还记得去年极氪8X发布时，那个号称“AI大脑管思考，高阶智驾管行动”的“超级Eva”系统吗？ 当时很多人觉得，这不过是又一个车企在智能驾驶上抛出的新概念。 但就在刚刚过去的2026年英伟达GTC大会上，当黄仁勋宣布比亚迪、吉利、现代、日产、五十铃五家车企集体“上车”，加盟其DRIVE Hyperion自动驾驶平台时，我们才猛然发现，那场发布会或许早已为今天这场联盟埋下了伏笔。 这可不是简单的供应商合作，而是一次彻头彻尾的“换队”行动。
为什么这些销量巨头，突然选择在冲刺L4的关键时刻，集体投向英伟达的怀抱？ 答案或许就藏在用户日益挑剔的口碑里 一位比亚迪汉车主在论坛上写道：“在市区开导航辅助驾驶，手心还是会冒汗，它不像一个老司机，更像一个需要你时刻盯着的实习生。 ”这种体验上的差距，在面对特斯拉FSD V12.5那种近乎“老司机”般的流畅通行，以及华为ADS 3.0在复杂路口果断决策的对比下，被进一步放大。
自研智能驾驶，尤其是面向L4的高阶部分，是一条漫长且烧钱的无底洞。 它需要海量的数据、顶尖的算法人才、昂贵的仿真测试环境，以及最关键的——时间。 一位不愿具名的吉利研究院工程师透露，从L2+到真正可靠的L3，他们团队投入了数百名工程师，花了近三年时间，但依然在“长尾问题”上挣扎，比如暴雨天气下摄像头识别率骤降，或者特殊施工路段的临时交通标志误判。 而特斯拉通过数百万辆车的影子模式收集数据，华为依托其全栈自研的软硬件闭环，都在以更快的速度迭代。 时间，成了最昂贵的成本。
于是，换一个“队友”，换一套打法，成了最现实的选择。 英伟达在GTC上端出的，不是一块单纯的芯片，而是一套名为DRIVE Hyperion的“精装别墅”方案。 这套方案的核心，是那颗算力高达2000 TOPS的Thor芯片。 2000 TOPS是什么概念？ 它足以同时处理来自激光雷达、毫米波雷达、摄像头等数十个传感器的数据流，并实时运行包括感知、预测、规划在内的全套自动驾驶算法。 更重要的是，Thor芯片通过了汽车行业最高等级的功能安全认证ASIL-D，这意味着它的硬件设计本身，就为生命安全相关的功能提供了底层保障。
但仅有强大的“心脏”还不够。 英伟达这次真正让车企动心的，是它提供的“交钥匙”工程。 Hyperion平台预先集成了传感器布局、计算单元、网络架构甚至供电和冷却系统。 车企拿到手，几乎就是一个物理上已经验证过的自动驾驶硬件样板间。 这省去了车企从零开始进行电气架构设计、电磁兼容测试、散热方案验证等长达18-24个月的繁琐过程。 用一位参与项目的现代汽车高管的话说：“我们可以把最宝贵的工程师资源，从‘如何让系统稳定工作’这种基础问题上解放出来，全部投入到‘如何让驾驶体验更人性化’的应用开发中。 ”
如果说硬件是骨骼，那么软件就是灵魂。 英伟达这次祭出了三把软件“利器”。 第一把叫Alpamayo 1.，这是一个开源的自动驾驶推理模型。 它的独特之处在于，能够理解“慢一点绕过前面那个水坑”或者“跟在前面那辆大巴后面通过施工区”这样的自然语言指令。 这让车辆不再是机械地执行代码，而是具备了一定的场景理解和推理能力，更像一个能沟通的伙伴。
第二把利器是Halos OS，一套统一的安全架构。 你可以把它想象成自动驾驶系统的“数字安全带”和“安全气囊”。 它不仅在系统层面监控所有软硬件模块的运行状态，确保任何单一故障都不会导致车辆失控，更重要的是，它为AI算法本身设置了“护栏”。 当AI模型做出一个风险较高的决策时，Halos OS可以依据预设的安全规则进行干预或接管，确保车辆行为始终处于安全边界之内。 这是打消监管机构和公众对AI驾驶安全性质疑的关键一步。
自动驾驶测试需要经历数百万甚至数十亿公里的虚拟里程，以覆盖现实中罕见但致命的“边缘案例”，比如突然从盲区冲出的儿童、道路上翻滚的轮胎。 NuRec利用3D高斯溅射技术，能够将一段真实的道路录像，快速、自动化地重建为一个高保真的3D虚拟场景。 工程师可以在这个虚拟世界里，随意改变天气、光照、交通参与者的行为，进行反复的、极限的测试。 这意味着，测试效率不再是线性增长，而是指数级提升。
有了这套“武器库”，各家车企的落地路线图开始清晰起来。 比亚迪和吉利的策略最为激进，它们已经基于DRIVE Hyperion平台，启动了面向量产乘用车的下一代L4项目开发。 他们的目标很明确：不再满足于高速导航辅助，而是要攻克城市全场景的完全无人驾驶。 极氪8X上搭载的“超级Eva”，可以看作是这场合作的前哨战，它将智能座舱的AI语音助手与智驾系统的决策能力进行了深度打通，让用户通过自然对话就能控制车辆的驾驶行为，例如“帮我找一下附近的充电站并开过去”。
