在圣何塞的墨西哥裔社區街頭，一輛搭載英偉達L2++智能駕駛方案的全新奔馳CLA量產車平穩行駛，車內坐著英偉達智駕團隊成員、安全員以及媒體記者。在經歷了兩天GTC大會密集信息的沖擊后，這段看似平常的40分鐘試駕，卻暗藏著英偉達在智能駕駛領域的宏大布局。

與國內智能駕駛試駕偏好重慶、成都這類交通復雜地段不同，此次圣何塞的試駕路線顯得波瀾不驚。然而，平靜之下，英偉達在智能駕駛行業的野心正洶涌澎湃。試駕過程中，車輛的智能駕駛表現有不少亮點。在四向停路口，車輛準確識別并遵循美國復雜的路權規則，按先到先得順序，穩穩通過；遇到高速變道帶，提前減速，以平滑節奏完成變道，如同經驗豐富的老司機。不過，在一個行人距離尚遠的人行橫道前，系統判斷可通行，車未停下，安全員卻自然地踩下剎車讓行人先行，這一場景凸顯出系統與人類駕駛在“禮讓感”上的差異，系統雖符合規則，卻缺乏人類那種“超出規則的禮讓”。

試駕前一天，在GTC會場，英偉達汽車業務副總裁Ali Kani介紹了過去一年英偉達在智能駕駛領域的三大成果。其一，將推理能力引入汽車領域。英偉達開源的Alpamayo視覺語言模型內置推理機制，遇到未訓練場景，會把問題拆解成小步驟，選擇最安全結果。該模型在Hugging Face機器人領域發布幾個月內下載量超15萬次，排名第二。其二，開源仿真基礎設施。NuRec神經重建工具在本屆GTC正式開源，它能從真實路測數據重建三維場景，結合Cosmos合成數據生成工具，每晚可對Alpamayo進行數百萬次測試，彌補訓練數據不足。其三，推出Halos OS。這是英偉達發布的“經典安全棧”，端到端模型是黑盒，出現問題難溯源。Alpamayo每次行駛輸出10條候選軌跡，Halos逐一審查，剔除不安全軌跡，從剩余中選最舒適軌跡執行。若10條軌跡均不安全，經典棧直接接管。搭載英偉達全棧方案的奔馳CLA，憑借此架構獲得Euro NCAP 2025年度最佳表現獎，在49款參測車型中綜合評分最高。

理解英偉達在自動駕駛領域的商業模式，關鍵在于“三臺電腦”框架。自動駕駛完整鏈路涉及云端訓練模型的訓練計算機、做仿真測試的測試計算機以及裝在車里的車載計算機。英偉達的策略是三臺都做，但不強制使用自家產品。以特斯拉為例，它是英偉達在汽車領域最大客戶，但車內用自研FSD芯片，僅向英偉達購買訓練算力和仿真算力。Ali表示，訓練和仿真算力市場規模遠大于車載芯片，即便開源模型，商業模式依然健康。開源的Alpamayo是“教師模型”，車企需針對自身傳感器配置和目標車型做大量蒸餾適配，這正是英偉達為各OEM提供的核心服務。

在此基礎上，英偉達還有更大野心——Hyperion。這是一套L4參考架構，目標類似當年PC產業的主板規格標準，讓所有OEM在Hyperion上造車，智能駕駛公司在其上寫軟件，出行服務商在其生態里采購車輛和軟件。當產業生態建立在這個平臺，推進速度將大幅提升，各方無需從頭驗證兼容性。本屆GTC上，這一戰略取得標志性進展：Uber宣布采購10萬輛Hyperion兼容車輛，與英偉達合作在全球28座城市、4個大洲推進L4出行服務；英偉達還將用Cosmos數據工廠為Uber搭建整套數據處理管線，供其AV軟件合作伙伴獲取真實路測數據訓練。

談到中國市場，Ali指出中國車企是英偉達Cosmos和NuRec使用量最高的群體。本屆GTC上，英偉達宣布與吉利、比亞迪合作推進雙Thor芯片 + Hyperion架構的新車，硬件層面已為L4做好準備，何時使用、如何使用由OEM決定。對于L4落地乘用車的時間，Ali猜測大概在2028年前后，且順序是Robotaxi先行，因為其風險由運營公司承擔，而乘用車面對普通消費者。他還提到，中國的百度、小馬智行、文遠知行已在跑商業化Robotaxi，體驗不錯。當被問及英偉達對中國市場有無專項目標時，Ali表示，英偉達專注把產品做好，與優秀公司合作，機會自然會來。