首先是DGX，AI模型訓(xùn)練工廠。
想象一下，要讓汽車學(xué)會在各種復(fù)雜路況下安全行駛，需要什么樣的“學(xué)習(xí)資料”？這就是DGX扮演的角色：AI模型的訓(xùn)練工廠。
DGX不是一臺單獨(dú)的服務(wù)器，而是由數(shù)千張GPU組成的超級計(jì)算集群。在這個(gè)“訓(xùn)練工廠”里，車企等客戶通過DGX平臺處理著來自全球的海量駕駛數(shù)據(jù)，既有真實(shí)采集的道路視頻，也有通過虛擬仿真生成的特殊場景。
英偉達(dá)不久前發(fā)布的“推理”AI：Alpamayo，正在基于這一平臺“煉成”。這個(gè)模型特殊之處在于它具備“思維鏈”能力，不僅能識別道路上的物體，還能理解場景中的因果關(guān)系。比如看到前方有事故現(xiàn)場，它能推理出“有事故-道路封閉-需要變道”的邏輯鏈條。
其次是仿真領(lǐng)域的OVX，數(shù)字孿生試驗(yàn)場。
真實(shí)的道路測試成本高昂且充滿風(fēng)險(xiǎn)。OVX系統(tǒng)提供的解決方案是：創(chuàng)造一個(gè)與真實(shí)世界1：1對應(yīng)的虛擬世界。
基于英偉達(dá)的Omniverse平臺，OVX可以構(gòu)建整個(gè)城市的數(shù)字孿生，包括道路、建筑、交通標(biāo)志，甚至是天氣變化、行人行為等細(xì)節(jié)。
在這個(gè)虛擬試驗(yàn)場里，自動(dòng)駕駛算法可以：24小時(shí)不間斷測試；模擬極端天氣和危險(xiǎn)場景；重復(fù)進(jìn)行百萬公里的壓力測試。
最實(shí)用的功能是“場景重建”。如果某家車企的真實(shí)車隊(duì)在某十字路口遇到了罕見的交通情況，他們可以使用英偉達(dá)的NuRec工具，將這個(gè)真實(shí)場景在虛擬世界中精準(zhǔn)復(fù)現(xiàn)，然后生成數(shù)百種變體用于算法訓(xùn)練，極大地加速了算法驗(yàn)證和迭代周期。
第三則是AGX，車端推理大腦。
這是英偉達(dá)在汽車領(lǐng)域最為人熟知的部分：車載計(jì)算芯片。從早期的Parker、Orin系列，到現(xiàn)在力推的Thor，算力從幾十TOPS躍升至上千TOPS，成為理想、小米、極氪、比亞迪等新老勢力旗艦車型的標(biāo)配。
但算力數(shù)字背后，真正的價(jià)值在于軟件棧的持續(xù)優(yōu)化。通過TensorRT的版本迭代，Transformer的性能可以提升30-50%；同時(shí)基于最新的TensorRT Edge-LLM SDK，Orin同時(shí)可以很好的支持7B的大模型，并取得相當(dāng)好的性能。
這得益于英偉達(dá)完整的車載軟件生態(tài)：DriveOS，車載操作系統(tǒng)，有符合功能安全認(rèn)證的QNX版本，也有更易開發(fā)的Linux版本；TensorRT，專門為大模型推理優(yōu)化的軟件庫，能將云端訓(xùn)練好的模型高效部署到車端；CUDA，統(tǒng)一的并行計(jì)算架構(gòu)，讓開發(fā)者一次開發(fā)，就能在云端和車端運(yùn)行。
這三臺“計(jì)算機(jī)”形成了一個(gè)高效協(xié)同的閉環(huán)：DGX負(fù)責(zé)訓(xùn)練模型，OVX負(fù)責(zé)驗(yàn)證測試，AGX負(fù)責(zé)最終執(zhí)行。車企可以在同一個(gè)技術(shù)棧上完成從研發(fā)到量產(chǎn)的全過程，大大降低了開發(fā)難度和集成風(fēng)險(xiǎn)。
理解了“三臺計(jì)算機(jī)”架構(gòu)，就能看懂英偉達(dá)新的商業(yè)模式。
