2026年4月23日，也就是在2026北京国际车展开幕前夕，英伟达全球副总裁、汽车事业部负责人吴新宙进行了一场深入的业务分享与媒体问答。这位曾在中国自动驾驶领域留下深刻印记的领军人物，如今正站在英伟达的平台上，试图将其经验与英伟达庞大的技术生态相结合，推动全球汽车产业向更高阶的自动驾驶迈进。
在长达近一小时的分享中，吴新宙系统阐述了英伟达对于“物理AI”（Physical AI）时代的判断——即AI技术与物理世界深度融合，而自动驾驶正是其中最早能实现大规模量产的应用。
为此，英伟达已构建了一个被称为“五层蛋糕”的全栈式服务体系：从底层的DRIVE Hyperion标准化硬件与传感器平台，到Halos OS安全操作系统与中间件，再到开源的Alpamayo端到端推理模型，以及顶层的DRIVE AV“交钥匙”完整解决方案，最后辅以云端训练与Omniverse仿真构成的基础设施。吴新宙强调，这套体系的终极目标是降低整个行业迈向L4的门槛，无论车厂选择何种合作模式。
随后的采访环节，吴新宙坦率地回答了包括车东西总编辑张国仁在内的少数媒体的问题，涵盖了技术路线（激光雷达vs纯视觉）、产业竞争（车企自研芯片）、商业逻辑（生态与闭环的平衡）、个人角色以及未来挑战等多个维度。吴新宙的回答既展现了英伟达作为生态构建者的开放野心，也透露出其对自动驾驶十年“执念”的笃定。以下是本次分享与交流的核心内容梳理。
一、“五层蛋糕”：英伟达的全栈自动驾驶战略
吴新宙开宗明义地指出，实现物理AI需要依赖“三台计算机”：车端的推理计算机、云端的训练计算机，以及至关重要的仿真计算机。围绕这三者，英伟达打造了从硬件到软件、从开发到部署的“五层”服务。
第一层，硬件基石：DRIVE Hyperion的标准化野心。 这是英伟达与行业共同定义的L4级硬件参考架构。其核心是基于Blackwell架构的新一代车规级SoC——DRIVE AGX Thor，提供高达2000 FP4 TFLOPS的算力，专为生成式AI推理优化。
更重要的是，Hyperion提供了一套预验证的传感器套件方案：基础版支持L2++（无激光雷达，主打纯视觉），高阶版则包含激光雷达、14个摄像头和9个毫米波雷达，为L3/L4提供硬件冗余和安全保障。吴新宙强调，推动硬件标准化是为了让行业数据能在同一基准下共享，从而“极大降低数据门槛”。
第二层，安全底座：Halos OS与中间件。 在硬件之上，Halos OS扮演着“安全底座”的角色。它不仅是一个符合最高安全等级要求的实时操作系统，更通过车辆抽象层（VAL）和传感器抽象层（SAL），将底层硬件差异屏蔽，大幅减少了车企适配不同硬件的工作量。
此外，英伟达还将经典的、基于规则的规划算法（Classical Planner）和主动安全模块集成于此，作为AI模型的“安全护栏”。“我们希望你的模型做得再烂也没关系，放在上面至少不会撞车。”吴新宙如此形容其兜底作用。
第三至五层：模型、方案与基础设施。再往上，是开源的Alpamayo视觉-语言-动作推理模型。目前发布的1.5版本已支持多摄像头输入和导航指令。对于有能力的企业，可以在此基础上进行微调开发；对于寻求快速落地的伙伴，英伟达则提供顶层的DRIVE AV端到端完整解决方案，目前已与梅赛德斯-奔驰、Lucid等车企达成深度合作。
而这一切的开发迭代，都离不开最顶层的云端基础设施——依托NVIDIA DGX的模型训练、基于Omniverse NuRec的神经重建与仿真。吴新宙透露，目前英伟达每日要进行高达200万次的仿真测试，利用Cosmos世界模型生成合成数据，能将数据验证效率提升5-10倍。
二、冲刺L4：数据、仿真与开源生态的合力
在勾勒完宏伟架构后，吴新宙深入分享了英伟达推动L4落地的具体实践与核心洞察。他认为，当前自动驾驶已不存在不可逾越的技术卡点，关键在于如何将庞大的系统工程高效、安全地落地。
开源模型Alpamayo：降低起点，而非终点。 吴新宙将开发自动驾驶比作攀登秘鲁的阿尔帕马约山（Alpamayo）——“非常美丽，但也非常艰难”。开源Alpamayo模型的意义在于降低起步难度。该模型虽仅用8万小时驾驶数据微调，但其“主干”继承了世界基础模型Cosmos（基于2000万小时互联网视频训练）对物理世界的理解能力，起点极高。
然而，他强调这只是第一步，要真正量产，车企仍需进行针对Corner Case的数据采集、微调和海量仿真验证。
仿真革命：Omniverse NuRec的核心价值。 随着端到端模型成为主流，传统的模块化测试方法已不适用。“现在是像素进，轨迹出，你怎么验证新模型不比旧模型差？”吴新宙指出，答案在于神经重建（Neural Reconstruction）。
Omniverse NuRec能够从真实路采数据中，像素级地重建出一个可编辑的3D场景，开发者可以在此场景中改变车辆轨迹、添加障碍物、变换天气光照，从而对AI驾驶策略进行无限次的闭环测试与验证。这项源于英伟达图形学数十年积累的能力，正成为加速自动驾驶迭代的“秘密武器”。
