逛完 2026 北京車展我發現：沒有展臺的英偉達，才是真正的主角 | 前沿在線

編輯：前沿在線 編輯部

逛完2026 北京車展，我最大的感受是：整個智能汽車行業，已經被英偉達包圓了。

你看不到它的巨型展臺，看不到它的概念車，甚至連單獨的發布會都沒有。

但只要你走進任何一個智能汽車的展位，總能在 PPT 的某個角落看到那個綠色的 NVIDIA 標志。

奇瑞發布下一代 L3/L4 平臺，核心是DRIVE Hyperion；德賽西威、小馬智行、文遠知行、元戎啟行四家同臺比域控制器，芯片清一色是DRIVE AGX Thor；阿里巴巴、聯想、聯發科秀座艙大模型，算力底座也是英偉達。

它沒有租最大的展位，沒有發概念車，甚至連單獨的發布會都沒開。但只要你走進任何一個智能汽車的展區，總能在最核心的技術頁看到它。就像空氣一樣無處不在，你平時不會特意注意，但整個智能汽車行業，真的離不了它。

就在車展前一天的媒體會上，英偉達全球副總裁吳新宙帶著 GTC 以來一直沒好的咳嗽，平靜地說了一句話，后來被整個行業轉瘋了：

"自動駕駛的 ChatGPT 時刻真的來了，現在我們已經能清晰看到 L4 的曙光了。"

這句話不是畫餅。這次英偉達把黃仁勛提出的通用AI"五層蛋糕"完整搬到了汽車行業，用 "三臺計算機 + 五層蛋糕" 的全棧體系，把輔助駕駛從 "技術驗證" 推到了 "大規模量產" 的門口。

今天這篇文章，就跟你聊聊我在車展上看到的一切：英偉達到底用什么征服了半個汽車圈？2028 年坐上無人駕駛出租車，這次真的靠譜嗎？

黃仁勛把 "五層蛋糕" 搬上了車，要吃下 13 萬億英里的市場

今年 3 月，黃仁勛寫了一篇署名文章《AI 的“五層蛋糕”》，說AI 不是一個單一模型，也不是一款應用，而是關鍵基礎設施。

從底層的能源、芯片，到上層的基礎設施、模型、應用，一層托著一層，少了任何一環都不行。

沒想到才過了一個月，這套邏輯就被完整復制到了汽車行業。吳新宙在北京車展前的媒體會上，正式亮出了英偉達汽車業務的 "五層蛋糕"：硬件、操作系統和平臺軟件、模型、應用、基礎設施。

他說了一句特別實在的話，我印象特別深：

"我們希望做到的是，即便你的模型再爛，也沒關系，放到我們平臺上，至少不會撞。安全在這里是有保障的。"

這句話背后，是英偉達三十年三次戰略躍遷的底氣。

2006 年，所有人都覺得英偉達只是個做游戲顯卡的公司，黃仁勛砸了幾十億美金做CUDA，把 GPU 變成了通用計算平臺。當時很多人嘲笑他不務正業，但現在，所有大模型的根都扎在CUDA上。

2012 年，AlexNet 一戰成名，黃仁勛立刻 all in AI，把英偉達變成了 AI 時代的 "賣鏟人"。今天全球 90% 以上的大模型訓練，都跑在英偉達的 DGX 集群上。

而現在，黃仁勛的第三次豪賭，押在了物理 AI 上。

"生成式 AI 只是序幕，物理 AI 才是未來十年的核心挑戰。" 這是黃仁勛在 GTC 2026 上反復說的話。在他看來，AI 不能只停留在屏幕里生成文字圖片，必須走進現實世界，感知、決策、做事。

而輔助駕駛，就是物理 AI 第一個能大規模落地的戰場。

吳新宙算了一筆賬：全球每年車輛行駛里程是13 萬億英里，現在自動駕駛的占比還不到0.1%。保守估計下，假設每英里自動駕駛能創造1-2 美元的價值，這就是一個十萬億美元級的市場。

