深度 | 關于英偉達 L4 和物理 AI，吳新宙回應一切

文：308

編輯：周易

「我覺得，我們能夠看到，到達 L4 或者完全自動駕駛的這條路，已經比較清晰了」。

近日，恰逢北京車展，在英偉達舉行的一場別開生面的媒體溝通會上，英偉達全球副總裁、汽車事業部負責人吳新宙，談到了他本人對于當前自動駕駛發展的判斷。他也引用英偉達 CEO 黃仁勛的話說：自動駕駛的 ChatGPT 時刻已經到來。

那么，在這個關鍵節點，英偉達希望扮演什么樣的角色？

對于這個問題，吳新宙表示，英偉達長期以來布局自動駕駛，已經超過十年的時間；而如今，英偉達的目標是在全球范圍內推動整個行業面向 L4 進行演進和落地，這也是英偉達汽車事業部的核心目標。

實際上，圍繞著自動駕駛，英偉達已經構建了一整套全棧的系統，其中包括底層的硬件 DRIVE Hyperion、操作系統和平臺軟件 Halos OS、開源模型 Alpamayo、應用 DRIVE AV 和包括 Cosmos 與 Omniverse NuRec 在內的基礎設施。

值得一提的是，伴隨著 L4 的到來，英偉達已經推出了面向 L4 的統一車輛參考架構 DRIVE Hyperion 10，其中包括基于英偉達 DRVIE Thor 的算力平臺，也包括預驗證傳感器供應商的通用傳感器套件，還有相關符合安全認證要求的構建模塊。

在本次溝通會中，吳新宙表示，基于Hyperion 10 的合作，英偉達會與包括 Uber 在內一系列合作伙伴采集上百萬個小時的數據，從而開放給整個自動駕駛開發生態，從而降低整個行業面向 L4 邁進的門檻。

另外，在談到英偉達的開源自動駕駛模型 Alpamayo 時，吳新宙表示，Alpamayo 也在不斷進化中，目前已經進化到 1.5 版本；預計到 2026 年 6 月份的 Computex 大會上，Alpamayo 會迎來 2.0 版本。

吳新宙強調，Alpamayo 2.0 將會是一個更加強大的版本。

談到下一步的發展，吳新宙表示，未來十年，對于包括英偉達在內的整個行業來說，最核心的挑戰將會是物理 AI——而自動駕駛將會是物理 AI 最大規模的能夠量產落地的一個場景。

值得一提的是，伴隨著本次北京車展的帶來，英偉達也宣布了一系列與 L4 落地相關的合作，并且這一合作也在不斷面向物理 AI 進行延伸。

其中，德賽西威正在基于英偉達 DRIVE Hyperion 中的 DRIVE Thor 開發面向量產的智駕解決方案。同時，小馬智行發布的全新一代自動駕駛域控制器也集成了 DRIVE Thor。

除此之外，英偉達在車端業務的布局，也延伸到座艙 AI 領域。比如，阿里巴巴將千問-Omni 全模態大模型運行于英偉達 DRIVE 平臺。而聯想車計算則推出搭載了基于 DRIVE AGX Thor 的智算平臺 AI Box，目標是賦能座艙 AI 助力汽車制造商部署大模型與智能體。

值得一提的是，在本次車展期間，在以往雙方已有合作的基礎上，英偉達還宣布與奇瑞汽車合作布局物理 AI，發力輔助駕駛、座艙 AI 與機器人賽道。

總體可見，在當前整個自動駕駛行業正在面向 L4 的大背景下，英偉達正持續在與自動駕駛行業相關的技術演技和生態建設等方面積極布局——而英偉達也早已經將長遠的目標，瞄準了物理 AI 的發展。

本次溝通會期間，吳新宙以英偉達全球副總裁、英偉達汽車事業部負責人的身份也與包括時間線 Timelines 在內的眾多中國媒體進行了深入交流，其中涉及到的話題包括 L4 自動駕駛、物理 AI、下一代車載計算平臺等。

