英偉達還是放不下自動駕駛

2026年第一個星期，車企牛馬們收到了黃仁勛的開年大禮包。

剛剛結束的CES展，英偉達早早宣布沒有新顯卡發布，同時掏出了面向數據中心的Rubin平臺和面向自動駕駛的VLA大模型Alpamayo。

2026 CES英偉達展臺

VLA即Vision-Language-Action（視覺-語言-行動），具體在自動駕駛中，模型會將傳感器數據先變成語言和符號，再通過推理形成決策交由車輛執行。好處是理解能力強，有可解釋的推理痕跡，避免了黑箱情況。

去年，VLA接棒BEV和端到端，是自動駕駛領域當之無愧的年度熱詞。理想、小鵬、Momenta、地平線等企業都有類似技術方案。英偉達的Alpamayo則是首個開源的VLA大模型。

作為英偉達汽車業務負責人，吳新宙在采訪中表示，Alpamayo與特斯拉FSD“非常接近”，在一對一測試中，內部接管率處于同一水平[1]。

看熱鬧不嫌事兒大的網友第一時間@馬斯克，表示馬總這下要睡不著覺了。6G網速的馬斯克也在第一時間回應，說自己睡眠質量還行，并“真心希望英偉達獲得成功”。

關于英偉達與特斯拉之爭，子彈還得再飛一會兒，但無論馬斯克睡不睡得著，都不會改變一個清晰的事實：這一次，英偉達要對自動駕駛發起總攻了。

大模型預制菜

作為當前自動駕駛最熱門的技術路線之一，VLA模型在英偉達發布Alpamayo之前就已經吸引了諸多勢力押注。

小鵬據稱早在2024年就開始開發VLA模型，在Alpamayo發布后沒幾天，小鵬就跳過了第一代，發布了自研的第二代VLA模型。理想、長城、奇瑞等車企也選擇了VLA路線。

特斯拉雖然沒有完全公開自己的技術路線，但從FSD V14的種種信息看，特斯拉也采用了類似VLA的技術架構。

早期的自動駕駛算法高度依賴人工補丁，工程團隊要盡可能窮盡所有的路況，并寫入對應規則，效率非常低。特斯拉的端到端方案大幅簡化了架構，通過高強度的訓練，實現傳感器輸入數據-算法輸出決策的效果，不再依賴人為窮舉。

但端到端也有局限性。一是輸入和輸出的中間過程是個黑箱，沒辦法追溯；二是由于這種“黑箱化”，優化算法只能不斷投喂數據訓練，效果不可控。

VLA的思路是把語言模型融入中間過程，讓算法的決策可追溯、可解釋。相比端到端純粹“模仿”正確的駕駛行為，VLA讓算法有了自主的推理決策能力，效果更加可控。

英偉達Alpamayo的轟動性不在于VLA本身，而在于開源。

VLA雖好，但好東西都不便宜。車企開發VLA模型有三大大山，一是高質量數據獲取、二是推理能力的訓練、三是算力與成本，總之就是成本高。

英偉達Alpamayo相當于給車企提供了一套完整的底層模型，車企可以基于自有數據和需求微調，形成自己的技術方案。既降低了開發難度，又保證了算法差異性。

相當于英偉達提供預制菜，車企按照自己的需求調整火候和調味，翻炒加熱即可“出鍋”上車。按照英偉達自己的說法[4]：

Alpamayo并不是直接部署于車端的模型，而是作為大規模教師模型，供開發者調優、蒸餾，成為其完整輔助駕駛技術棧的核心基礎。

除了Alpamayo開源模型，英偉達還送佛送到西，附贈仿真框架AlpaSim用以閉環測試，以及包含超過1727小時駕駛數據的Physical AI開放數據集，預制菜、鍋碗、燃氣灶一應俱全，不失為另一個角度的“智駕平權”。

Alpamayo（模型）+AlpaSim（測試）+ Physical AI（數據）

在CES展當天的媒體采訪環節，黃仁勛談到特斯拉FSD時依然是一通亂吹，“世界級標桿”、“表現完美”、“我自己都在用”贊美三連[2]。可惜馬斯克并不領情，回應完自己睡眠質量的擔憂后再次開炮，一邊大夸特夸特斯拉的技術水平，一邊嘲諷英偉達：

