英偉達超進化！軟硬件一把抓，智能駕駛大變局

更深刻了解汽車產業變革

出品： 電動星球

作者：木俞、毓肥

在昨晚的華盛頓，英偉達正式進化為集車規級推理芯片、訓練服務器、智能駕駛軟硬一體方案的集大成供應商。

一方面，是推出了全新的 NVIDIA DRIVE AGX Hyperion 10 自動駕駛平臺。這一次的亮點是，英偉達首次在里面集成了軟硬一體方案。

另一方面，是先后確認與 Stellantis、Lucid Group、梅賽德斯-奔馳、富士康、Uber 的合作，意在打造「全球最大 L4 級自動駕駛車隊」。

英偉達還給了一個比較明確的目標：2027 年起部署 10 萬輛 Robotaxi。

除了軟硬一體方案，通過與出行平臺、車企通力合作，英偉達的目的是乘用車+商用車兩手抓，類似特斯拉 Cybercab 與 FSD 的布局。

特斯拉 FSD 目前已在美國多個城市開放，年底逐步推進無安全員 Robotaxi，運營規模進一步擴張。

到了 2026 年，Cybercab 將會量產。

英偉達將 L4 自動駕駛推廣提上日程，原因必然包含全球各大智能駕駛勢力的步步緊逼，特斯拉僅是其中之一。

再加上，奔馳、Stellantis 等品牌加碼自動駕駛賽道，并小有成就，比如奔馳的L4測試車型在中國測試里程超 1.6 萬公里。

若英偉達不及時與車企綁定，整車合作的空間恐怕變得更少。

從行業角度來說，英偉達的加入，必然會引起 Robotaxi 競爭格局變動，對于希望發展自動駕駛業務的車企而言，不失為一個好消息。

那么，英偉達最新的技術架構是什么？比起前代有哪些升級？站在車企角度又有哪些利好？

我們接下來一起看看。

本周福利：對話框回復【穩了】

可以參與現金紅包的抽獎活動。

軟硬一體

眾所周知，自動駕駛平臺高度依賴計算性能。NVIDIA DRIVE AGX Hypreion 10 平臺的升級，首先就是算力。

根據英偉達官方信息，Hyperion 10 搭載的，是兩顆通過 NVLink-C2C 芯片互連技術相連的 Thor 芯片。

單顆 Thor 芯片算力在INT8 精度下超 1000TOPS，是上代（Atlan）的兩倍。

同時，DRIVE Thor 平臺還可以做到「艙駕融合」計算，支持座艙娛樂與自動駕駛計算同步進行，也可以將 2000TOPS 全部用于自動駕駛。

感知硬件相比 Hyperion 9 有了一定程度的精簡，減少了 2 個激光雷達和 8 個超聲波雷達。

感知硬件的簡化對成本控制有利，很明顯，英偉達做了整體成本優化，上車壓力更小。

過往，英偉達只是純粹的硬件方案供應商，到了 Hyperion 10，情況有所不同，集合了自動駕駛開發過程所需要的數據中心硬件、軟件和工作流程，實現軟硬協同。

比如說，在云端，DGX 超級計算機用 DRIVE Sim 生成高保真仿真數據，用于訓練 DRIVE AV 模型；

在車端，Hyperion 10 的傳感器數據采集系統與 Thor 芯片的調試接口無縫對接。

到了 Hyperion 10，英偉達打通的不止有軟硬件協同，還打開了更廣闊的合作圈子。

按照官方的說法，Lucid、Stellantis，以及 Momenta、文遠知行等企業都將率先采用。

站在車企的角度，全棧式方案利好降本增效，主要是壓縮研發周期和成本，加速規模化落地。

而對于英偉達而言，閉環技術生態便于樹立自動駕駛標準，形成技術護城河，以此獲得主導行業的話語權。

當然了，除了算力的絕對主導權，英偉達也積累了足夠深厚的數據基礎。

截至 2025 年 10 月，英偉達的云端平臺已經積累超 500 萬小時的真實道路數據，遠超 Waymo 的 250 萬小時，給 AI 模型持續進化提供不可復制的優勢。

說到 AI 模型，昨晚英偉達雖然沒有在大會上官宣，但有「綠色巨人」之稱的VLA，正式來到世界面前——而且，與所有其他 VLA，似乎都不太一樣。

VLA新序幕

除了全球最大規模的自動駕駛車隊、最新一代硬件打造的 Hyperion 10 智能駕駛方案，昨晚的英偉達還不聲不響地，拉開了自研 VLA 大模型的新序幕。

Alpamayo-R1（以下簡稱 AR1），這是英偉達實驗室昨晚最新發布的全新 VLA 視覺-語言-動作大模型。

AR1 與其他 VLA 的核心區別，在英偉達實驗室博客的標題中就得以體現：

「Bridging Reasoning and Action Prediction for Generalizable Autonomous Driving in the Long Tail」（連接推理和動作預測，實現長尾環境下的通用自動駕駛）。

