「這里是圣何塞的墨西哥裔社區，一定有很好吃的 Tacos。」

我和英偉達智駕團隊的人以及安全員，在全新的奔馳 CLA 量產車上，望向窗外，渴望著美國美味的平民美食。

在兩天 GTC 2026 大會的密集信息轟炸之后，雖然只是一臺 A 級車，但是這不太富裕的空間中，還是出現了少有的平靜。

這是英偉達在 GTC 2026 期間為媒體安排的試駕體驗——搭載英偉達 L2++ 智駕方案，我們繞著圣何塞市區開了大概 40 分鐘。

和國內智駕的試駕，專門喜歡找重慶成都這樣交通難度巨高的地段不同，這段圣何塞的試駕顯得如此波瀾不驚，和西海岸人們的 Chill 生活一樣。以至于當英偉達的同學問我體驗如何的時候，我只能說「就沒什么挑戰吧？」

英偉達智駕的同學說，確實，不過這最貼近一個美國人上下班的通勤狀況，符合美利堅國情。

但其實，在平靜的試駕下，英偉達在整個智駕行業的野心，卻波濤洶涌。

01

有禮貌，但是機械的禮貌

坐進車里，主駕是英偉達的安全員，副駕是英偉達的智駕工程師。車緩緩開上街道，方向盤開始自己轉動。

第一個讓我印象深刻的細節，是在一個四向停路口。美國交通有一套復雜的路權規則，四向停的通行順序按先到先得排序，多車同時停下靠的是禮讓和眼神博弈。這套規則我作為中國人，開車上路之前真花了一陣才搞清楚。但這輛車，不僅認出了這是一個四向停，還清楚判斷出該輪到誰走——等了一下，然后穩穩開過去。

第二個細節是換道。遇到更高速的變道帶，車會提前減速，不是那種「剎一下」的急促感，而是帶著預判的、平滑的節奏，和一個經驗豐富的老司機很像。

但最有意思的，是在一個人行橫道前發生的一幕。

路邊有行人，但距離并不近。系統判斷：可以通過。于是車沒有停，繼續向前。就在這一刻，安全員一腳踩下了剎車，把車剎住，讓行人先過。

這一腳踩得非常自然，熟練得像是早已預料到會發生。

我坐在后座，腦子里浮出一個詞：有禮貌，但是機械的禮貌。系統的判斷在邏輯上沒有錯，行人確實還遠，按規則它有權通行。但人類開車，面對那種場景，往往會多給一點余量，讓對方先走。這種「超出規則的禮讓感」，暫時還不在這套系統的字典里。

02

端到端模型，加上一道「安全防火墻」

在試駕的前一天，極客公園在 GTC 會場和英偉達汽車業務 VP Ali Kani 做了一場約 30 分鐘的專訪。他告訴我，過去一年英偉達在智駕領域做了三件最引以為傲的事。

第一件，是把推理能力帶入了汽車領域。

英偉達開源了一個叫 Alpamayo 的視覺語言模型，內置推理機制——遇到沒訓練過的場景，它不是直接輸出答案，而是把問題拆解成小步驟，然后選擇最安全的結果。Ali 說，這個模型發布幾個月內在 Hugging Face 機器人領域的下載量已達 15 萬次以上，排名第二。

「在中國，目前還沒有哪家車企有推理模型，他們都還在研發。」

第二件，是仿真基礎設施的開源。

一個叫 NuRec 的神經重建工具，在本屆 GTC 上正式開源。它可以從真實路測數據中重建三維場景，再結合 Cosmos（合成數據生成工具），每天晚上對 Alpamayo 跑數百萬次測試。「我們沒辦法把世界上所有可能發生的事都塞進訓練數據，」Ali 說，「但我們可以用仿真無限逼近。」

第三件，也是我認為最關鍵的——Halos OS。

這是英偉達本屆 GTC 發布的「經典安全棧」。端到端模型是一個黑盒，出了問題沒法溯源。Alpamayo 在行駛中每次會輸出 10 條候選軌跡，Halos 的任務是對這 10 條逐一審查：不安全的剔除，剩下的里面選最舒適的執行。「有時候 Alpamayo 的 10 條軌跡，Halos 告訴你一條都不能用——這時候經典棧直接接管。」

這套「端到端模型 + 經典安全棧并行」的架構，已經有了一個標志性驗證：搭載英偉達全棧方案的奔馳 CLA，獲得了 Euro NCAP 2025 年度最佳表現獎，是當年參測 49 款車型中綜合評分最高的。

03

三臺電腦，和一個操作系統野心

理解英偉達在自動駕駛領域的商業模式，有一個關鍵框架：「三臺電腦」。

Ali 解釋說，自動駕駛的完整鏈路涉及三臺完全不同的計算機：在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，但不堅持三臺都必須是自家的。

這聽起來奇怪，但有一個例子可以說清楚：特斯拉。

特斯拉是英偉達在汽車領域最大的客戶，但特斯拉的車里用的是自研 FSD 芯片，不用英偉達的車載芯片。他們向英偉達購買的，是訓練算力和仿真算力。「這兩塊的市場規模，遠比車載芯片大得多，」Ali 說，「所以就算我們把模型開源了，我們的商業模式依然非常健康。」

開源的 Alpamayo 也只是一個「教師模型」——你拿到它，還得針對自己的傳感器配置和目標車型，做大量蒸餾適配。這個適配工作，正是英偉達幫各 OEM 做的核心服務。「我們幫奔馳做了這件事，但那個成果不是開源的部分。」

在這個框架之上，英偉達還有一個更大的野心，Hyperion。

Hyperion 是一套 L4 參考架構，目標類似于當年 PC 產業的主板規格標準：讓所有 OEM 在 Hyperion 上造車，所有 智駕公司在 Hyperion 上寫軟件，所有出行服務商在 Hyperion 生態里采購車輛和軟件。

「當整個產業的生態都建立在這個平臺上，推進速度會快很多——任何一方都不需要從頭驗證兼容性。」

本屆 GTC 上，這個戰略落地了一個標志性案例：Uber 宣布將采購 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；與此同時，英偉達還將用 Cosmos 數據工廠為 Uber 搭建整套數據處理管線，供 Uber 的 AV 軟件合作伙伴獲取真實路測數據做訓練。

04

中國市場，和一個 2028 猜測

聊到中國，Ali 說了一個有意思的觀察：中國車企是英偉達 Cosmos 和 NuRec 使用量最高的群體。

「如果你看我們的仿真和神經重建工具，使用它們最積極的是中國公司。」本屆 GTC 上，英偉達還宣布與吉利、BYD 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。至于什么時候用、怎么用，是 OEM 自己的決定——「吉利完全可以把這輛車交給他們的出行子公司去跑 Robotaxi。」

聊到 L4 落地乘用車要多久，Ali 想了一下說：「大概 2028 年前后？這是猜測。但順序一定是 Robotaxi 先行——Robotaxi 的風險是運營公司自己扛，乘用車面對的是每一個普通消費者。」他補充，中國的百度、小馬、文遠已經在跑商業化Robotaxi，「我都坐過，挺好的。」

我問他，英偉達對中國市場有沒有專項目標，比如要從這里獲得多少收入？

他搖了搖頭：「我們不那樣想問題。我們做的是把最好的產品做出來，然后去和每一個好的公司合作。如果做到了，機會自然會來。」