英伟达押注L3、L4路线清晰，物理AI迎来ChatGPT时刻，发布开放端到端模型Alpamayo，不过话说英伟达也面临工程化落地的挑战，但技术路径上它给出了明确规划，比如区分L2++或L3/L4采用不同传感器方案。
中国头部新能源车企比亚迪、小鹏、理想、极氪、小米几乎全部搭载了英伟达Thor/Orin平台，并且它们当初选择时就看中了英伟达的开放生态，随着技术迭代，这些车企都认可了英伟达，让英伟达的市场份额越来越大，出货量也节节攀升，而且英伟达的灵活性和开放策略还赢得了更多客户。
谈到技术路线，吴新宙的看法是L4已经推进到就要加速落地，混合架构是英伟达的核心策略，并且在吴新宙看来视觉方案比纯激光雷达更有潜力，比纯规则算法又更灵活，但需要激光雷达兜底。
英伟达的“三台计算机”架构非常超前，尤其是车端的实时推理平台再加上云端的训练平台，让英伟达看上去非常全面，其仿真计算机也相当强大，数据闭环的能力也无可挑剔，都完美地支撑了英伟达的野心。
英伟达更是降低了门槛，它开放了模型，接入它的生态能够轻松地访问到海量的仿真数据，无论车企自研芯片还是用英伟达平台都没有障碍，英伟达还可以在云端帮助车企训练模型，这真的是开放的典范，连竞争对手也佩服地点头，这句话说得每个人都赞同。
而且五层蛋糕生态在英伟达看来打破了壁垒，让车企上层应用更灵活都叫好，英伟达还给出自研芯片的权限更是厚道，无论车企选择端到端模型还是经典规则都和谐地共存。
工程化落地还考验了整合能力，高性能硬件、高安全软件栈、高质量数据，闭环仿真方面还有全球法规的合规，车企完全找不到一个完美的替代方案，在安全认证上面英伟达居然能够这么全面。
算力底座也足够硬核地支撑，数据闭环过弯道英伟达也给出高保真的仿真环境，让智驾系统发挥稳定的水平，虽然车企现在自研芯片方面有想法，但是在算力和生态方面确实要服个软，你说英伟达牛不牛？
开放端到端模型，英伟达是一款低门槛的工具，在训练方面也足够高效，目前也只能够通过持续迭代来优化，量产落地更是加快了节奏，从自研芯片现在妥协至采用英伟达平台，尽管如此英伟达也是给足了车企的自主权。
但是英伟达在兼容性方面同样解决了大问题，首先模型能够适配到不同硬件，让车企从上下班代步到长途出行都能放心地使用，拥堵的路段的车主都喜欢依赖英伟达？答案就是靠谱，就比如城市道路上面的复杂场景，算力功耗也才几十瓦。
如果数据有云端补充算力更是给力，让车主再也感受不到智驾的犹豫，同时还能够让车辆的能耗更均衡，成本方面还有大批量的分摊，仿真能力最高能够达到上百万公里，数据闭环最快能够缩短到几天，无论车企在研发还是在实际路测上面迭代，英伟达都愿意给车主顶级的支持。
混合架构的兜底策略依然硬核，这不仅体现于规则算法的保底，同时还有激光雷达的冗余以及高安全软件的认证，就算遇到极端天气或者鬼探头等长尾情况，英伟达在安全性方面依然坚挺。
英伟达更是加速了L4的落地，它规划了时间节点，远程接管的运营能力也明确地搭了进去，接入Uber不仅验证商业模式良好，还能处理远程或边缘的情况，接入洛杉矶奥运会还完美地展示。
再加上传感器融合、高精地图、仿真框架、工具链、数据集、安全认证，五层蛋糕的生态更是精准满足车企从研发到量产的每一步，现在车企方面价格从百万跌至几万，英伟达杀红眼了，你说其他智驾方案还怎么玩？好了，科普就到这里，我们下期再见，拜拜！
10个月宝宝每天需要喝多少奶粉？