為了這個市場，英偉達已經準備了十年。

從提出PilotNet 端到端自動駕駛，到 2020 年和奔馳簽全棧合作，再到今天拿出完整的 "五層蛋糕" 體系，英偉達已經從一家芯片公司，變成了整個智能汽車行業的技術底座。

有意思的是，黃仁勛挖來吳新宙，就是為了補齊英偉達最缺的一塊：軟件量產能力。

吳新宙在小鵬的時候，是第一個把英偉達 Xavier 和 Orin 芯片大規模落地的人，一手推動了城市 NGP 和全場景 XNGP 的量產。加入英偉達兩年多，他交出的第一份答卷，就是這套能讓全行業用起來的全棧體系。

GTC 前夕，黃仁勛和吳新宙一起試乘了搭載最新系統的奔馳 CLA，看著車流暢地應對舊金山的復雜路況，老黃評價說："這個方案獨一無二，融合了 AI 和傳統技術，既像人開的，又足夠安全。"

別只盯著 Thor 芯片，英偉達的真正殺招是這 "三臺計算機"這套釜底抽薪式的方案，核心是徹底重構了物理 AI 數據生產的底層邏輯。

這次車展，很多人都在聊Thor 芯片2000 FP4 TFLOPS 的算力。但說實話，單顆芯片的性能，從來不是英偉達最核心的護城河。

真正強悍的，是它構建的 "三臺計算機" 體系 ——車端推理、云端訓練、仿真計算，三者相互協同，形成了一個別人根本打不破的閉環。

第一臺：車端的 Thor，不只是算力強

Thor 確實是目前最強的車規芯片，LLM 推理性能是上一代 Orin 的 20 倍，LLAMA-7B 跑起來比 Orin 快 9 倍。

但它最厲害的地方，不是算力數字，而是兩個設計。

一個是FP4 精度支持。車端最大的痛點是帶寬不夠，FP4 能讓同樣的帶寬傳輸兩倍的權重，相當于不增加成本和功耗，直接把有效算力翻了一倍。

另一個是NVLink 雙芯片互連。L4 級自動駕駛要求任何單點失效都不能出事，雙 Thor 通過 NVLink 連起來，能做到真正的熱備份，延遲幾乎為零。這才是 L4 量產的必備條件。

第二臺：云端的 Cosmos，才是 Alpamayo 的秘密

很多人以為 Alpamayo 只是一個用 8 萬小時駕駛數據訓練的模型，大錯特錯。

Alpamayo 的主干，是從英偉達的 Cosmos 世界基礎模型蒸餾出來的。

而Cosmos，是用 2000 萬小時的真實世界視頻、2 億精選視頻片段、370 萬推理樣本訓出來的。

這意味著什么？

Alpamayo 在看到任何駕駛數據之前，就已經懂這個世界了。

它知道物體會怎么運動，知道下雨會影響視線，知道行人可能會突然橫穿馬路。

別的模型是從零開始學開車，而Alpamayo是一個已經讀完了全世界所有視頻的成年人，只是在考駕照而已。這就是為什么它只用 8 萬小時數據，就能吊打別人幾百萬小時的效果。

Alpamayo 在 Hugging Face 機器人模型下載量排名第二，LingoQA 榜單上的輔助駕駛推理模型排名第一，成了全球開發者的首選。

第三臺：仿真計算機，解決了端到端最大的痛點

端到端時代最大的問題是什么？

不是訓練難，是驗證難。

以前的模塊化架構，感知、規劃、控制可以分開測。但端到端是 "像素進，軌跡出" 的黑盒，你根本不知道它為什么會做出某個決策。靠實車路測覆蓋所有邊緣場景，要跑幾十億公里，根本不現實。