可以簡單概括一下：AR1 與其他 VLA 大模型在核心技術路線上基本趨同。

但在復雜多變的「長尾」場景中，AR1 用新的技術創新，全面優化了推理、軌跡生成、對齊、安全性、延遲等等方面的實際表現。

英偉達官方的用詞是「state-of-the-art 」（業界領先）。

效果我們得等實測，今天還是簡單從原理方面解釋一下 AR1 的創新之處。

先來回顧一個名詞 CoT，Chain of Thought 思維鏈，這是年初 DeepSeek 震驚 AI 界的核心名詞。

由華人科學家魏學森提出的 CoT，是 2022 年初才廣泛被學術界認可的概念。

CoT 讓大模型自動給出推理步驟，最終讓規模足夠大的 LLM 的可解釋性顯著提升。

英偉達在 AR1 上的創新也是一個「鏈」，官方命名 CoC（Chain of Cause 因果鏈）數據集。

英偉達認為，自動駕駛的有效推理必須建立在「因果關系基礎之上」，并且推理本身「必須與駕駛任務保持結構對齊」。

這就要求推理軌跡不能產生冗長無序的敘述，因為人類的思維本身是極低時延，且精簡高效的。

而在對 CoT 思維鏈的應用中，英偉達認為思維鏈存在「行為描述含糊不清、表面推理、因果混淆」等等缺陷。

因而就有了 AR1 的 CoC 因果鏈，可以簡單理解為在推理軌跡的過程中，英偉達為模型強制實施了「明確的因果結構」。

這種強制，則是由「選擇關鍵幀」、「分隔歷史與未來片段」等標注類手段構成的。

所以可以看到，因果鏈的前置標注工作相當重要，而由此生成的因果鏈數據集，最終則可以為決策學習提供清晰的監督數據。

另一個很有意思的點在于，CoC 使用的大模型評估器是 GPT-5。評估器本身是否影響 AR1 的全球化進度，這個需要進一步觀察。

回到模型本身，AR1 作為一個定義為「模塊化 VLA 架構」的大模型，英偉達對其定位是「適配任何現成的 VLM 主干網絡」。

而目前 AR1 已經擴展到了最高 7B（三檔 0.5/3/7B）的規模，也已經明顯超出了目前各大主機廠輔助駕駛大模型 4B 的主流規模。

憑借著以上所有創新，最終英偉達公布了以下成績：

AR1 在復雜場景下的軌跡規劃性能提升了 12%，近距離碰撞率減少 25%，強化學習后訓練使推理質量提升 45%，推理-動作一致性增強 37%。

不過，論文中英偉達還提到另外一點：

AR1 現階段如果想要的車規級時延，需要在 RTX A6000 ProBlackwell 級別的卡上跑推理——這張卡的 INT8 算力高達 4000T，是 Thor-U 的 6 倍左右。

雖然但是，AR1 的誕生意味著英偉達的車規級軟硬一體戰略邁出了重要的一步。

從 10 年前純粹的芯片供應商，躍升為芯片、模型、訓練服務器完整閉環，現階段全球唯一的供應商。

All in Robotaxi

無論是 Hyperion 10 平臺，還是包含其中的 VLA 大模型，英偉達正以另一種姿態參與到自動駕駛賽道中。

英偉達不再做單純的硬件供應商，而是通過全棧方案發力自動駕駛，與車企共同布局，為 Robotaxi 提速。

美國造車新勢力 Lucid 在本周二宣布采用 DRIVE AV 平臺及其硬件時，臨時首席執行官 Marc Winterhoff 表示，該系統率先應用于即將推出的中型車，再逐步擴展至其它產品。

他還強調，因為上市節奏和資金問題，決定「不從零開始」，或許可以理解為與英偉達自動駕駛方案深度綁定。

而 Stellantis 與英偉達的合作形式更為直接。

前者提供整車工程和制造能力，后者提供自動駕駛方案和 AI 算力支持，共同開發無人駕駛出租車。

梅賽德斯-奔馳與英偉達的聯合，則是 L4 技術從無人出租車領域向私人乘用車進發的標志。

據后者透露，Hyperion 10 會融入奔馳 S 級，說不定「老板車」以后就自帶「私人司機」了。

另一方面，對于希望出海發展 Robotaxi 業務的中國車企，英偉達 Hyperion 10 平臺同樣會帶來一些積極意義。

如今國內大部分智能汽車統一搭載英偉達的智駕芯片，想要出海打造 Robotaxi，融合英偉達 DRIVE AV 方案想必會更加容易。

一系列布局和動作，都不難看出英偉達在自動駕駛領域的決心。Kings Research 等多家專業機構判斷，2025-2030 年，Robotaxi 將迎來爆發期，市場規模至少達到 440 億美元級別。

不僅是特斯拉、Waymo 的步步緊逼，來自中國的文遠知行、蘿卜快跑等 Robotaxi 公司。

還有一眾國內外車企，都將在 Robotaxi 賽道上爭奪話語權，部分車企將 Robotaxi 的量產節點定在 2026-2027 年。

如此龐大的增長市場，智能駕駛的標桿英偉達，顯然不會放過這個機會。

那么，你們認為，未來 Robotaxi 賽道，英偉達有機會做定義賽道規則的那一家嗎？

（完）