日产则选择了一条略有不同的“软硬解耦”路径。 它的硬件平台将采用英伟达的Thor芯片和Hyperion参考设计，但在软件算法层面，却选择了与英国AI公司Wayve深度合作。 Wayve以其“端到端”的模仿学习算法闻名，这种算法试图让AI像人类一样通过观察来学习驾驶，而不是依赖数百万行手写规则。 日产的算盘是，硬件用行业最稳定的，软件则押注最具革命性的，试图在稳健与创新之间找到平衡。
最引人注目的跨界玩家是五十铃。 这家以商用车和柴油发动机闻名的日本巨头，联手自动驾驶初创公司TIER IV，宣布基于Thor芯片开发L4级别的自动驾驶巴士。 他们的目标场景非常具体：机场、工业园区、大学校园等封闭或半封闭区域内的固定线路接驳。 这类场景路线固定、车速较低、交通环境相对简单，被认为是L4技术最早实现商业化的突破口。 五十铃的加入，标志着英伟达的生态从乘用车领域，正式扩展到了商用车和公共交通领域。
这场“换队”风波，背后折射出的是整个智能汽车行业格局的深刻演变。 过去，行业里主要有三种模式：特斯拉的垂直整合模式，从芯片到算法全部自己来，追求极致的效率和体验闭环；华为的“全栈闭环”模式，向车企提供包括芯片、硬件、算法、云服务在内的完整解决方案，车企更多负责车身和制造；而现在，英伟达正在强力推动第三种模式——“安卓式”开放生态模式。
在这种模式下，英伟达不直接造车，也不与车企竞争，而是扮演类似智能手机行业中高通的角色，提供最强的计算芯片和基础软件平台。 车企可以在这个开放的“地基”上，自由地建造自己的“房子”（品牌体验和差异化功能）。 这种模式的优势在于，它集结了最广泛的行业力量，共同推动底层技术的快速迭代和成本下降。 比亚迪和吉利的选择，某种程度上是在“灵魂论”争议之后，找到的一条中间道路：在量产车的L2/L3智能驾驶上坚持自研，守住用户体验的主动权；而在面向未来的L4/Robotaxi前沿领域，则借助顶级平台的力量，确保自己不掉队。
这场联盟的影响正在迅速溢出制造领域，波及出行服务业。 就在GTC大会同期，Uber、Lyft和欧洲的Bolt等出行巨头宣布，将与英伟达及加盟的车企扩大合作，计划在2028年之前，在全球至少28个城市推出基于DRIVE Hyperion平台的Robotaxi（自动驾驶出租车）服务。 这意味着，吉利、比亚迪这样的车企，未来可能不仅仅是汽车的制造商，还有可能成为出行服务网络中的车辆提供方和运营参与者，分享运营环节的利润。 汽车的商业模式，正在从“一锤子买卖”向持续的“服务收费”悄然转变。
当然，任何技术的普及都绕不开成本。 目前，一套包含激光雷达、高算力芯片的L4级硬件套件，成本仍然高达数万美元，这远远超出了普通消费者的承受范围。 英伟达和车企们押注的是，随着量产规模的扩大和技术的成熟，成本会遵循电子产品的规律快速下降。 Thor芯片本身通过将CPU、GPU、DPU等多种计算单元集成在一颗芯片上，目的之一就是降低系统的复杂性和总成本。
法规是另一道必须跨越的关卡。 尽管中国、美国、欧洲等地都在加速自动驾驶立法，但关于L4级车辆无安全员上路发生事故后的责任认定、数据隐私保护、网络安全标准等细节，仍然存在大量空白。 没有明确的法律法规，大规模商业化就无从谈起。 此次五大车企的联盟，无疑将形成一股强大的产业推力，倒逼相关法律法规的加速出台和完善。
公众的接受度则是最终的试金石。 无论技术多么先进，如果无法赢得乘客的信任，一切都将是空中楼阁。 如何向普通人证明，一台由AI驾驶的汽车，比一个可能疲劳、分心或情绪化的人类司机更安全？ 这需要的不仅仅是冰冷的技术数据，更是一场漫长的社会心理建设和体验普及。 极氪8X的“超级Eva”尝试用拟人化的语音交互来建立情感连接，或许正是这种努力的开端。
当比亚迪、吉利这些在中国市场呼风唤雨的巨头，选择在自动驾驶最核心的战场上，与英伟达并肩而立时，一个新时代的竞赛哨声已经吹响。 这场竞赛不再仅仅是关于谁家的屏幕更大、续航更长，而是关于谁能在AI驱动下，重新定义汽车的本质——它究竟是一个需要人类操控的交通工具，还是一个能够自主移动的智能空间。 答案，就藏在未来几年这些联盟车型驶过的每一公里道路上。
全部评论 （0）