作者 |德新

編輯 |王博

4月下旬，在北京車展開幕前的一天，NVIDIA全球副總裁、汽車業務負責人吳新宙現身NVIDIA位于北京國貿商圈41層的辦公室。

在這之前，他已經在國內待了一個多月。同新宙一起會見媒體進行溝通的，還有英偉達負責數據中心業務的全球副總裁Norm Marks以及英偉達全球副總裁、中國區汽車業務負責人劉通。

彼時是新宙到任NVIDIA半年多以後，第一次在國內公開露面。

今年時值NVIDIA下一代車載中央計算平台DRIVE Thor量産前的關鍵一年。中國是全球市場智能駕駛應用最爲活躍的市場，DRIVE Thor平台不少的先鋒客戶都來自這裏。

與此同時，在智能駕駛的軟硬件平台之外，AI應用正在向汽車行業全面滲透，包括開發、設計、營銷、生産等在內的全流程。

NVIDIA憑借「DRIVE計算平台+數據中心 + Omniverse軟件棧」的組合，希望在日新月異的汽車市場中拿下更大的蛋糕。

吳新宙在這次會議上再次重申了「AI定義汽車」的觀點，尤其在智能駕駛領域，端到端的架構正在重新定義第三代的智駕技術棧。

在座艙領域，NVIDIA全球副總裁Norm Marks提到今年2月他來國內試駕了理想，理想在座艙大模型MindGPT上的進展和未來構想令人吃驚。

NVIDIA汽車業務的雄心也正從車上，滲透到造車的全流程。

前不久，NVIDIA基于DRIVE Thor和Omniverse與全球最大的新能源車企比亞迪達成合作，絕大部分人的關注點在于比亞迪發力智駕。

與之相比，Omniverse的合作乍看沒有那麽性感。但NVIDIA希望從數據中心、智能工廠、機器人等全領域幫助這家龐大的車企降本增效。畢竟僅僅在生産環節，比亞迪每年就雇傭了超過30萬人。

「接下來，AI定義汽車肯定是一個很大的趨勢。 」這個觀點在新宙最近幾個月的公開露面中不斷被重複提到。「生成式AI，會把自動駕駛的天花板進一步提升。」

新宙將自動駕駛的算法分爲三個階段：

曾經在計算機視覺領域也出現過這樣三段式發展的曆程。新宙認爲這樣的趨勢是不可避免的，「這樣的未來，我覺得會在接下來的5年內發生」。

新宙認爲，未來能把端到端模型做得好的企業，首先也需要一個非常好的第二代或者第一代的自動駕駛堆棧，端到端會與現有的技術棧協同發展。

「端到端相當于一個博士生、博士後，但它成長中需要小學老師、中學老師去教它。端到端在擬人化方面有很強的優勢，但需要一些原來的模型保持它的安全性，一個guardrail。」

對NVIDIA來說，汽車是AI的一類垂直應用。

「我們希望通過AI整體性能的成長，把好的應用帶給汽車場景。

（在汽車上）我們更多的身份是一個生態賦能者，歡迎客戶用一部分的東西，也歡迎端到端的合作。」新宙這裏所指的端到端，是指全棧的軟硬件方案。

從核心業務來說，NVIDIA在汽車上提供「數據中心 + 系統級芯片 + 汽車安全平台 + 全棧解決方案」的産品組合。

其中，全棧解決方案也就是NVIDIA Autonomous Driving System，是新宙當前工作的重中之重。

吳新宙親自率領的智駕解決方案開發，將分爲三個階段：

「第一步，希望我們的軟件盡快在現有的L2和L2+系統上，達到市場領先水平或者第一梯隊水平；

第二步是希望在L2++的領域有些新的突破，真正做到行業領先的水平。

其中，我們還是希望未來的軟件棧是端到端的可訓練，把上遊的模塊完全打通，不光是模型之間打通，還可以做到端到端訓練。我們整體上完全用生成式大模型的布局已經開始，相信今年晚些時間就可以有DEMO展示給大家，通過端到端模型的方式完成。

只是把上遊模型和下遊模型打通，但還不是真正意義上的基于生成式AI的模式，我們也會把VLM、LLM運用到自動駕駛，真的非常高興每天都可以看到進展，期待真正把NVIDIA的天花板進一步提高。

第三步就是現在已經開始的，希望能夠在2026年量産的L3，完全把人從系統中拿掉，這才是自動駕駛真正的價值所在。」

「我們的核心是讓大家在車裏不是開車，開車不是剛需，從A點到B點是剛需。」

除了智駕軟件方案的進展，本屆車展上，NVIDIA下一代智駕計算平台DRIVE Thor也有相當高的關注。

來自供應鏈的信息顯示，本次車展之後，各大主機廠對DRIVE Thor的興趣明顯大幅增加。

繼極氪、理想、比亞迪之後，本屆車展上，極越、廣汽Hyper等多家車企都陸續官宣下一代計算平台將使用DRIVE Thor。

官方預計，2025年開始有將有第一代的SOP，車企也會比較快拿到樣片。

「從自動駕駛的出租車到無人配送，DRIVE Thor的大家庭還在快速往前增長，這也是一個不可阻擋的趨勢。」

吳新宙認爲，DRIVE Thor不僅代表了最高算力的下一代芯片，也代表著最高安全等級的下一代芯片，是能夠對生成式AI、LLM給予最好支持的芯片，推動AI定義汽車更好往前發展的芯片。

