英伟达为什么会选中五一视界？|五一视界|算法|英伟达

英伟达于3月16日GTC新闻稿中宣布，旗下Omniverse NuRec与五一视界SimOne已实现深度融合。而这项合作正是基于神经渲染技术，用于解决智驾行业真实采集场景数据不可交互的痛点，进而加速以VLA、世界模型为代表的推理型自动驾驶开发，赋能全球L4级汽车合作伙伴。

消息出来后，五一视界(6651.HK)一度涨超27%，成交额放大至4.9亿港元。

据悉，五一视界是英伟达在此次GTC大会中官宣的智驾仿真领域唯一的中国合作伙伴，为什么英伟达会选中五一视界？通过各方资料及业内人士处获悉，背后有三大理由：

理由一、五一视界53.5%市占率背后的“客户转化器”

据国际知名咨询机构Frost & Sullivan近期发布的《2026年中国物理AI仿真及数据平台研究报告》称，五一视界旗下51Sim，以53.5%的市场份额位居中国端到端高阶智能驾驶仿真及数据平台市场第一。

这意味着，中国超过一半的高阶智驾产业链上下游都在使用五一视界的仿真产品及服务。对于英伟达而言，五一视界不仅仅是一个技术伙伴，更是一个拥有庞大存量客户的超级转化器。

英伟达的核心战略目标，是推动GPU算力在更多垂直场景落地。通过与五一视界的深度合作，英伟达找到了一条最高效的转化路径：

要想更好地使用最新的“NuRec+SimOne”数据驱动仿真体系，必须构建能够支撑神经渲染和高并发仿真的算力基础设施。而该体系是基于英伟达Omniverse和GPU加速构建的，这天然地引导了五一视界的现有和潜在用户群转向英伟达的算力生态。

换言之，与其说英伟达选中了五一视界，不如说英伟达是看中了五一视界在主机厂、检测机构、Tier 1及科技机构的行业客户网络，借此英伟达实现从“仿真软件用户”到“英伟达算力用户”的自然延伸。

理由二、五层蛋糕中，英伟达做“底层”，五一视界做“上层”

此外，要理解这次合作，不妨回到黄仁勋提出的英伟达“AI五层蛋糕”战略。

这五层蛋糕从下至上分别是：

第一层：能源层

第二层：芯片层

第三层：基础设施层

第四层：模型层

第五层：应用层

五层蛋糕理论不仅适用于英伟达的整体战略，也指引着英伟达在每个细分领域的战场打法。

英伟达的“下半截蛋糕”：芯片与基础架构

比如在智驾仿真领域，英伟达的核心优势在于“下半截蛋糕”，即算力层、基础设施层，以及部分通用模型层，这包括底层的GPU芯片、Omniverse平台、神经渲染库（如NuRec）及COSMOS世界模型等。

这些是通用的“水电煤”，提供了强大的算力和重建真实世界的工具能力。

然而智驾行业客户构成较为多元，虽然个别技术能力强的客户，可基于英伟达底层工具直接落地，但大多数客户需要更为直接的仿真产品和服务。要让技术生态真正覆盖这一行业纵深，英伟达必然要联合最具客户基础和技术深度的合作伙伴。而五一视界正是这个被英伟达挑中的在智驾仿真领域上层蛋糕的核心合作方。

五一视界的“上半截蛋糕”：场景、数据与闭环应用

五一视界的能力在于智驾仿真的"上半截蛋糕"中，已有Dataverse和SimOne两大平台形成了从路测数据处理、神经场景编辑与泛化、到闭环仿真验证的产品化能力，且已在多家车企研发流程中实际落地。

此次合作中，英伟达将NuRec这一"底层重建能力"与五一视界的"上层编辑、泛化与闭环仿真能力"深度整合，正是这一战略分工的具体体现。双方由此实现了智驾仿真领域从算力基础设施到行业闭环应用的贯通，各自专注，协同作战。

理由三、技术突破：解决智驾行业真实采集场景数据不可交互的痛点

从技术角度看，此次合作的核心价值在于双方共同攻克了数据驱动仿真中的一个重大行业痛点：真实场景的可交互性。

随着端到端成为高阶智驾的主流技术路线——即让AI直接从摄像头画面输出驾驶决策，取代过去分模块拼接的开发方式——新一代仿真必须同时满足两个条件：一是场景必须具备高置信度，尽可能还原真实道路环境——简单来说，只有让算法"看到"的仿真画面足够接近真实世界，训练和测试的结果才有意义；二是场景必须可编辑、可交互，而非只能回放固定的采集数据——也就是说，不能只是"看录像"，还要能在录像里"改剧本"，比如让前车突然变道、行人突然横穿，才能测试算法在各种意外情况下的反应。传统仿真架构难以同时满足这两点。

本次合作中， NVIDIA Omniverse NuRec 与五一视界旗下 Dataverse 数据管理平台及 SimOne 智驾仿真平台进行了产品级的深度融合，使真实车队数据能够被重建为可交互的神经场景，可直接用于自动驾驶系统的闭环仿真运行，为车企和自动驾驶算法公司提供了一条可落地的数据驱动仿真路径——车队采集的真实道路数据不再只是离线数据资产，而可以持续转化为可运行的仿真环境，实现从真实道路到仿真验证的高效闭环。

数据闭环仿真技术架构图

本次基于 NuRec 的数据驱动闭环仿真流程从技术上包含五个关键环节：

环节一：真实数据导入与预处理

环节二：NVIDIA Omniverse NuRec 场景与资产重建

环节三：神经场景在线预览与管理

环节四：测试用例生成与配置

环节五：神经场景仿真测试执行

从技术分工看，双方各自攻克了上述两个条件中的核心难题：

场景重建和修复

英伟达NuRec负责高置信度重建—— 将输入数据转换为基于 Gaussian 表示的三维或四维神经场景模型，在训练过程同时完成静态背景的重建以及动态目标的建模，并结合深度先验和语义信息提升重建稳定性和几何一致性。

然而在闭环仿真运行过程中，自车轨迹往往会偏离原始采集路径，需要从训练数据未覆盖的新视角进行渲染。在这种情况下，神经场景容易出现几何不连续、纹理缺失或局部渲染伪影，从而影响仿真的稳定性。为此，英伟达提供了基于Diffusion Transformer的 Fixer 生成式修复模型，可在训练和运行两个阶段对新视角渲染结果进行修复——训练阶段提升模型对视角变化的鲁棒性，运行阶段实时填补缺失信息并保持视觉连续性。