“英偉達為汽車行業提供了有用的工具，但對汽車行業本身卻鮮有作為。”

不管馬斯克是不是在嘴硬，他這句話確實也沒說錯。

英偉達的心事

英偉達的汽車業務，遠看像個寶，近看像根草。

從市占率來看，英偉達DRIVE系列是L2+及以上中高階智駕多年霸主，Drive Thor量產拖延一度讓頭部車企新車發布節奏被集體打亂，地位超然可見一斑。

但從汽車業務實際貢獻的收入看，雖然增長不算低，但相比在數據中心市場的統治力，恐怕也沒達到黃仁勛的預期。拿下高速增長的汽車市場，也是英偉達從小鵬挖走吳新宙的重要原因。

作為一家“賣鏟子”的芯片公司，英偉達在軟件上的所有投入，都是為了更好的賣芯片。

從游戲到數據中心，再到人形機器人，英偉達的思路都是給客戶提供標準化的工具箱（如cuda）和開發環境，并將這些軟件服務與自家硬件綁定，最終目的還是賣芯片。

不過在汽車業務上，英偉達遇到了嚴峻的問題：賣鏟子的人不會用鏟子。

英偉達只賣芯片，具體的自動駕駛算法需要車企基于芯片自行研發。因此，英偉達汽車業務的大客戶，一直是小鵬、蔚來這些軟件、算法能力比較強的國內新勢力。

但問題是，這些客戶多少都有自研芯片脫離英偉達的心思，蔚來的芯片已經上車，小鵬的圖靈芯片也量產在即。而大眾、奔馳、寶馬這些銷量更高的老牌車企，基本都沒什么自動駕駛算法的研發能力，就很難給英偉達提供訂單。

而英偉達自己身為頂級賣鏟人，對自動駕駛算法的研發也是知之甚少。

于是黃仁勛痛定思痛，既然老牌車企都不會用鏟子，那就寫一份詳細的使用說明書，讓車企在這個基礎上發揮主觀能動性。吳新宙跳槽來英偉達，做的就是這個工作。

Alpamayo就是英偉達痛定思痛的結果之一，不會寫代碼，那就給一個代碼模板，雖不能照抄，但改一改也能用。同時從硬件到開發工具，全部進化到“保姆式服務”。

最新的DRIVE Orin/Thor硬件平臺，不僅提供芯片，還提供完整的車載計算機硬件設計藍圖；物理級精確仿真平臺NVIDIA DRIVE Sim，可以為企業生成合成數據、進行極端的安全測試。

再加上最新一代數據中心芯片Vera Rubin、世界模型Cosmos，英偉達真正建成了一個“云端訓練（Rubin+Cosmos）+車端推理（Thor+Alpamayo）”的智能駕駛工具鏈閉環，飯喂到嘴邊，閉眼吃就是。

英偉達智能駕駛形成了一個工具鏈閉環

Alpamayo的另一面，是英偉達在“標準化”和“定制化”之間的一次重新校準。

對英偉達來說，最理想的商業模式是銷售標準化的芯片，這樣毛利率最高，估值空間最大。一旦涉足定制化的算法開發，就成了干一個項目結一次錢的施工隊。

所以過去這些年，英偉達汽車業務的經營思路就是不斷提升軟件工具箱的豐富度，降低車企使用自家芯片的門檻，但堅決不親自下場做車企的自動駕駛項目。

Alpamayo就是這一策略的最新產物，英偉達寧愿研發一套開源的算法交給汽車行業，也不愿意自己當乙方。

基于英偉達平臺建立的全球L4和robotaxi生態

換句話說，為了賣自家燃氣灶，英偉達開發了配套的抽油煙機、鍋碗瓢盆、各式調味料，又研發了一系列預制菜，離自己親自下廚，只有一步之遙了。

[1] I rode along in Nvidia’s AV pilot. It made better decisions than me，Quarts

[2] Nvidia, Tesla Chase Same Self-Driving Goal Via Varying Paths，Bloomberg

[3] 當自動駕駛與機器人共振：詳解VLA與世界模型，華源證券

[4] NVIDIA推出Alpamayo系列開源AI模型與工具，加速安全可靠的推理型輔助駕駛汽車開發，英偉達