NVIDIA汽車業務中國區負責人劉通介紹，DRIVE Thor的生態，目前大致可以分爲3類：

第一種是國內車企的全自研型，無論是域控制器還是算法開發都是自研，包括理想、小鵬、極氪這一類；

第二種是生態合作夥伴，通常是Tier 1；

第三種是軟件供應商以及智能座艙軟件開發商

相比于智駕在話題性上的高熱度，Omniverse更多扮演的是站在車企背後的産品。

NVIDIA認爲，從汽車的概念設計、工廠數字孿生系統，到營銷銷售，到自動駕駛，Omniverse都會有巨大的影響。

NVIDIA正在和幾家國內國際車廠協同進行工廠數字孿生的探索，核心方法是通過數字孿生的模式對工廠進行非常詳細的布局和優化，從而提高工廠的運營效率，並且也可以用來做機器人的訓練。

「機器人的訓練是一個非常大的話題。工廠的機器人相對簡單，因爲場景比較限定，所以通過數字孿生可以很好地産生真值系統。從我的角度來講，如何能夠高效産生真值是比自動駕駛難得多的話題。

通過仿真和Omniverse，NVIDIA希望在機器人時代來臨時發揮自己的作用。」吳新宙說。

附錄，以下是本次溝通會上，新宙與媒體的QA問答，HiEV作了不改變原意的刪減：

Q：端到端自動駕駛技術的未來發展會是怎樣的？

吳新宙：端到端自動駕駛是三步曲的最終一步，我相信一定會到來。

大家不要字面上理解就是從像素到動作，可能會有一些別的東西配合。比如在控制這一環，後面可能還會有優化幫助把控制做得更好，因爲控制是數學問題，但是這個問題比較技術性。

端到端的模型上線之前一定會有一個“護欄”，因爲需要不停地優化和成長，要是一開始就上線端到端的模型是非常困難的。

相信能夠把端到端模型做好的企業一定也需要非常好的第二代甚至第一代的自動駕駛堆棧，就像端到端的模型像是未來可以成爲博士生甚至博士後的學生，但在成長的過程中需要小學老師、初中老師去帶去教，能夠有時間去成長，變得更加強大。

接下來的幾年裏，大家可以看到這樣一個趨勢，端到端的模型和原有模型的相輔相成，某些情況下比如比較難的路口處理可以顯示出更加擬人化的東西，通過原有的模型和方法保證安全性，這些是把端到端模型真正大規模部署，變成主流的一個過程。

Q：如何應對黑盒問題和算力上的挑戰？

吳新宙：怎麽解決黑盒化的問題，可以說這是業界比較關心的。

主要有幾個維度：

剛才我已經講到通過原有的第一代第二代算法棧，可以保證端到端模型的安全性，也可以不停地判斷端到端模型決定的合理性，把雙方有差異的地方作爲輸入。其實有點像大語言模型訓練的反饋，或者是上一代模型的循環，能夠讓結果更加合理化，這些和Human In The Loop大語言模型是非常一致的。

另一個很重要的點就是未來的大模型、端到端模型有周邊的輸出點可以觀測，比如可以觀測輸出的結果，訓練的時候也是部分訓練等于是在黑盒開啓幾扇窗，看到信號是怎樣的模式，通過這樣的方式在最後運行的時候不需要運行仿真，那些窗其實就是輸出口，最後正式運行的時候不一定要運行那些東西，但如果需要觀測爲什麽、了解怎麽想的話可以通過那個窗口看一下。

Q：NVIDIA如何通過産品和技術滿足汽車行業對AI芯片的高要求？

吳新宙：我們核心的使命還是生態賦能者。

NVIDIA的一個巨大優勢就是端到端，而且是整體AI賦能，汽車只是我們的一個垂直領域。我們當然會聽車廠的需求，同時也需要通過AI在整個水平領域把好的東西帶到汽車的應用場景。我們作爲生態賦能者希望引領生態變化，新的技術産生，以及AI在汽車垂直領域的應用。

我們在數據中心、訓練工具都有巨大的投入，不管是在汽車還是在別的領域都是一樣，我們也有SoC和安全平台，從底層軟件加上芯片，所有的每一層都有引入非常強的安全概念，我們還有端到端全棧軟件的開發。

以上四個方面構成我們汽車生態系統，這也是NVIDIA的布局，歡迎以各種各樣的方式采用我們的芯片。

我們的訓練工具和雲端Omniverse、汽車生態系統都會很方便地和生態合作方合作，通過這種方式去更快地促進AI這樣的人類社會巨大賦能者在汽車領域的應用。

Q：在車企和科技公司紛紛自研智能駕駛芯片的背景下，NVIDIA將如何保持差異化的優勢？

吳新宙：這也是一個好問題。

其實NVIDIA的優勢也非常明顯，我們是整個AI生態的賦能者，不是專注于做車。可以說每個AI的突破，我們都希望在NVIDIA的生態中産生。我們現有的芯片更多的是基于通用GPU，但我們也會不斷調整，使我們的生態中孕育出來的産品能夠有越來越好的支撐。這些已經是自動閉環的系統，我們在把AI在我們系統中不停地往前叠代，可以對我們的整體硬件架構進行優化，再把這些成果變成車端的芯片。

我覺得AI時代就是這樣快速叠代、快速變化的時代，NVIDIA的芯片一定是能夠最高效地把AI最前端的東西運用到車端的芯片，這些是我們比較大的優勢。

另外我還要再強調安全，安全不是一蹴而就的東西，需要大量的投入、大量的經驗，特別是端到端能夠把安全做好，包括芯片的模塊和上面操作系統的模塊、雲端所有訓練工具的安全性，真正産生高效安全的網絡，可以把軟件部署到車端芯片。

我們對安全的執著和巨大的投入在未來一個時間段也是NVIDIA的巨大優勢，希望通過這些持續投入更好地賦能汽車和機器人行業，賦能大家在我們的平台上用比較少的投入做出安全的東西，這是我們的期望。