傳統(tǒng)認(rèn)知中，英偉達(dá)靠賣芯片賺錢。但實(shí)際情況是，芯片銷售收入只是冰山一角。
英偉達(dá)不止賣芯片，還賣服務(wù)。
不過，與外界傳言的“數(shù)百萬美元授權(quán)費(fèi)”不同，英偉達(dá)收取的是一次性工程服務(wù)費(fèi)（NRE）。
這筆費(fèi)用的本質(zhì)，是英偉達(dá)派駐工程師團(tuán)隊(duì)，深度參與車企的量產(chǎn)項(xiàng)目，幫助他們將算法在英偉達(dá)平臺上“跑通”、優(yōu)化直至落地，并且根據(jù)項(xiàng)目難易程度價(jià)格各有不同。
這更像是“教練費(fèi)”。
車企，尤其是那些自研算法但經(jīng)驗(yàn)尚淺的團(tuán)隊(duì)，雖然有算法團(tuán)隊(duì)，但缺乏在英偉達(dá)平臺上開發(fā)和優(yōu)化的經(jīng)驗(yàn)。英偉達(dá)的工程師會：幫助優(yōu)化算法在芯片上的運(yùn)行效率、解決軟硬件集成中的各種問題、提供最佳實(shí)踐和架構(gòu)建議。
這種服務(wù)模式帶來了多贏局面：車企團(tuán)隊(duì)快速成長，掌握平臺開發(fā)能力；英偉達(dá)獲得最一線的需求反饋，持續(xù)改進(jìn)產(chǎn)品；雙方建立了深度信任關(guān)系。
更重要的是，這種模式的核心驅(qū)動(dòng)力，是對算力永無止境的渴求。無論是云端訓(xùn)練更復(fù)雜的模型，還是車端部署更強(qiáng)的AI功能，都意味著需要采購更多的DGX、OVX和AGX。軟件和服務(wù)，最終是為了更好地“消耗”算力硬件。
但這對英偉達(dá)來說，顯然還不夠。
2025年初，英偉達(dá)在CES上又做出驚人之舉：將其醞釀已久的Alpamayo系列全部開源。
Alpamayo系列包括三部分：
一是Alpamayo1，一款約100億參數(shù)規(guī)模的思維鏈推理模型，已在Hugging Face上開源，以使汽車能夠理解周圍環(huán)境并解釋其行動(dòng)，用于研究、模型蒸餾及開發(fā)輔助工具。
二是AlpaSim，一套完全開源的端到端輔助駕駛仿真框架，已在GitHub發(fā)布，支持在多種環(huán)境和邊緣案例中進(jìn)行閉環(huán)訓(xùn)練和評估。
三是物理AI開放數(shù)據(jù)集，包含超過1700小時(shí)的真實(shí)道路駕駛數(shù)據(jù)，覆蓋不同區(qū)域和環(huán)境條件，并包含一定比例的復(fù)雜和罕見場景。
這些工具共同構(gòu)成了一個(gè)自我強(qiáng)化的開發(fā)閉環(huán)，助力構(gòu)建基于推理的自動(dòng)駕駛技術(shù)棧。
這一舉動(dòng)看似“慷慨”，實(shí)則是一步深思熟慮的戰(zhàn)略棋局。
第一，降低行業(yè)門檻，做大生態(tài)蛋糕。自動(dòng)駕駛研發(fā)最大的痛點(diǎn)之一，是高質(zhì)量、強(qiáng)因果標(biāo)注數(shù)據(jù)的極度匱乏。
英偉達(dá)開源的Alpamayo不僅是模型，更包含一套“思維鏈”數(shù)據(jù)標(biāo)注方法。它要求AI模型不僅要識別物體，還要像人一樣理解場景中的因果關(guān)系。例如：因?yàn)榍胺接惺鹿?，所以車道被錐桶封閉。
這套方法論和數(shù)據(jù)集，為整個(gè)行業(yè)提供了一條可復(fù)制的路徑，能極大加速從L2到L4的研發(fā)進(jìn)程。當(dāng)整個(gè)行業(yè)因此而加速時(shí)，作為底層算力與平臺的最大提供者，英偉達(dá)自然是最大贏家。
