听吴新宙聊L4：每年13万亿自动驾驶里程，英伟达的下一个万亿生意

英伟达汽车业务的真正天花板在哪里？不在一辆车能装几颗芯片——而在全球每年十万亿英里级的道路里程，最终有多少会跑在它的技术栈上。

2024年8月，吴新宙从小鹏离职，加入英伟达担任汽车业务全球负责人，直接向黄仁勋汇报。时隔两年多后，在英伟达北京办公室，再次见到吴新宙。这是他加入英伟达后，第二次公开接受媒体采访。

上一次还是在2024年北京车展。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尚未成型。但两年过去，中国辅助驾驶市场已是天翻地覆——随着城区辅助驾驶普及，Thor的装车量以及车企投入的数据中心算力持续走高。

2024年也是英伟达的关键战役。随着AI迅猛发展，英伟达市值从年初的1万亿美元，年底突破3万亿美元，如今已超过5万亿美元。

从汽车业务来看，在吴新宙带队一年多后，英伟达自研的DRIVE A V技术栈向奔驰交付。英伟达如今有近4000人的团队，同时推进L2+、L3和L4自动驾驶。

在他看来，L4目前已经没有重大技术卡点。大语言模型和推理能力的突破，解决了很多过去的技术门槛。今天看L4，更多是需要软硬件协同、实现极高安全性的庞大系统工程。

根据英伟达的时间表，计划在2027年与Uber合作推出L4试点；2028年洛杉矶奥运会期间，开始对外提供L4无人驾驶服务，并计划当年推广至20到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方案。

至于L3，新宙认为L3和L4在能力要求上没有太大差别，但支持城区的L3和支持高速的L3有很大不同。由于L4大规模运营难度极大，他判断在相当一段时间内L3和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DRIVE A V系统已向奔驰交付L2+版本，基于DRIVE Orin平台，采用视觉为主的感知方案，没有激光雷达。今年，团队将在这套硬件上推出类FSD的城区点到点功能。

DRIVE A V同时运行了基于端到端模型和传统规则算法的两套技术栈。前者探索更高技术上限，后者兜底保障安全性。团队认为更重要的使命是向L3、L4迁移，这样的架构也有利于向更高级别扩展。

DRIVE A V的模型正在快速迭代。在这一年多里，模型迭代了3500多个版本，最新进展是每天有10个新版本生成，团队使用的算力规模相当于6万张卡。

除了奔驰，捷豹路虎和Lucid也已确定搭载DRIVE A V，还有几家车企在洽谈中。

与奔驰合作官宣时，黄仁勋还发布了辅助驾驶开放模型Alpamayo。Alpamayo在GTC上推出1.5版本，在COMPUTEX上推出2.0版本。名字取自秘鲁一座以陡峭冰雪地形闻名的雪山，登顶难度极高。

Alpamayo的模型主干来自英伟达世界基座模型Cosmos蒸馏获得，用8万小时驾驶数据训练。Cosmos基于互联网海量数据训练，包含推理、预测等模块，8万小时驾驶数据相当于在前述模型基础上进行微调。

Alpamayo的关键是把辅助驾驶纳入英伟达世界模型主线，底座来自Cosmos，说明它继承了世界模型能力。传统端到端直接从传感器输入到轨迹输出，Alpamayo则在中间加入可解释的物理世界推理，它是一个VLA——Vision-Language-Action模型。量产的DRIVE A V与Alpamayo实际是同源的。

在智能驾驶方案稀缺的欧美市场，英伟达是少数真正严肃的玩家。由于DRIVE A V算法团队大多在硅谷，FSD的迭代无形中给团队施加压力，团队希望借新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，英伟达在业务披露口径上做了调整——从过去的游戏、汽车、专业视觉等终端市场，改为“数据中心”与“边缘计算”两大逻辑。对汽车业务来说，这可能是一个能更好反映增长的选择。

按照过去的计算方式，即使DRIVE Thor X卖1000美金一片，每年出货200万片，这部分收入也只有20亿美金/年，在英伟达单季超800亿美元的营收中只是沧海一粟。这样的计算忽略了车企搭建数据中心的巨额投入。

比如特斯拉的Cortex 1和Cortex 2集群，合计约有20万张级别H100，仅裸卡价值就达50到80亿美元。在中国市场，车企和自动驾驶公司也在大规模兴建或租用算力集群，头部供应商每年租赁费用达10亿级别。

在英伟达内部，吴新宙团队除了L2+开发，同时在推进L3和L4方案，这反映了英伟达的诉求不是做又一家方案供应商。

他有一个测算：全球每年车辆行驶总里程约13万亿英里，英伟达的最终目标是帮助车企将这十万亿英里级的里程变成自动驾驶里程。最终客户未必都用英伟达全套方案，但就像老黄说的“或多或少用一点我们的技术”。目前奔驰、Lucid和Stellantis已官宣在L4 Robotaxi上的合作。

英伟达计划明年与Uber推出L4 Robotaxi试点，2028年洛杉矶奥运会期间推出服务，并在当年推广至20到30个城市。

如果说L2+业务卖的是芯片和软件，在L4上英伟达可以提供更多套件：车端芯片、数据中心、世界模型、仿真、L4软件与生态。过去外界看英伟达汽车业务，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，真正的上限已经不是一辆车装几颗芯片，而是全球每年十万亿英里级行驶里程，最终有多少会被AI接管。

物理AI的未来：自动驾驶还是具身智能？

自动驾驶是物理AI的一支。吴新宙不可避免被问到另一个方向——具身智能和机器人。他坦言，现在确实有很多同行兄弟转去机器人，但他仍选择留在自动驾驶。原因很直接：他曾经在中国推动过上一轮自动驾驶发展，如今在英伟达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，都会在第四次工业革命中给生产力带来指数级提升。机器人比汽车更复杂，但随着大模型和推理能力突破，很多过去难以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、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。

汽车已有成熟的供应链、十亿级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的道路里程，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。