Halos安全系统，新增传感器扩展层和车辆接口等模块。开放模型Alpamayo 1.5版本已完成8万小时驾驶数据训练，下一代产品将于6月发布，其物理世界理解能力将显著提升。
仿真技术的突破成为端到端自动驾驶开发的关键。英伟达每日可完成200万次场景验证，通过合成数据生成技术解决数据采集难题。在应用层，公司为奔驰、Lucid等深度合作伙伴提供从硬件到算法的完整解决方案，融合端到端模型与传统规则算法。云端基础设施则依托Omniverse库和Cosmos世界模型，生成高精度传感器数据加速开发进程。
针对L4级自动驾驶路线图，吴新宙公布了具体时间表：2025年与奔驰实现首次量产交付，2026年在美国推进L2++规模化落地，2027年联合谷歌开展城市L4试点，2028年携手Uber在洛杉矶奥运会期间提供无人驾驶服务并覆盖20-30个城市。他强调，每英里自动驾驶解决方案的经济价值未来将达1-2美元，形成巨大市场空间。
面对车企自研芯片趋势，吴新宙认为这并非零和博弈。他以特斯拉为例指出，即使客户自研芯片仍会采用英伟达部分解决方案。在传感器配置上，英伟达采取灵活策略：基础版Hyperion平台不包含激光雷达，但已与欧美厂商合作开发高阶安全冗余方案。对于算力需求，他指出传感器分辨率、处理帧率和模型记忆能力等因素将推动算力持续升级，下一代芯片将在成本功耗可控前提下提升推理能力。
在技术路线选择上，吴新宙认为L3与L4将长期共存。L3虽要求驾驶员10秒内接管，但已能解放部分人力；L4则需要强大的云端远程操控支持，短期内成本较高。对于激光雷达的争议，他表示L2++系统可自主选择，但L3/L4必须配备激光雷达作为安全冗余。当被问及车端"大脑"形态时，他预测辅助驾驶与座舱AI将走向集成化，可能通过硬件共享实现功能融合。
物理AI的热潮正从汽车领域向外扩散。吴新宙观察到国内众多企业转型机器人研发，形成类似十年前新能源汽车的创业氛围。他强调，机器人技术复杂度远高于自动驾驶，但行业不应低估迈向高阶辅助驾驶最后一步的难度。作为深耕中国市场的技术专家，他希望通过英伟达平台将本土经验推向全球市场。