第二，以開源對抗地緣政治風(fēng)險(xiǎn)。當(dāng)最核心的技術(shù)以Apache 2.0等開源協(xié)議發(fā)布，它就變成了一種全球公共知識資產(chǎn)，更難受到單一國家政策或禁令的限制。這為英偉達(dá)的全球業(yè)務(wù)上了一道“保險(xiǎn)”。
第三，確立技術(shù)范式領(lǐng)先地位。在從傳統(tǒng)模塊化自動(dòng)駕駛向端到端、再向具備推理能力的VLA模型演進(jìn)的十字路口，英偉達(dá)通過開源其最先進(jìn)的成果，事實(shí)上在為行業(yè)定義下一代技術(shù)框架。誰掌握了標(biāo)準(zhǔn)，誰就掌握了未來。
據(jù)悉，在過去兩年里，已經(jīng)至少有三家中國客戶基于英偉達(dá)的開源框架，構(gòu)建了自己的數(shù)據(jù)標(biāo)注流水線，這種早期采納者形成的網(wǎng)絡(luò)效應(yīng)，是任何競爭對手都難以撼動(dòng)的。
而英偉達(dá)與奔馳的合作，則展示了其全棧方案的標(biāo)桿價(jià)值：從硬件架構(gòu)、操作系統(tǒng)到AI模型，形成可靈活配置的模塊化服務(wù)體系。
英偉達(dá)之所以在汽車領(lǐng)域步伐加速，很大程度上是由于中國市場的需求驅(qū)動(dòng)。
目前，海外車企在智能汽車領(lǐng)域的研發(fā)落地節(jié)奏，相比中國至少慢兩到三年。因此，這種“中國定義需求，全球?qū)崿F(xiàn)產(chǎn)品”的模式，已成為英偉達(dá)汽車業(yè)務(wù)的特點(diǎn)。
一個(gè)典型案例是TensorRT-LLM for Auto的開發(fā)：當(dāng)時(shí)中國客戶的需求非常明確，他們希望將百億參數(shù)的大模型部署到車端，而且要求延遲控制在毫秒級。英偉達(dá)從提出需求到原型驗(yàn)證只用了兩個(gè)月，這在傳統(tǒng)的產(chǎn)品開發(fā)周期中是不可想象的。
中國車企快節(jié)奏的迭代、對功能落地的更高追求，倒逼英偉達(dá)本地團(tuán)隊(duì)開發(fā)出如TensorRT-LLM for Auto等專用工具，而這些成果最終又反哺全球。
面對地平線、高通等競爭對手，以及特斯拉、蔚來等自研芯片的車企，英偉達(dá)一向很自信。
這種自信源于一個(gè)判斷：智能駕駛的終極競爭，是系統(tǒng)性工程能力和持續(xù)演進(jìn)生態(tài)的競爭。
做出一顆算力強(qiáng)勁的芯片或許可以靠重金投入，但要構(gòu)建一個(gè)從芯片、安全認(rèn)證、操作系統(tǒng)、中間件、加速庫到開發(fā)工具，并持續(xù)迭代優(yōu)化十年以上的全棧體系，其門檻非常高。
當(dāng)行業(yè)向更高級別的自動(dòng)駕駛邁進(jìn)時(shí)，功能安全、預(yù)期功能安全、網(wǎng)絡(luò)安全等法規(guī)要求將呈指數(shù)級增長，這恰恰是英偉達(dá)耗時(shí)多年、耗資巨大構(gòu)筑的“隱性護(hù)城河”。
英偉達(dá)的汽車棋局已非常清晰：以全棧軟硬件平臺為基座，以深度工程服務(wù)為粘合劑，以戰(zhàn)略級開源為生態(tài)加速器，最終驅(qū)動(dòng)全球汽車產(chǎn)業(yè)對算力的饑渴消費(fèi)。
它不再只是智能汽車的“供應(yīng)商”，而是致力于成為整個(gè)AI驅(qū)動(dòng)出行時(shí)代的架構(gòu)師與賦能者。這場關(guān)于汽車大腦的戰(zhàn)爭，英偉達(dá)正在試圖定義新的游戲規(guī)則。
快報(bào)
根據(jù)《網(wǎng)絡(luò)安全法》實(shí)名制要求，請綁定手機(jī)號后發(fā)表評論