2026年北京车展期间，英伟达聚焦物理AI与全栈辅助驾驶两大核心方向，集中展出覆盖L2++至L4级的完整技术布局与产业生态成果。在车展前夕，英伟达全球副总裁吴新宙与媒体展开深度交流。
智能汽车本质是轮式机器人，自动驾驶正迎来物理AI驱动的全新迭代，行业正式迈入L4落地前夜。吴新宙表示：“辅助驾驶不是营销概念，是扎实的工程积累，而端到端大模型是辅助驾驶进化的最终归宿。车载算力没有绝对天花板，行业永远需要更强的AI推理能力。我们做为全行业的生态推动者，期待未来每一英里行驶里程，都能交给辅助驾驶。”
五层全栈架构，赋能物理AI量产落地
在吴新宙看来，辅助驾驶与通用机器人是物理AI商业化落地的两大核心载体，其中辅助驾驶更是落地速度最快、最易实现规模化量产的优质赛道，同时也是未来十年智能出行领域最核心的技术挑战。
当前全球出行市场规模突破10万亿美元，年度车辆行驶里程高达13万亿公里，但自动驾驶汽车市场复合年增长率仅为32%，行业依旧蕴藏着巨大的增量空间。凭借十余年的赛道深耕经验，英伟达已搭建起从云端训练仿真到车端落地部署的完整产业体系。其中，独创的“五层蛋糕”DRIVE全栈平台，贯穿辅助驾驶驾驶全链路技术环节，成为全球车企落地高阶辅助驾驶的核心基础设施，全方位降低行业量产门槛。
整体来看，该五层架构自上而下、层层赋能，覆盖辅助驾驶全产业链：硬件层依托DRIVE Hyperion统一车辆参考架构，搭配DRIVE AGX Thor车端AI芯片，通过双冗余计算设计，达标L4级自动驾驶严苛的车规安全标准；操作系统层以Halos OS为统一安全底座，集成安全防护、错误处理、系统集成等核心能力，筑牢整车辅助驾驶安全防线；模型层搭载迭代升级的Alpamayo开放视觉-语言-动作推理模型，赋予车辆复杂路况识别、因果推理、自主决策的类人驾驶能力；应用层依靠DRIVE AV辅助驾驶软件栈，全面覆盖L2++到L4+全等级辅助驾驶功能；基础设施层则依托Cosmos数据集与Omniverse仿真平台，搭建起数据采集、场景仿真、模型迭代的完整闭环，持续反哺车端辅助驾驶能力升级。
依托完善的全栈架构，英伟达核心产品实现能力全面升级，精准适配高阶辅助驾驶量产需求。其中，基于Blackwell架构打造的DRIVE AGX Thor芯片，最高算力可达2000 TFLOPS，其大语言模型推理性能较上一代Orin芯片提升20倍以上，车辆实时控制CPU性能提升2.3倍，完美支撑车载大模型规模化上车。在安全层面，Halos OS构建起“AI模型+经典规划”的双重安全体系，当车载AI决策触及安全边界时，传统安全软件栈可即时介入，完成制动、避让等兜底操作。与此同时，全新迭代的Alpamayo 1.5模型登顶LingoQA辅助驾驶推理榜单，结合Omniverse NuRec技术，可实现场景多样性十倍提升，有效降低模型训练与实车验证成本，大幅提升辅助驾驶研发效率。
吴新宙明确表示，英伟达汽车业务始终坚守两大方向：一是推动全球汽车行业完成L4级高阶自动驾驶的全面迭代，二是实现英伟达端到端全栈辅助驾驶方案的规模化商业落地。未来，英伟达也将把深耕中国智能汽车产业积累的实战经验，通过全球化平台赋能全球车企，助力行业突破高阶辅助驾驶核心技术壁垒。
节奏清晰，加速L4自动驾驶规模化普及
当下智能驾驶行业高速发展的同时，技术路线博弈、车企自研冲击、算力上限争议等行业难题持续存在。面对行业诸多分歧，吴新宙跳出单一技术视角，从产业全局出发给出务实解答，印证了自动驾驶赛道技术多元共存、生态合作共赢的长期发展趋势。
长期以来，纯视觉与激光雷达两大感知路线的争论从未停止。深耕行业多年、见证智驾技术迭代浪潮的吴新宙，十分看好纯视觉方案的长期潜力。他认为，视觉传感器拥有更高的像素密度，搭配先进视觉大模型后，具备极强的技术上限，但两条技术路线并非非此即彼的对立关系，而是分级适配、场景互补的协作关系。
