引言

3月17日，美國加州圣何塞，2026年GTC大會。

黃仁勛又一次站在聚光燈下，這一次他手里拿的不是新的顯卡，而是一張覆蓋全球的自動駕駛版圖。

英偉達宣布：攜手比亞迪、吉利、日產、五十鈴，基于NVIDIA DRIVE Hyperion平臺打造L4級自動駕駛汽車；

與優步Uber擴大合作，計劃到2028年在四大洲28個城市推出自動駕駛車隊；

發布Halos安全架構、Alpamayo 1.5模型、Omniverse NuRec仿真技術……

一串組合拳打下來，圈內人看出了門道：英偉達不是在賣芯片，而是在給整個汽車行業安裝同一顆“大腦”。

這背后，是一場關于自動駕駛“操作系統”的終極卡位戰。

（參考閱讀請點擊：《英偉達：剛支持英國自動駕駛公司Wayve融資，又參與英國無人駕駛初創公司Oxa 融資1.03億美元》）

一、 從“賣鏟人”到“包工頭”：英偉達的野心不只在芯片

過去幾年，英偉達在汽車圈的標簽是“AI芯片之王”。

蔚小理用它的Orin，特斯拉雖然自研但也曾是客戶，幾乎所有想做高階智駕的車企，都繞不開英偉達的算力。

但這次GTC大會釋放的信號很明確：英偉達不滿足于只賣“鏟子”，它要承包整座金礦。

英偉達DRIVE Hyperion平臺的出現，改變了游戲規則。

它不只是芯片，而是一套量產級計算與傳感器架構，包含了從硬件參考設計到軟件協議棧的全家桶。

車企拿到手，不是一堆需要自己拼裝的零件，而是一個可以“開箱即用”的智能駕駛底座。

比亞迪、吉利、日產的選擇，印證了這個趨勢。

這些頭部車企，各自都有龐大的研發團隊，技術路線各不相同，但在L4級自動駕駛的攻堅階段，它們不約而同地站到了英偉達的旗幟下。

為什么？

因為L4級自動駕駛的研發，已經超出了單一車企的能力邊界。

它需要超大規模的算力集群、需要覆蓋全球的場景數據、需要應對無數邊緣案例的仿真測試——這些基礎設施的投入，是百億級別的。

與其各自重復造輪子，不如在一個成熟可靠的底座上，專注打造自己的差異化體驗。

英偉達的角色，從“賣鏟人”變成了“包工頭”——它不僅提供工具，還幫你把地基打好、水電鋪好，你只需要在上面蓋自己的房子。

二、 優步Uber的“復活”：出行平臺成了自動駕駛的最大變量

這次發布會上，還有一個值得玩味的細節：Uber回來了。

英偉達與Uber擴大合作，計劃到2028年在四大洲28個城市推出完全由NVIDIA DRIVE AV軟件驅動的自動駕駛車隊。

2027年上半年，洛杉磯和舊金山灣區率先啟動。

與此同時，Bolt、Grab、Lyft等全球出行巨頭，也宣布借助DRIVE Hyperion平臺加速自動駕駛布局。

這一幕，像是歷史的輪回。

七八年前，Uber曾是自動駕駛的狂熱信徒，砸下重金自研技術，結果在2018年的致命事故后元氣大傷，最終出售了自動駕駛部門。

當時很多人斷言：出行平臺做不了自動駕駛，太重、太難、太遠。

但今天，Uber換了一種姿勢卷土重來——不再自己造車，而是成為自動駕駛技術的最大采購商和運營商。

（參考閱讀請點擊：《Uber成自動駕駛最大平臺？贏者通吃Waymo、Mobility、大眾、Momenta、小馬智行、文遠知行、特斯拉》）

這個邏輯其實更順：

Uber手里有什么？海量的出行需求、成熟的司機（現在是車輛）管理網絡、用戶觸達能力。

它不需要從零研發自動駕駛，只需要在乘客叫車時，派一輛能自己跑的車過去。

對于英偉達來說，Uber們的價值同樣巨大。

它們是自動駕駛技術的 “放大器”——一套技術方案，接入Uber平臺，就能在幾十個城市、數百萬訂單中快速驗證、迭代、變現。

這種規模化落地的速度，是車企自建車隊無法比擬的。

可以預見，未來的自動駕駛格局，可能是這樣的：英偉達提供大腦，車企制造身體，Uber們負責調度。

各吃各的肉，各長各的膘。

三、 Halos與Alpamayo：讓AI學會“講道理”

