英伟达汽车业务的天花板，不在一辆车卖几颗芯片，而在每年十万亿英里级的道路里程，有多少最终跑在它的技术栈上。
2023年8月，吴新宙从小鹏离职加入英伟达，担任汽车业务的全球负责人，直接向黄仁勋汇报。
时隔两年多后，在英伟达北京办公室，我们再次见到了吴新宙。
这是他加入英伟达之后，第二次公开的媒体沟通。
上一次还是在2024年的北京车展。相比上届北京车展，当时英伟达的DRIVE Thor正值装车量产前夜，业内除了特斯拉，大部分公司基于大模型的端到端辅助驾驶还没开发出来。
但两年后，中国辅助驾驶市场已经发生了翻天覆地的变化，随着城区辅助驾驶的普及，Thor的装车量以及车企投入辅助驾驶的数据中心算力也水涨船高。
2024年当年度也是英伟达的关键一役。随着AI迅猛发展，英伟达的市值，这年从1万亿美金跨到了年底超过3万亿美金，如今更是超过了5万亿美金。
从汽车业务侧，在吴新宙率队开发一年多之后，英伟达自研的辅助驾驶技术栈DRIVE AV向奔驰交付。英伟达如今有将近4000人的团队，在同时向着L2+、L3以及L4自动驾驶推进。
此时的新宙，无疑比当时更加游刃有余。
他认为当前L4已经没有重大的技术卡点，随着大语言模型以及推理能力出现，解决了很多技术门槛。今天看L4，更多是一个需要软硬件协同，以及实现极高安全性的庞大系统工程。
根据英伟达的时间表，其计划在2027年与Uber合作推出L4的试点；2028年在洛杉矶奥运会期间，其将开始对外提供L4无人驾驶服务，并计划在当年推广至20 - 30个城市。
在L2+上，英伟达今年将和奔驰在全美落地类FSD的点到点城区辅助驾驶，并拓展到欧洲等其他地区。继全新CLA之后，奔驰在中国区之外的车型将大规模采用英伟达的方案。
至于L3自动驾驶，新宙认为L3、L4在能力要求上，并没有太大的差别，但支持城区的L3和支持高速的L3有很大不同；由于L4要大规模运营起来难度很大，所以他认为在一段时间内L3、L4将会共存。
Reasoning VLA，
英伟达智驾从硬件走向全栈
今年初，黄仁勋在CES上宣布了英伟达与奔驰的合作进展。
英伟达的辅助驾驶系统，称为DRIVE AV。
已经向奔驰交付的L2+版本，计算平台基于英伟达DRIVE Orin，配合视觉为主的感知方案，没有激光雷达；今年在这套硬件上，新宙团队将推出类FSD的城区点到点功能。
DRIVE AV同时运行了基于端到端模型以及传统规则算法的两套技术栈。前者有利于摸高探索更高的技术上限，而后者能够兜底保障有较高的安全性。新宙认为团队还有更重要的使命是向L3、L4迁移，这样的架构也有利于向更高级别自动驾驶扩展。
DRIVE AV的模型目前正处于快速迭代当中。据新宙透露，在这代技术栈开发的一年多时间里，模型迭代了3500多个版本。最新的进展，相当于当前每天有10个新版本的模型生成，团队现在使用的算力规模，相当于6万张卡。
除了奔驰之外，捷豹路虎以及Lucid也已经确定将会搭载英伟达全栈方案DRIVE AV，另外还有几家车企正在洽谈之中。
与当时奔驰的合作官宣一道，CES时黄仁勋还发布了辅助驾驶开放模型Alpamayo。Alpamayo随后在GTC上推出了1.5版本，并在COMPUTEX上推出2.0版本。
Alpamayo取自秘鲁的一座雪山，山峰以陡峭的冰雪地形闻名，登顶难度极高。
Alpamayo的模型主干（backbone）来自英伟达的世界基座模型Cosmos蒸馏获得，再用了8万个小时的驾驶数据进行训练；Cosmos作为基座模型，是基于互联网的海量数据训练，包含了推理、预测等模块，8万小时的驾驶数据相当于在前述模型能力的基础上进行的一次微调。
Alpamayo的关键是把辅助驾驶纳入了英伟达的世界模型主线，它的底座来自Cosmos，说明它继承了英伟达在世界模型上的能力；传统端到端直接从传感器输入到轨迹输出，Alpamayo则试图在中间加入一层可解释的物理世界推理，它又是一个VLA，也就是 Vision-Language-Action 模型。