英偉達的解決方案，是用Omniverse NuRec造一個無限大的數字練車場。

它能基于真實的傳感器數據，6 小時內重建出照片級的 3D 場景。然后你可以隨便往里面加東西：突然沖出來的電動車、掉在路中間的箱子，還能改天氣、改光照、改時間。

現在英偉達每天能跑約 200 萬次仿真，相當于在真實路上跑幾百萬公里。數據多樣性直接提升了 10 倍，解決長尾問題的速度也快了 10 倍。

在這三臺計算機之上，就是英偉達的 "五層蛋糕"。

從硬件到操作系統，從模型到應用，再到最頂層的基礎設施，每一層都對生態開放，每一層都建立了行業標準。

尤其是Halos OS的安全護欄設計，真的是解決了所有開發者的后顧之憂。

它內置了一套經過充分驗證的經典算法，實時盯著 AI 的輸出。

只要 AI 的決策越界，經典系統立刻接管。就像副駕坐了一個經驗豐富的老司機，你隨便開，出問題他馬上踩剎車。

2025 年，基于這套架構的 DRIVE AV 軟件棧拿了歐洲 NCAP 年度第一名，安全性能是經過國際權威認證的。

北京車展英偉達朋友圈大賞：半個汽車圈都來站隊了

技術再好，也要有人用。

這次北京車展，我最大的感受就是：英偉達的生態，真的已經成氣候了。

最大的驚喜：奇瑞 all in 英偉達

這次最重磅的合作，無疑是英偉達和奇瑞的戰略合作。這不是簡單的買芯片，而是從汽車到機器人的全面合作。

奇瑞下一代 L3/L4 車型全用DRIVE Hyperion 平臺，基于 Alpamayo 和 Cosmos 自研軟件棧；座艙 AI 也跑在英偉達平臺上；甚至連未來的人形機器人，都要用英偉達的Jetson 和 Isaac GR00T。

尹同躍在簽約儀式上說："奇瑞的目標不是做汽車公司，是做智能科技公司。和英偉達的合作，能幫我們加速實現這個目標。"

除了奇瑞，奔馳、捷豹路虎、Lucid 這些海外品牌，也早就全面擁抱英偉達了。奔馳的 L2++ 已經在歐洲落地，今年會擴展到美國。

L4 量產加速：國產自動駕駛公司集體轉向

一個特別明顯的趨勢是：以前喊著 "全棧自研" 的國產自動駕駛公司，現在幾乎全部轉向了英偉達平臺。

德賽西威發了國內首款雙 Thor+NVLink 的量產域控制器，能支持車規級 L3/L4；小馬智行的新一代L4 域控制器，完全基于DRIVE Hyperion；

文遠知行、元戎啟行的下一代 Robotaxi，也全都是英偉達的方案。

一位行業老兵跟我說："以前大家都想做下一個特斯拉，現在都想明白了。英偉達已經把底層平臺做好了，你再從頭造輪子，既慢又貴，還不一定能做好。現在拼的不是誰能做出來，是誰能更快量產、成本更低。"

座艙 AI 大爆發：從 "能說話" 到 "會思考"

如果說輔助駕駛是英偉達的基本盤，那座艙 AI 就是它今年最大的增長點。

這次車展上，座艙 AI 真的不一樣了。

以前的座艙就是個能語音控制的車機，現在已經進入了主動感知時代。

阿里巴巴的千問 - Omni 跑在 DRIVE 平臺上，能主動感知車內外環境。看到路邊的咖啡店會問你要不要停，看到前方堵車會主動繞路；

聯想的 Auto AI Box 用一顆 Thor 同時跑座艙和智駕，硬件利用率直接提升 50%；聯發科的天璣 C-X1 甚至集成了 Blackwell GPU，能在車里玩 3A 大作。

吳新宙說："未來的汽車不需要兩個大腦。座艙和智駕的 AI 一定會融合，同一個大模型，既幫你開車，也陪你聊天。"

