作者 ｜ Janson

编辑 ｜ 志豪

不只是芯片，英伟达带来自动驾驶全套技术栈！

车东西 3 月 18 日消息，GTC 2026 开幕后，英伟达发布了多项自动驾驶新技术，把 L4 自动驾驶所需的计算平台、安全架构、开源模型和仿真工具，整合成一套标准化底座，推向更多车企和出行平台。

从英伟达的整体布局来看，其底座的中心依旧是 DRIVE Hyperion 没有变，围绕这套平台，英伟达此次又补上了几块关键拼图。

Halos OS 作为面向 AI 驱动车辆的统一安全架构，为 DRIVE Hyperion 提供量产级安全底座。

Alpamayo 1.5 作为新一代开放推理模型，进一步强化车辆在复杂场景中的决策与约束能力。

Omniverse NuRec 则面向真实世界数据重建与高保真交互式仿真，继续完善从训练、验证到部署的闭环。

与此同时，英伟达的自动驾驶朋友圈也进一步扩大，比亚迪、吉利、五十铃和日产正在基于 DRIVE Hyperion 推进 L4 项目，Uber 也将基于这一平台在 2027 年率先于洛杉矶和旧金山启动新一轮 Robotaxi 部署，并计划到 2028 年扩展至 28 个城市。

如果说过去外界更多把英伟达看作车端算力芯片和仿真工具提供者，那么在 GTC 2026 上，英伟达想强调的故事已经很明确，它希望成为自动驾驶进入规模化落地阶段后的底层平台提供者。

一、采用端到端 + 传统规则 吴新宙解构英伟达自动驾驶技术

在本次 GTC 中，黄仁勋的主题演讲主要放在了 AI 上，汽车业务的进展则是和物理 AI 一同进行了一个相对宏观的发布。

作为英伟达汽车副总裁，吴新宙对于此次技术落地的内容讲的则比较细致，从技术宏观进展，再到具体技术栈的实施都有所覆盖。

英伟达汽车副总裁 吴新宙

吴新宙在演讲中首先给出了自己对于自动驾驶领域的宏观研判——自动驾驶已经在 2025 年迎来 "ChatGPT 时刻 "。

他认为，过去一年里 VLA 模型、多模态基础模型和推理模型的突破，正在改变自动驾驶的研发方式。

但他也指出，全球每年约 13 万亿英里的交通出行里程中，真正由自动驾驶完成的比例只有 0.006%，因此自动驾驶的行业天花板远未触及。

而在具体的业务落地上，吴新宙并没有把英伟达首个量产的 L2 辅助驾驶所采用的路线描述成 " 纯端到端 "。

英伟达更强调的是端到端模型与传统安全栈并行，也就是在推理式模型提升能力上限的同时，保留可验证、可认证的安全护栏体系。

英伟达自动驾驶技术栈

针对自动驾驶的演进路线，吴新宙还给出了一条相对清晰的推进时间表。

英伟达在 2025 年推出 L2++，到了 2026 年推进点到点辅助驾驶，2027 年部署 L4 自动驾驶，2028 年之后再面向普通用户交付 L4 能力。

英伟达自动驾驶推进时间表

二、模型 + 仿真 英伟达再次升级平台能力

吴新宙讲解的自动驾驶技术栈更多的还是基于奔驰和英伟达合作，落地在奔驰 CLA 车型上的 L2 级辅助驾驶。

针对不同车企和更高阶自动驾驶的需求，英伟达进一步升级 " 模型 " 和 " 仿真 " 的水平，并将其整合为平台能力。

英伟达最新的 Alpamayo 1.5 已经可以理解导航路径，并通过自然语言或指令约束实现变道、靠边停车等更可控的行为，同时输出带有推理轨迹的驾驶轨迹结果。

相比于此前英伟达发布的 Alpamayo 1，在提升了端到端大模型 " 可解释 " 性的基础上，还能一定程度上追问 " 为什么这么做 "，并通过文本和导航提示去约束行为。

Alpamayo 1.5 模型能力

英伟达还表示，自今年早些时候推出以来，Alpamayo 相关模型已被全球超过 10 万名汽车开发者下载，而 Alpamayo 1.5 版本增加了多摄像头支持和可配置相机参数，让同一套 AI 驾驶栈更容易复用到不同车型和不同传感器配置上。