以下是這次溝通會談及的主要內容，我們做了不改變原意的編輯。

提問：

英偉達如何看待自動駕駛行業里關于純視覺和激光雷達的不同選擇？

吳新宙：

我覺得，對于 L2++ 來說，激光雷達是否必要，永遠是一個見仁見智的問題——你可以證明它的充分性，但無法證明它的必要性。

不管是特斯拉，還是一些其他的車廠，都有選擇純視覺。大家知道，我曾經在小鵬任職，雖然小鵬是第一家引入激光雷達的車企，但我自己一直是一個比較堅定的視覺派。因為視覺的能力是非常強的，它的像素密度也比激光雷達高很多，尤其是視覺模型的上限也是非常非常高的。

對于海外 L2++ 來說，也有車企是采用激光雷達的。從英偉達作為生態推動者的角度，我們不會說一定要采用或者不采用激光雷達，但是，在英偉達對于 Hyperion 的定義中，我們是不帶激光雷達的。

另外我們也堅定地認為，從 L3 或者 L4 的角度，激光雷達還是非常重要的一環，它可以提供傳感器層面的重要冗余部分。我們也在與歐美玩家一起在尋找一個比較穩定的、在歐美能夠落地的激光雷達供應商，這對于我們來說也是非常重要的。

提問：

英偉達如何看待一些車企自研芯片？

吳新宙：

我們并不反對車企自研芯片。比如特斯拉當年也在與英偉達進行了 Parker 的合作之后，就選擇了自研芯片——但我們也保持了與特斯拉之間的合作。對于我們來說，更重要的是能夠推動整個生態往前發展。

我們不期待你們買我們所有的東西，但是我們不希望的是，你什么東西都不要我們的。我們提供了整體「三個計算機」和「五層蛋糕」的服務。我們希望所有的車廠都能夠從我們的服務中受益，如果車廠受益，我們自然也會受益。

在中國市場，一些新能源車企在自研芯片，那么我們也持續保持與這些車企的良好溝通。目前不管是訓練，還是仿真，還是開源模型，甚至是數據，我們都有一些比較好的合作。對于我們來說，最重要的是希望看到整個業界面向 L4 前進，而不是說一定要用我們的車載芯片。

提問：

你如何評價你在英偉達的工作？

吳新宙：

我在英偉達的官方職責是負責整體的汽車事業部，汽車事業部的業務非常廣泛。大家可能都多少看到一些報道，講到是 Jensen（黃仁勛）如何管理下屬，我也看到了一些，至少我看到的寫得都是真的。英偉達是一個非常扁平的組織。

目前我的最主要的職責是兩件事情，第一是推動整個業界向 L4 的進展。第二個，就是推動我們的端到端的「給鑰匙方案」整體方案的落地。我覺得這兩件事情都非常非常重要。

從我個人的體感來說，在英偉達工作，還是一個非常累、但是很有意思的事情。大家對我的過去可能都比較了解，也算是推動了中國自動駕駛往前發展。那么現在我有機會能夠把中國的經驗通過英偉達的平臺去進行放大，真正有機會推動所有的車廠走向 L4。

這對我來說，可能說是個人職業生涯的一個最好的助腳了，所以我在這是非常開心的。至于干得怎么樣呢，我覺得還有點言之過早，可以再過一兩年再看。

提問：

對于其他玩家也在英偉達平臺部署自己的算法，你怎么看？

吳新宙：

英偉達是一個生態玩家，我們會盡量幫助所有里的參與者走向全自動駕駛。對于英偉達說，首先我們不可能、也沒有這樣的野心去把控所有東西。我覺得這個不是生態玩家的一個好的方法。我們也希望在這條路上有更多的成功者。

剛才提到，我們有三個計算機的說法。一個玩家，哪怕不用我們的車端推理計算機，也還是要用我們云端的訓練計算機和仿真計算機。除了推動自動駕駛發展之外，對于英偉達整個公司來說，我們也是整個世界的 AI 基礎設施企業。