技術層面，這次發布的兩個東西值得單獨拎出來說：Halos安全架構和Alpamayo 1.5模型。

先看Halos。

英偉達給它起了一個很有宗教感的名字，但內核極其務實。

它基于獲得ASIL D最高功能安全認證的DriveOS打造，采用三層架構整合安全中間件與可部署應用，內置符合NCAP五星標準的主動安全棧。

翻譯一下：這是一個從底層操作系統就開始考慮安全的設計，不是事后打補丁，而是事前就植入基因。

更關鍵的是，英偉達拉上了廣達、禾賽、法雷奧等生態伙伴，共同加入Halos AI系統檢測實驗室。

這意味著，安全標準不再是英偉達一家說了算，而是產業鏈共同維護的“公約數”。

再看Alpamayo 1.5。

這個名字有點意思——Alpamayo是秘魯一座以險峻著稱的山峰，用它命名一款自動駕駛模型，暗示著攻克技術險峰的野心。

這款模型的亮點在于：它能接收駕駛視頻、導航指令甚至自然語言提示，隨后輸出帶有推理邏輯的行駛軌跡。

開發人員可以直接用文本設定駕駛約束條件，比如“在這條路上開穩一點，別讓乘客暈車”或者“遇到老人多等兩秒”。

這意味著什么？

意味著AI不再是黑箱，而是可以 “講道理”的。

當車輛遇到罕見路況時，開發者可以通過場景重放和指令更新，告訴AI“剛才為什么錯了”、“下次應該怎么做”。

這種交互式學習，比單純堆數據更高效，也讓AI的決策邏輯更可解釋、可干預。

對于監管和公眾來說，這一點至關重要。

自動駕駛要贏得信任，不能只靠“我跑了幾百萬公里沒出事”的數據，更要能說清楚“在什么情況下我會怎么做”。

Alpamayo 1.5的出現，讓這種“說清楚”成為可能。

四、 NuRec：用游戲引擎給AI出“奧數題”

最后聊聊Omniverse NuRec。

這名字聽起來很技術，但理解起來很簡單：它是一個用3D高斯濺射技術重建仿真場景的工具。

過去，要給自動駕駛做極限場景測試，需要手動建模——建一個復雜的十字路口，搭一個突然沖出路口的行人，模擬一場暴雨中的夜間駕駛……

耗時耗力，還未必真實。

NuRec的邏輯是：直接把真實世界采集的數據“吸”進去，然后快速重建出交互式的3D仿真場景。

開發者可以在這些場景里，給自動駕駛出各種“奧數題”——比如讓一個小孩突然從路邊停著的卡車后面沖出來，看看系統怎么反應。

保時捷研究中心、密歇根大學Mcity測試場已經率先接入。

這意味著，那些在真實世界里十年難遇的“邊緣案例”，可以在仿真環境里被批量制造、反復測試。AI見過的“鬼”多了，上路之后自然更淡定。

這其實是自動駕駛行業的“摩爾定律”：測試效率的提升速度，決定了技術迭代的速度。 

NuRec這種工具，正在把測試效率從“手工時代”推進到“工業時代”。

五、 結語：統一的“大腦”，多元的身體

縱觀英偉達這次發布的組合拳，可以提煉出一個清晰的戰略意圖：

為自動駕駛行業提供一個統一的、開放的、安全的“大腦”，然后讓車企、出行平臺、開發者在這個大腦之上，生長出多元的身體和應用。

從芯片到平臺，從安全到仿真，從算法到生態——英偉達正在把自動駕駛所需的所有基礎設施，都納入自己的版圖。

黃仁勛，要當自動駕駛“春晚”的總導演了！

對于行業來說，這是一件好事，因為它降低了入局門檻，讓更多玩家有機會參與；這也是一件需要警惕的事，因為一旦這個“大腦”成為事實標準，話語權就會高度集中。

但對于普通消費者來說，這些博弈可能都不重要。

總之，無人車來也（公眾號：無人車來也）認為：

當英偉達、比亞迪、吉利、Uber們聯手推進L4級自動駕駛落地，我們距離真正的“上車睡覺、下車到站”，又近了一步。

這或許才是這場發布會，最值得期待的未來。

親！你說呢？

#無人車來也  #無人駕駛  #自動駕駛  #無人車 

       原文標題 : 英偉達2026GTC“車圈春晚”：比亞迪、吉利、日產、五十鈴、優步集體“上車”，黃仁勛要當L4級自動駕駛的“總導演”？