L4落地前夜，英偉達吳新宙詳解物理AI

2026年北京車展期間，英偉達聚焦物理AI與全棧輔助駕駛兩大核心方向，集中展出覆蓋L2++至L4級的完整技術布局與產業生態成果。在車展前夕，英偉達全球副總裁吳新宙與媒體展開深度交流。

智能汽車本質是輪式機器人，自動駕駛正迎來物理AI驅動的全新迭代，行業正式邁入L4落地前夜。吳新宙表示：“輔助駕駛不是營銷概念，是扎實的工程積累，而端到端大模型是輔助駕駛進化的最終歸宿。車載算力沒有絕對天花板，行業永遠需要更強的AI推理能力。我們做為全行業的生態推動者，期待未來每一英里行駛里程，都能交給輔助駕駛?！?/p>

五層全棧架構，賦能物理AI量產落地

在吳新宙看來，輔助駕駛與通用機器人是物理AI商業化落地的兩大核心載體，其中輔助駕駛更是落地速度最快、最易實現規?；慨a的優質賽道，同時也是未來十年智能出行領域最核心的技術挑戰。

當前全球出行市場規模突破10萬億美元，年度車輛行駛里程高達13萬億公里，但自動駕駛汽車市場復合年增長率僅為32%，行業依舊蘊藏著巨大的增量空間。憑借十余年的賽道深耕經驗，英偉達已搭建起從云端訓練仿真到車端落地部署的完整產業體系。其中，獨創的“五層蛋糕”DRIVE全棧平臺，貫穿輔助駕駛駕駛全鏈路技術環節，成為全球車企落地高階輔助駕駛的核心基礎設施，全方位降低行業量產門檻。

整體來看，該五層架構自上而下、層層賦能，覆蓋輔助駕駛全產業鏈：硬件層依托DRIVE Hyperion統一車輛參考架構，搭配DRIVE AGX Thor車端AI芯片，通過雙冗余計算設計，達標L4級自動駕駛嚴苛的車規安全標準；操作系統層以Halos OS為統一安全底座，集成安全防護、錯誤處理、系統集成等核心能力，筑牢整車輔助駕駛安全防線；模型層搭載迭代升級的Alpamayo開放視覺-語言-動作推理模型，賦予車輛復雜路況識別、因果推理、自主決策的類人駕駛能力；應用層依靠DRIVE AV輔助駕駛軟件棧，全面覆蓋L2++到L4+全等級輔助駕駛功能；基礎設施層則依托Cosmos數據集與Omniverse仿真平臺，搭建起數據采集、場景仿真、模型迭代的完整閉環，持續反哺車端輔助駕駛能力升級。

依托完善的全棧架構，英偉達核心產品實現能力全面升級，精準適配高階輔助駕駛量產需求。其中，基于Blackwell架構打造的DRIVE AGX Thor芯片，最高算力可達2000 TFLOPS，其大語言模型推理性能較上一代Orin芯片提升20倍以上，車輛實時控制CPU性能提升2.3倍，完美支撐車載大模型規?；宪?。在安全層面，Halos OS構建起“AI模型+經典規劃”的雙重安全體系，當車載AI決策觸及安全邊界時，傳統安全軟件棧可即時介入，完成制動、避讓等兜底操作。與此同時，全新迭代的Alpamayo 1.5模型登頂LingoQA輔助駕駛推理榜單，結合Omniverse NuRec技術，可實現場景多樣性十倍提升，有效降低模型訓練與實車驗證成本，大幅提升輔助駕駛研發效率。

吳新宙明確表示，英偉達汽車業務始終堅守兩大方向：一是推動全球汽車行業完成L4級高階自動駕駛的全面迭代，二是實現英偉達端到端全棧輔助駕駛方案的規?；虡I落地。未來，英偉達也將把深耕中國智能汽車產業積累的實戰經驗，通過全球化平臺賦能全球車企，助力行業突破高階輔助駕駛核心技術壁壘。

節奏清晰，加速L4自動駕駛規模化普及

當下智能駕駛行業高速發展的同時，技術路線博弈、車企自研沖擊、算力上限爭議等行業難題持續存在。面對行業諸多分歧，吳新宙跳出單一技術視角，從產業全局出發給出務實解答，印證了自動駕駛賽道技術多元共存、生態合作共贏的長期發展趨勢。

長期以來，純視覺與激光雷達兩大感知路線的爭論從未停止。深耕行業多年、見證智駕技術迭代浪潮的吳新宙，十分看好純視覺方案的長期潛力。他認為，視覺傳感器擁有更高的像素密度，搭配先進視覺大模型后，具備極強的技術上限，但兩條技術路線并非非此即彼的對立關系，而是分級適配、場景互補的協作關系。