我們希望 AI 能夠盡快發展，AI 走得越遠，玩家越多，英偉達的收益就越大。這兩者并不矛盾。

提問：

業內有人認為未來需要 5000 TOPS 的算力，英偉達對于下一代車端算力的思考是什么？

吳新宙：

很多事情能夠證明它的充分性，但是很難證明它的必要性。從英偉達的角度，我們對大算力是樂見其成的，當然也很難去判斷未來到底需要什么樣的算力，但其實，我們對下一代芯片的設計也在往這個量級去走。

從車端的角度，有很多方面對算力都有倍增的要求。

第一個是傳感器的像素和分辨率，現在大家用 800 萬像素的，未來的話可能還有更高像素的攝像頭出來。為什么要更高像素？可以看得更遠、更安全。

第二是幀率，目前業內常用的是 10 幀，對于一個好的系統體驗來說，這是勉勉強強的，要把安全率做得更好的話，希望能夠有更高的幀率，30 幀可能會更好。

第三個就是在推理里有多少幀數，幀數越長，說明長時序推理、長期記憶的能力更強，這對于長尾問題的理解還是非常有幫助的。

這三個維度都決定了算力倍增的需求，我們現在的算力還是在一個勉勉強強的狀態。但是從市場角度來說，要控制成本，而且目前車端還現在沒有一個 5000 TOPS 的芯片。

接下來就是希望通過我們的能力，在不增加成本、不提升功耗的情況下，能夠把算力能夠往上提，從而讓車的能力越來越強——這個過程會在什么時候結束，我并不確定。我只能告訴你的是，我們下一代的芯片正在往那個方向去，而 Elon（馬斯克）也是在往那個方向走去。

提問：

黃仁勛對于自動駕駛的執念和目標是什么？

吳新宙：

在 Jensen 的藍圖里，物理 AI 是非常重要的。

未來，我相信 AI 和物理 AI 它一定可以推動 GDP 十倍百倍的增長。我在不同場合說過，生成式 AI、后面的 Agentic AI 和物理 AI 一定會推動第四次工業革命，它會導致整個的生產力進行一個指數級的增長，對人類社會會產生非常深刻的影響。

對于我們公司來說，在 Jensen 的整體戰略布局中，下一步整個公司就是要把物理 AI 做好。他很早就看到了自動駕駛，恰恰是物理 AI 中可能相對來說是比較容易實現的一件事，也是真正可以大規模量產的一件事。

所以 Jensen 的執念來自于他對未來的非常清晰的理解，這也是 Jensen 最強的地方，能夠把 英偉達從從一個顯卡公司一步一步做成今天作為整個世界 AI 發展的推手。所以我覺得，談到自動駕駛和物理 AI，說是一個執念我覺得是小看了 Jensen，本質上是對他在十年前就對未來世界演進的非常清晰的判斷。

提問：

到 2026 年，很多人都去做機器人了，那么自動駕駛的實現還是一個非常值得追尋的目標嗎？

吳新宙：

我覺得，不管機器人也好，無人駕駛也好，都是物理 AI 非常重要的一部分。很多事情，其實大家有可能會小看最后一步的的重要性，其實也很難講，現在是不是真的到最后一步了，其實現在只是覺得非常接近。

對我來說，能夠有機會在英偉達這樣一個平臺去推動全球所有的車廠往這個方向走，這是一個非常非常有使命感的東西。我也希望將這種使命感至少再傳遞給我的團隊。本質上英偉達還是一個生態生態玩家，沒有誰是真正我們的競爭對手。說實話，我們還是希望大家一起成功。

目前只能說，自動駕駛這個事情還非常有意義，但機器人也非常重要。目前機器人的發展，還是中國這邊更熱鬧一些，我覺得還是讓人非常激動的。也可以理解，大家現在真的是感覺到像是回到了十年前新能源車企的狀態——現在做人形機器人的就 100 多家。