2028 年真能坐上無人駕駛出租車？英偉達給了準信

聊了這么多技術和生態，大家最關心的肯定還是：什么時候能用上？

這次英偉達給了非常明確的時間表，沒有任何模糊的 "未來"、"即將"：

• 2026 年：L2++ 點到點輔助駕駛全面落地，覆蓋舊金山、洛杉磯、紐約、倫敦、首爾、慕尼黑；

• 2027 年：和 Uber 合作，在美國部分城市啟動 L4 級 Robotaxi 試點，采用地理圍欄運營；

• 2028 年：為洛杉磯奧運會提供 L4 級無人駕駛服務，屆時覆蓋四大洲 28 座城市；

• 2028-2030 年：L4 級乘用車開始大規模量產。

"今年年底，我們會把 Alpamayo 的完整能力放到量產車的前期測試中。"吳新宙透露，"正式量產裝車要到 2028 年，但 2027 年，你就能在美國打到英偉達技術的無人駕駛出租車了。"

關于行業吵了很久的 "L3 是不是雞肋" 的問題，吳新宙也給出了非常務實的回答：

"L3 和 L4 技術上差別不大，核心是運營模式。L3 能讓你在高速上解放雙手玩手機，這對很多人來說已經是剛需了。而 L4 需要云端遠程操控，成本太高，不適合個人用戶。"

所以未來 5-10 年，L3 和 L4 會長期并存。L3 先在乘用車的高速場景普及，解決通勤痛點；L4 先在 Robotaxi 領域落地，由運營商承擔成本。

針對中國市場，英偉達也在加大本地化投入。建本地化的數據中心，和中國伙伴一起優化中國復雜的交通場景，開放更多技術資源支持本土創新。和奇瑞的合作，就是英偉達深耕中國市場的一步。

英偉達重構汽車圈：有人拿到船票，有人找到新賽道

英偉達的崛起，正在悄悄改變整個汽車產業鏈的格局。舊的規則被打破，新的機會正在涌現。

最開心的是中小車企。以前開發一套 L2++ 要幾億投入，中小車企根本玩不起。現在基于英偉達的開放平臺，幾十人、幾千萬就能做出來，相當于拿到了一張通往智能化時代的船票。

傳統 Tier1 也找到了新的方向。以前它們是車企的 "爸爸"，提供全套解決方案。現在它們轉型成了英偉達生態的硬件集成商，發揮自己的制造和供應鏈優勢，反而活得更好了。德賽西威就是最好的例子，現在已經是國內最大的自動駕駛域控制器供應商。

Robotaxi 行業也迎來了拐點。以前 Robotaxi 公司要自己做全棧技術，燒錢無數。現在直接用英偉達的 DRIVE AV 平臺，就能快速部署車隊，競爭焦點從技術研發轉向了運營能力。

英偉達從來不是來搶誰的飯碗的，它是來給整個行業賦能的。

就像當年的安卓賦能了整個智能手機行業一樣，現在英偉達正在用開放的技術平臺，賦能整個智能汽車行業。

物理 AI 的大幕，剛剛拉開

走出北京車展的展館的時候，我突然想起十年前。

那時候自動駕駛還是實驗室里的概念，很多人覺得這輩子都坐不上無人駕駛汽車。

而現在，我們已經能清晰地看到 L4 的曙光了。

很多人說英偉達是運氣好，趕上了 AI 的浪潮。但其實所有的運氣，都是長期主義的結果。十年前沒人看好自動駕駛的時候，黃仁勛就已經 all in；當行業還在爭論模塊化和端到端的時候，英偉達已經在布局仿真和世界模型了。

吳新宙說："沒有一件事是容易的。至于現在干得怎么樣，我覺得還言之過早，再過一兩年再看吧。"

但我相信，2026 年的北京車展，一定會被寫入歷史。因為在這一年，自動駕駛真正從技術走向了量產，物理 AI 的大幕，正式拉開了。

未來，汽車會變成輪子上的機器人，出行方式會被徹底改變。

而英偉達，會作為這個時代的技術基石，和所有合作伙伴一起，把這個未來變成現實。

前沿動態前沿大會
前沿人物

點「在看」，給前前加雞腿