英偉達汽車事業部副總裁吳新宙有一個特別的習慣：每隔半年，他會邀請公司首席執行官黃仁勛體驗搭載最新脫手自動駕駛系統的車輛。不過，這種邀請并非隨意為之，只有當他對系統的可靠性充滿信心時，才會發出邀請。最近一次，兩人乘坐的是一輛奔馳CLA轎車，搭載了英偉達參與開發的MB.Drive Assist Pro系統，從加利福尼亞州伍德賽德一路駛向舊金山市中心。

盡管當時交通擁堵，但車內氛圍輕松。黃仁勛在乘車過程中對吳新宙說：“切入自動駕駛模式時告訴我一聲，我就不用那么擔心安全了。”這段22分鐘的視頻顯示，車輛順利應對了施工路段、違停車輛以及被路錐擠出的狹窄車道等復雜路況。英偉達發言人杰西卡·蘇亞雷斯后來證實，全程無需人工接管，系統表現穩定。不過，視頻經過剪輯，并非實時記錄。

英偉達在自動駕駛領域的野心早已顯露。這家公司不僅為特斯拉等企業提供芯片，還向奔馳、捷豹路虎、Lucid等合作伙伴輸出自研的AI駕駛功能。今年早些時候的國際消費電子展上，黃仁勛發布了Alpamayo——一套整合AI模型、仿真藍圖和數據集的解決方案，旨在實現L4級自動駕駛，即在特定條件下完全自主行駛。他將這一發布稱為“實體AI的ChatGPT時刻”。

與吳新宙同車時，黃仁勛顯得低調而深思，但對技術前景依然樂觀。他坦言，Alpamayo雖然智能，能夠對環境做出推理判斷，但“我們并不知道它做不到什么”。這正是挑戰所在，也是傳統技術棧依然重要的原因。黃仁勛強調，英偉達的自動駕駛方案“獨一無二”，因為它將端到端AI模型與傳統人工工程化的“經典”技術棧結合，既保留了接近人類的駕駛風格，又確保了基于道路規則的安全框架。

不過，這一說法并非完全無人質疑。其他自動駕駛企業也在采用類似策略，例如Waymo使用混合系統，特斯拉則完全依賴端到端神經網絡。但黃仁勛認為，純端到端模型的安全驗證難度較大，而傳統技術棧遵循成熟的工程規范，更容易驗證行為安全性。吳新宙補充說，端到端模型在處理減速帶、變道等場景時更自然，不會顯得機械僵硬，這正是用戶愿意使用自動駕駛的關鍵。

當被問及英偉達方案與特斯拉FSD的對比時，吳新宙沒有直接評價特斯拉的安全記錄，而是強調了英偉達的多傳感器融合優勢。英偉達的系統不僅使用攝像頭和雷達，還搭載了超聲波傳感器，高配版本甚至配備激光雷達。他認為，感知技術的冗余性與多樣性對處理極端場景至關重要。盡管激光雷達增加了成本，但吳新宙表示，英偉達的垂直整合方案能以盡可能低的成本實現所需的安全性能。

英偉達的DRIVE Hyperion平臺支持多種配置：基礎版主要依賴攝像頭與雷達，性價比更高；若要實現更高等級自動駕駛，可加裝激光雷達。吳新宙認為，隨著激光雷達成本下降，售價在4萬至5萬美元區間的車型未來完全可能搭載全套傳感器。這一觀點為自動駕駛技術的普及提供了新的可能性。

在數據積累方面，特斯拉憑借龐大的用戶車隊擁有數十億英里實車駕駛數據，Waymo則在公共道路上累積了近2億英里完全自動駕駛里程。英偉達如何追趕？吳新宙的答案是仿真。英偉達通過兩條路徑實現：一是神經重建，利用車輛采集的傳感器數據復現真實駕駛場景；二是數據增強，在重建場景中修改元素，測試系統在不同環境下的表現，并找出罕見極端案例。例如，工程師可以讓行人出現得更快、更慢或出現在不同位置，從而擴充數據集。

英偉達還從合作伙伴處獲取行車記錄儀視頻用于仿真訓練，并復現Waymo事故中的極端場景，如停電，以訓練系統避免堵塞路口。吳新宙的團隊正在研發視覺-語言-動作模型，將視覺感知、語言理解與物理動作整合在統一架構中，依托已在互聯網級數據上訓練好的大基礎模型。他將其比作駕校學習：“我們教孩子開車時，他們先學交規，再上路練20個小時。通常一開始開得就不差，當然，經驗需要慢慢積累。最終我們希望模型也能這樣：未來，只靠一本交規和20小時訓練數據，它就能學會開車。”