無論如何，這都是大家的選擇。當然我們后面也有機器人，機器人對我們來說也是非?？春玫囊粋€方向，不管是做什么，大家都是在為第四次工業革命的發生做自己的貢獻。

提問：

你如何看待座艙大模型與自動駕駛的融合？

吳新宙：

回到那個物理 AI 的話題，車本身就是機器人。未來，車里也不太需要有兩個大腦，不管是跟人的交互的部分，還是自動駕駛的部分，未來的 AI 一定會往一個更加集成的方向去發展。

當然，它并不一定是座艙和自動駕駛會用一個芯片，但是 AI 部分可能會有一些包括硬件上的共享。為什么它們不一定是一個芯片呢？因為對安全的這個要求很不一樣，有時候的話可能會給開發帶來一些不便，這也是我們跟 MTK 合作的一個重要出發點。

未來來看，我相信雙方的能力上會有一些共享，甚至對于大模型來說，它可能是跑在自動駕駛這個芯片上，它有個人交互能力，有大語言模型能力，跟云端的更大模型的配合的能力。我覺得今年，大家已經看到了一些方向，也在往這個方向走，接下來可能還是非常值得期待的。

提問：

你如何看待世界模型與自動駕駛的結合點？

吳新宙：

其實在 Alpamayo 2.0 里，接下來感知的演進會往世界模型的方向去走。

世界模型可能也是自動駕駛最本質的一環，它會通過物理世界的演進來決定接下來怎么做。特別是在 L3、L4 的架構里，我覺得 VLA 和世界模型可能是并存的，會把兩邊的能力都能夠用起來，真正做好冗余，把類人的價值感和最高的安全性都能夠做好。

提問：

業內有人說可以直接跳過 L3 奔向 L4，你怎么看？

吳新宙：

目前，從技術瓶頸上來說，我覺得現在看不到 L3 和 L4 之間一個很大的技術卡點——這也是機器人能夠起來的原因，機器人當然比汽車復雜很多，但隨著大模型，不管是大語言模型或推理能力的產生，基本上把原來大的技術問題都解決了。

對于自動駕駛來說，它是一個系統工程，需要軟硬件支持，也需要很高的安全性，它更多是一個工程量很大的東西。這也是去年推理型的大模型出來之后我們要說「自動駕駛的 ChatGPT 時刻已經到來」的原因。

我們看到，不管是中國還是美國，整體相當于 L4 的這種能力已經出現了，Waymo 已經在那里。所以，從某種角度上來講，技術上并沒有看到卡點。

那么 L3 是不是要跳過，我覺得也是見仁見智的問題。剛才我也提到，L3 和 L4 之間的技術難度差別并不大。因為 L3 要求駕駛員在十秒鐘接管，十秒鐘會發生很多事情，車輛在出現問題的 10 秒鐘內也是需要承擔責任的，所以十秒與六十秒并沒有一個巨大的差別。

對于普通用戶來說，提供 L3 的能力，并不是一個壞的選擇，尤其是在高速上。因為在 L3 狀態下，司機不能睡覺，不能打瞌睡，但是可以玩手機。而對于很多人來說，玩手機是剛需的。所以我覺得如果出現一個中間型產品，不管是在中國還是美國，都有車廠在往 L3 方向走，比如先解決高速 L3 的問題。這其實是對人類時間的解放，也是蠻好的一個能力。

但是對于一個 L4 汽車來說，它還是需要運營的東西。為什么？

因為 L4 有時候還是會卡住，所以在云端的遠程操控能力還是很重要的。對于普通消費者的車輛來說，每輛車配上遠程操控其實并不是一件很簡單的事情，相反，對于 Robotaxi 來說，比如說 Uber 或者 Waymo，它們來做這個事情，然后在一些 ODD 范圍內，我覺得可能性更高。

因此，至少比較短的時間線來說，L3 是有價值的，而 L4 也沒有那么容易實現；它們二者有可能還是并存的狀態——所以到底會發生什么，時間會告訴我們答案。