生态逻辑：共赢而非独占。 吴新宙反复申明英伟达的“生态玩家”定位。其战略是说服车企采用标准的Hyperion平台，无论它们最终是选用英伟达的芯片、开源模型还是全套方案。
“你哪怕不用我们的车端芯片，也大概率会用我们的云端GPU来训练，或用我们的工具来仿真。”在他看来，只要整个行业向着L4加速前进，英伟达作为底层基础设施提供者就能持续受益。这种开放性与特斯拉等公司的垂直整合模式形成了鲜明对比。
三、国仁对话：激光雷达必要性与车企自研芯片的博弈
在媒体问答环节，车东西总编辑张国仁率先抛出了两个极具现实意义的问题，直指当下行业的技术分歧与产业博弈。
关于“激光雷达的必要性”，吴新宙给出了辩证回答。 他首先表明Transformer等AI模型已让视觉能力上限极高，对于L2++系统，纯视觉完全可以胜任，因此“很难证明激光雷达的必要性”。
但他同时坚定地认为，激光雷达对于L3/L4系统是“非常重要的冗余”。它提供了一个独立于视觉的感知来源，是实现功能安全（尤其是在单点失效情况下）的关键组成部分。
这也解释了为何英伟达的高阶Hyperion套件包含了激光雷达，而其与奔驰合作的L2++项目（如旧金山演示的车型）则采用纯视觉方案。他的结论是：路线选择取决于目标级别，而英伟达提供两种选项。
关于“车企自研芯片趋势”，吴新宙展现出开放与从容。 他以特斯拉为例，指出即便客户自研芯片，英伟达依然能在云端训练、仿真等领域保持合作。
“我们不希望你们买我们所有的东西，但我们不希望的是你什么都不买。”这句源自CEO黄仁勋的调侃，道破了英伟达的核心商业逻辑——成为智能汽车时代的“卖水人”和“送水工”。面对中国新能源车企的自研潮，吴新宙表示理解并保持沟通，英伟达的重点是让业界在其工具链和生态中获益，共同向L4推进，而非强行捆绑销售芯片。
四、吴新宙的角色与行业洞察：物理AI的宏大愿景
其他媒体记者的问题，则更多地聚焦于吴新宙的个人角色与他对行业未来的宏观判断。
当被问及在英伟达的职责与KPI时，吴新宙将其归纳为两点：一是推动整个产业向L4迈进；二是将DRIVE AV“交钥匙”方案成功落地。 他将这份工作视为职业生涯的“最佳注脚”——有机会将在中国的实战经验，通过英伟达的全球平台加以放大。对于英伟达是否意在成为自动驾驶的“安卓系统”，他予以认可：“我们是一个生态玩家……我们会尽量帮助生态里的所有人。”
谈及行业热度转移（许多人才转向机器人领域），吴新宙认为这并非坏事，两者同属物理AI的重要方向。 他坦言自动驾驶已进入“提升非常困难的深水区”，但正因为接近终点，最后一步的坚持才更具使命感和价值。他相信自动驾驶的商业体量（每年约13万亿英里里程，蕴藏巨大经济价值）决定了其不可替代的重要性。
关于舱驾融合与大模型的影响，吴新宙预测未来车辆将不再需要“两个大脑”。 座舱交互与自动驾驶功能将趋向于在硬件和软件上更深度地集成，由一个更强大的AI芯片统一驱动，同时满足娱乐交互、环境感知与决策规划的需求。这或许暗示了英伟达在车端计算架构上的未来方向。
五、技术瓶颈与未来路线图：L3会否被跳过？
最后一个话题集中在了技术实现的路径与时间线上。
吴新宙明确表示，目前他“看不到一个很大的技术卡点”。 生成式AI和推理模型的突破，已基本解决了认知层面的核心难题。剩下的更多是确保安全、实现冗余、处理海量数据的“庞大系统工程”问题。他认为Waymo等公司的运营状况已经证明了L4技术可行性。
对于业界“跳过L3，直攻L4”的争论，吴新宙持务实态度。 他指出L3与L4在技术难度上差距不大，核心区别在于责任归属和是否需要云端护航。L3允许驾驶员在一定条件下接管，这在高速通勤场景（让驾驶员可以工作、娱乐）已有巨大价值。而L4要求车辆在任何情况下都能处理，这对车企的云端远程护航能力提出了极高要求。
因此，他判断L3和L4在未来一段时间可能会并存：L3作为高端乘用车的增值功能，L4则可能率先在Robotaxi等运营车辆中实现。英伟达的路线图也反映了这一思路：2026年聚焦L2++全球拓展，2027年启动与谷歌等的L4试点，2028年则计划与优步在洛杉矶推出Robotaxi服务。
结语：
通过此次分享与访谈，英伟达在自动驾驶领域的宏大布局与清晰路径得以完整呈现。吴新宙带来的不仅是“五层蛋糕”的技术蓝图，更是一种基于产业生态的开放性哲学。英伟达不再仅仅是一家芯片公司，它正致力于成为整个物理AI时代的操作系统与基础设施提供者。
其战略的核心矛盾与精妙之处在于：既通过开源模型、标准化平台竭力降低行业门槛，鼓励百花齐放；又以最强的芯片、最全的栈和最深的合作绑定头部客户，树立标杆。这看似矛盾的双手策略，实则统一于“做大产业蛋糕”的终极目标之下。
吴新宙的自信，源于英伟达在AI计算、图形仿真与软件生态上构筑的深厚护城河。无论车企选择哪条技术路线，或处于自研的哪个阶段，似乎都难以完全绕开英伟达所提供的某种“基座”。自动驾驶这场漫长攀登，英伟达正在将自己变为那条最难被绕过的主路，以及沿途最重要的补给站。而对于整个行业而言，技术曙光已现，但商业化落地所需的工程耐力、安全韧性以及商业模式创新，依然是穿越最后一公里迷雾的关键。
热门跟贴