新宙告诉我们，现在量产的DRIVE AV跟Alpamayo也是同源的。
在智能驾驶方案供应稀缺的欧美市场，英伟达目前可以说是这个市场少数真正严肃的玩家。由于DRIVE AV的算法研发团队大部分位于英伟达总部所在的硅谷，FSD的迭代无形中也会给团队施加压力，团队希望借新的技术路线，尽快追赶特斯拉FSD。
L4的雄心：
把每年13万亿英里的里程，
变成自动驾驶
随着2027财年第一季度财报公布，英伟达的披露有一项值得关注的调整，就是业务披露口径上，从过去游戏、汽车、专业视觉等终端应用市场，改成了「数据中心」与「边缘计算」两大逻辑。
对汽车业务来讲，这可能是一个能更好反映业务增长的选择。
因为按照过去的计算方式，即使一片英伟达DRIVE Thor X卖1000美金，即使按照每年出货200万片计算，这部分收入总和在20亿美金/年，这在英伟达当前单季就超过800亿美元的收入中也只相当于沧海一粟。
这样的计算方式，忽略了车企搭建数据中心的巨额投入。
比如特斯拉持有Cortex 1和Cortex 2集群，合计约有等效20万张级别的H100，这两个集群仅裸卡的价值就达到50 – 80亿美元。除了特斯拉之外，在自动驾驶蓬勃发展的中国市场，车企和自动驾驶公司都在大规模兴建/租用算力集群；仅仅租赁费用，头部供应商每年得花10亿元级别。
在英伟达内部，新宙团队除了布局L2+开发之外，也在同时开发L3和L4方案，这反映了英伟达汽车业务的诉求并不是做「又一家辅助驾驶方案供应商」。
他有一个简单的测算，全球每年车辆行驶的总里程在13万亿英里级别（13 Trillion Miles），英伟达的最终目标是帮助车企将这10万亿英里级的里程，变成自动驾驶里程。
他说，最终客户未必都是用英伟达全套的方案，但是就像老黄说的「或多或少用一点我们的技术」。目前，奔驰、Lucid以及Stellantis都已经与英伟达官宣了在L4 Robotaxi上的合作。
英伟达预计在明年与Uber一起推出L4 Robotaxi的试点，并计划在2028年洛杉矶奥运会期间推出L4 Robotaxi服务，并在当年推广至20 - 30个城市。
如果L2+业务是卖的是芯片和软件，在L4上英伟达有更多可以提供的套件：车端芯片、数据中心、世界模型、仿真、L4的软件与生态。
过去外界看英伟达的汽车业务，常常看到的是DRIVE Orin、Thor 这些车端芯片能卖多少。但在吴新宙的叙事里，汽车业务真正的上限，已经不再是「一辆车装几颗芯片」，而是全球每年十万亿英里级别的行驶里程，最终有多少会被 AI 接管。
自动驾驶是物理AI的一支，吴新宙也不可避免被问到另一个更热的方向，具身智能和机器人。
他坦言，现在确实有很多「同行兄弟」已经转去机器人，但自己仍然选择留在自动驾驶。原因很直接：他曾经在中国推动过上一轮自动驾驶的发展，如今在英伟达这个平台上，有机会把这些经验放大到全球市场。
在他看来，机器人和自动驾驶本质上都是物理AI的重要组成部分，都会在即将到来的「第四次工业革命」中，给生产力带来指数级的提升。
机器人比汽车更复杂，但随着大模型和推理能力突破，很多过去很难跨越的技术门槛正在被打开，这也是机器人过去两年快速升温的原因。
但至少今天汽车可能仍然是物理AI，最清晰、也最接近规模化兑现的场景，机器人还在寻找足够大的量产切口。
汽车已经有成熟的供应链、十亿级的终端以及明确的付费方，从 L2+到 L4的演进路径也逐渐清晰。全球每年十万亿英里级别的道路行驶里程，本身就是一个巨大的数据和商业闭环。
这也是英伟达重新定义汽车业务的核心：它不再只是一辆车上能卖几颗Thor芯片，而是把数据中心+车端计算、世界模型+仿真系统以及自动驾驶软件开放出来，希望成为车企打通物理AI的基础设施。
如果说过去十年，数据中心是英伟达的主战场。那接下来，汽车可能就是英伟达把 AI 推向物理世界的第一条主干道。车端的 Orin、Thor 只是入口，背后的数据中心和软件栈，才是更大的生意。