和模型一起推进的，是仿真环节。

自动驾驶训练也不再只依赖真实道路数据，而是越来越多地引入合成数据与仿真数据，这背后对应的正是 Cosmos 等世界模型和仿真工具链的价值。

日前，英伟达宣布 Omniverse NuRec 正式可用，这是一套基于 3D Gaussian Splatting 的重建与渲染技术，可以从真实世界数据中重建可交互仿真场景，用来测试推理式自动驾驶系统在复杂边缘场景中的表现。

Omniverse NuRec 在开源平台

对自动驾驶公司而言，这类工具的意义不只是 " 把仿真做得更真 "，而是用更低的手工建模成本，把真实路测中的长尾场景更快搬回开发体系中。

官方表示，已经有 51WORLD、dSPACE、Foretellix 等工具链企业完成集成，密歇根大学 Mcity 也在用 NuRec 搭建测试场地的数字孪生。

可以说，英伟达实际上是在把自动驾驶的竞争，从过去更偏 " 感知栈 / 算法栈 " 的局部竞争，往 " 模型 + 数据 + 仿真 + 安全 " 的系统工程竞争上继续推。

值得一提的是，英伟达宣布正与亚马逊合作，把 Alexa Custom Assistant 与 NVIDIA DRIVE AGX 上的多模态边缘 AI 能力结合起来，让车企在本地计算和隐私条款约束下，在端侧提供更强的车内环境感知与交互能力。

三、L4 平台成型 多个明星车企加盟

有了明确的时间表，建立了全套自动驾驶技术栈之后，自动驾驶具体的业务落地还是需要合作伙伴的支持。

根据此次 GTC 披露的信息，英伟达高阶辅助驾驶的合作伙伴也进一步扩充，比亚迪、吉利、现代起亚、日产和五十铃等车企或出行相关伙伴，正在基于 DRIVE Hyperion 推进 L4-ready 车辆项目。

其中，日产的方案明确搭配 Wayve 软件，五十铃则与 TIER IV 合作开发 L4 自动驾驶巴士。

现代和起亚的合作则基于 NVIDIA DRIVE Hyperion 自动驾驶开发平台共同推进下一代自动驾驶技术研发。

DRIVE Hyperion L4 概念图

现代汽车集团计划在部分车型中集成英伟达自动驾驶技术。

此外，英伟达还将探索与现代汽车集团旗下自动驾驶合资企业 Motional 深化合作，提升 L4 级 Robotaxi 的能力。

与此同时，Uber 与英伟达扩大合作，计划到 2028 年在 4 大洲 28 个市场部署基于 NVIDIA DRIVE 全栈软件的自动驾驶车队，首批城市是洛杉矶和旧金山湾区，时间点定在 2027 年上半年。

NVIDIA DRIVE 全栈自动驾驶平台

再加上 Bolt、Grab、Lyft、TIER IV 等出行或自动驾驶参与方也在使用这一平台，英伟达这次进一步打开了 " 自动驾驶平台生态 " 的市场。

此前，不同车企、不同传感器组合、不同地区法规，往往会把开发和验证流程切得很碎。

英伟达给出的办法，是用 DRIVE Hyperion 把计算平台、传感器、车载网络和安全系统尽量标准化，再用 Halos OS 把安全架构打包成统一底座。

按照官方表述，Halos OS 建立在 ASIL D 级 DriveOS 基础之上，提供三层统一安全架构，既包含安全中间件，也包含可部署的安全应用，其中还包括面向 NCAP 五星主动安全的安全栈，目标是为面向推理式 AI 的自动驾驶系统提供 " 可验证、可量产 " 的汽车级安全基础。

结语：英伟达完善全套自动驾驶技术栈

从 CES2026 以来，英伟达开始进一步将汽车业务的重点放在 L4 标准化平台、统一安全架构、推理式驾驶模型和高保真仿真工具上。

与此同时，在更广义 AI 部分，英伟达继续把世界模型、机器人模型和边缘硬件串成一条链。

随着这些发布，英伟达能否将这些业务模式真正转化为大规模商业化，还要看车企验证进度、各地监管、以及 Robotaxi 和工业机器人运营落地的节奏