具体而言，主流L2++高阶辅助驾驶场景中，纯视觉方案足以满足日常行车需求，激光雷达仅作为优化配置；而对于追求极致安全的L3、L4级高阶自动驾驶，激光雷达是不可或缺的安全冗余，能够弥补纯视觉在暗光、暴雨、大雾等极端场景的感知短板。基于此，英伟达持续联动欧美优质供应链，完善激光雷达配套体系，为高阶自动驾驶量产保驾护航。
历经十余年技术沉淀，高阶自动驾驶已然走出概念试水阶段，正式迈入L4技术落地前夜。依托成熟的全栈技术与开放生态，英伟达制定了清晰的自动驾驶分级落地时间表，联动全球车企、Tier1供应商与出行平台，稳步推进高阶自动驾驶商业化落地。
按照规划，英伟达将循序渐进完成智能驾驶技术迭代：2025年实现L2++级辅助驾驶量产落地，落地基础高阶行车辅助与主动安全能力；2026年推动L2++点到点辅助驾驶全球规模化落地，覆盖全球多个核心城市；2027年完成受限区域L4级Robotaxi试点运营，依托地理围栏保障落地安全性；2028至2030年，实现L4级乘用车商业化落地，联合出行平台将无人驾驶服务拓展至全球四大洲28座城市。
打破行业路线争议，以开放生态拥抱多元发展
当前，国内头部车企掀起的芯片自研浪潮，让外界普遍认为将冲击英伟达车载芯片业务。对此，吴新宙保持着开放包容的态度，他表示英伟达从不排斥车企自研芯片。以特斯拉为例，即便自研FSD芯片，依旧与英伟达保持合作。英伟达的核心定位是行业生态推动者，不会强制客户全套采购自有硬件。
从产业底层逻辑来看，车企即便完成车端推理芯片自研，其自动驾驶模型训练、场景仿真测试、算法持续迭代等核心环节，依旧离不开英伟达云端GPU算力支撑。目前，英伟达已与多个国内自研芯片车企建立常态化深度合作，从开放模型、仿真工具、数据服务到模型训练，全方位提供技术赋能，始终以推动全行业智驾升级为核心。
针对行业热议的“车载算力是否存在天花板”问题，吴新宙也给出了清晰回答：车载算力不存在绝对上限，且行业算力需求将长期稳步增长。这一趋势源于三大核心产业变化：高清车载摄像头持续普及、感知帧率不断升级、车载大模型时序理解能力持续迭代。现阶段行业车载算力仅能勉强满足基础辅助驾驶需求，尚有极大升级空间。
为此，英伟达已启动下一代车载芯片研发，摒弃单纯堆砌算力的传统思路，在控制整车成本与硬件功耗的前提下，最大化提升AI推理效率，平衡车辆智能化能力与量产经济性。
依托完善的生态布局，英伟达众多合作伙伴在本次北京车展集中展示量产成果。其中，奇瑞依托DRIVE Hyperion平台打造L3/L4级自动驾驶车型，同步布局智能座舱与人形机器人业务；德赛西威基于双DRIVE AGX Thor芯片，落地量产级L3/L4智驾解决方案；文远知行、小马智行、元戎启行等头部自动驾驶企业，也持续借助英伟达全栈平台推进Robotaxi规模化商用。
对于自身产业定位，吴新宙认为英伟达辅助驾驶生态是面向所有车企与出行企业的，英伟达提供一站式、可快速量产的全栈智驾方案；同时保持高度开放性，兼容全行业技术玩家，拒绝技术主导。他表示，智能汽车本质是轮式机器人，高阶自动驾驶、车载AI智能体、智能座舱大模型，都是物理AI在汽车场景的核心落地形态。
未来，英伟达将持续迭代“五层蛋糕”全栈架构，遵循车载行业的硬件迭代节奏，在保障车载系统高安全、高稳定的基础上，持续升级芯片、模型与平台能力，持续推动高阶辅助驾驶技术普惠与产业规模化发展。
以物理AI为引擎、以全栈开放为底色、以量产落地为目标，英伟达正推动辅助驾驶从辅助功能向真正无人驾驶跨越。随着端到端大模型上车、算力持续升级、生态不断完善，2026—2030 年将是L4从试点走向普及的关键窗口期，行业正式进入落地前夜的攻坚阶段。
热门跟贴