具體而言，主流L2++高階輔助駕駛場景中，純視覺方案足以滿足日常行車需求，激光雷達僅作為優化配置；而對于追求極致安全的L3、L4級高階自動駕駛，激光雷達是不可或缺的安全冗余，能夠彌補純視覺在暗光、暴雨、大霧等極端場景的感知短板?；诖?，英偉達持續聯動歐美優質供應鏈，完善激光雷達配套體系，為高階自動駕駛量產保駕護航。

歷經十余年技術沉淀，高階自動駕駛已然走出概念試水階段，正式邁入L4技術落地前夜。依托成熟的全棧技術與開放生態，英偉達制定了清晰的自動駕駛分級落地時間表，聯動全球車企、Tier1供應商與出行平臺，穩步推進高階自動駕駛商業化落地。

按照規劃，英偉達將循序漸進完成智能駕駛技術迭代：2025年實現L2++級輔助駕駛量產落地，落地基礎高階行車輔助與主動安全能力；2026年推動L2++點到點輔助駕駛全球規模化落地，覆蓋全球多個核心城市；2027年完成受限區域L4級Robotaxi試點運營，依托地理圍欄保障落地安全性；2028至2030年，實現L4級乘用車商業化落地，聯合出行平臺將無人駕駛服務拓展至全球四大洲28座城市。

打破行業路線爭議，以開放生態擁抱多元發展

當前，國內頭部車企掀起的芯片自研浪潮，讓外界普遍認為將沖擊英偉達車載芯片業務。對此，吳新宙保持著開放包容的態度，他表示英偉達從不排斥車企自研芯片。以特斯拉為例，即便自研FSD芯片，依舊與英偉達保持合作。英偉達的核心定位是行業生態推動者，不會強制客戶全套采購自有硬件。

從產業底層邏輯來看，車企即便完成車端推理芯片自研，其自動駕駛模型訓練、場景仿真測試、算法持續迭代等核心環節，依舊離不開英偉達云端GPU算力支撐。目前，英偉達已與多個國內自研芯片車企建立常態化深度合作，從開放模型、仿真工具、數據服務到模型訓練，全方位提供技術賦能，始終以推動全行業智駕升級為核心。

針對行業熱議的“車載算力是否存在天花板”問題，吳新宙也給出了清晰回答：車載算力不存在絕對上限，且行業算力需求將長期穩步增長。這一趨勢源于三大核心產業變化：高清車載攝像頭持續普及、感知幀率不斷升級、車載大模型時序理解能力持續迭代。現階段行業車載算力僅能勉強滿足基礎輔助駕駛需求，尚有極大升級空間。

為此，英偉達已啟動下一代車載芯片研發，摒棄單純堆砌算力的傳統思路，在控制整車成本與硬件功耗的前提下，最大化提升AI推理效率，平衡車輛智能化能力與量產經濟性。

依托完善的生態布局，英偉達眾多合作伙伴在本次北京車展集中展示量產成果。其中，奇瑞依托DRIVE Hyperion平臺打造L3/L4級自動駕駛車型，同步布局智能座艙與人形機器人業務；德賽西威基于雙DRIVE AGX Thor芯片，落地量產級L3/L4智駕解決方案；文遠知行、小馬智行、元戎啟行等頭部自動駕駛企業，也持續借助英偉達全棧平臺推進Robotaxi規?；逃?。

對于自身產業定位，吳新宙認為英偉達輔助駕駛生態是面向所有車企與出行企業的，英偉達提供一站式、可快速量產的全棧智駕方案；同時保持高度開放性，兼容全行業技術玩家，拒絕技術主導。他表示，智能汽車本質是輪式機器人，高階自動駕駛、車載AI智能體、智能座艙大模型，都是物理AI在汽車場景的核心落地形態。

未來，英偉達將持續迭代“五層蛋糕”全棧架構，遵循車載行業的硬件迭代節奏，在保障車載系統高安全、高穩定的基礎上，持續升級芯片、模型與平臺能力，持續推動高階輔助駕駛技術普惠與產業規?；l展。

以物理AI為引擎、以全棧開放為底色、以量產落地為目標，英偉達正推動輔助駕駛從輔助功能向真正無人駕駛跨越。隨著端到端大模型上車、算力持續升級、生態不斷完善，2026—2030 年將是L4從試點走向普及的關鍵窗口期，行業正式進入落地前夜的攻堅階段。