文|三少爷
智能驾驶的牌桌上,玩家们正走向截然不同的分岔路。
一边是正在努力追求灵魂自主权的蔚小理,纷纷将深度融合自家算法的自动驾驶芯片搬到车里。另一边则画风迥异,比亚迪、吉利等传统车企,在今年的 GTC 大会上纷纷加入到英伟达 Hyperion " style="border-bottom: 2px dashed #78BBC4; cursor: pointer;" class="dictionaries_wrap"> DRIVE Hyperion 平台的新增合作榜单里。
在蔚小理等同行纷纷寻求「去英伟达化」、蔚来也放出神玑芯片对外开放的背景下,在拥有庞大自研团队和坚定智能化决心的背景下,比亚迪和吉利此举更是显得意味深长。英伟达那枚算力强大的芯片 Thor 真有那么让人不可割舍吗?又或者,在算力逐渐走向同质化的战场上,英伟达还能拿出独一无二的筹码吗?
答案是肯定的,原因就藏在英伟达为车企构建的四层生态金字塔之中,藏在 26 CES 大会上那次「慷慨」的开源行动里,也藏在比亚迪、吉利等传统巨头面临「算法追赶」的紧迫现实里。
四层蛋糕和开源三件套
要理解比亚迪的选择,首先先看清英伟达端出来的大餐到底是什么。英伟达给出的当然不是 Orin、Thor 这些单一的产品,而是一个环环相扣的四层技术栈。在这里,我们可以参考一下黄仁勋刚刚写的那篇 AI 五层蛋糕的文章,借花献佛,讲一讲英伟达 DRIVE 从硬件到自动驾驶算法的四层完整体系。

第一层是硬件与计算平台,这是英伟达和车企合作的起点和物理入口。从 Xavier 到 Orin 到 Thor 再到下一代自动驾驶芯片,从 Hyperion 7 一路到 Hyperion 10,英伟达提供的是经过车规验证、算力领先的计算单元。

第二层,系统软件与中间件,这是让硬件高效运行的关键。其核心是 DRIVE OS 软件架构,它包含虚拟机、QNX 或 Linux 操作系统,以及在 AI 时代如雷贯耳的 CUDA、TensorRT 和丰富的 SDK。这些 SDK 是让开发者效率倍增的武器库,像一把把精准的钥匙,让开发者能够轻松调用 SoC 中各种异构计算单元 (CPU、GPU、NPU) 的硬件加速能力,快速地将复杂的 AI 模型部署到英伟达的平台上。
第三层是开发工具链与生产力套件,这是车企构建数据闭环并提升效率的核心。它包含用于 Omniverse、Cosmos 世界模型两大王牌。Omniverse 并非简单的 3D 建模工具,而是一个能够构建光线级逼真、遵循物理规律的虚拟世界,用于自动驾驶模型的高保真测试与验证。Cosmos 则是场景生成引擎,能够根据文本或图像提示,零成本、无限次地生成暴雨、事故、极端拥堵等罕见长尾场景的合成数据,用于辅助自动驾驶模型的训练,从根本上解决真实数据采集成本高、危险大、效率低的痛点。

第四层是自动驾驶算法和应用,跟刚刚推出 HSD 不久的地平线一样,英伟达在智驾算法上也不是吃素的。早在 2016 年,英伟达便已开始探索端到端自动驾驶神经网络。到了 2025 年,它还投资了全球首个推出自动驾驶 VLA 推理大模型的明星公司 Wayve,展现了其在下一代 AI 驾驶算法上的前瞻眼光与生态布局。
说到 CES 上开源的三件套,第一件工具 AlpaSim,直指自动驾驶研发流程中昂贵、低效的测试环节。结合其 Omniverse 数字孪生平台,英伟达的 AlpaSim,可构建一个平行宇宙,供自动驾驶智能体进行零成本、零风险、可重复的百万次测试,将测试从「现实世界碰运气」的农耕时代,带入「数字世界可编程」的工业时代。

第二件,是 1700 多小时的开放数据集,虽说这些数据来自全球 25 国,多样性十足,而且包含了摄像头、雷达、激光雷达的多模态信息,但在掌握海量数据的车企面前,有些不值一提。
第三件,也是最核心的一件,是 Alpamayo 模型。这不是一个普通的端到端模型,而是一个具备「思维链」推理能力的百亿参数 VLA 大模型。VLA 推理大模型能理解场景,推测因果,并解释自己的决策逻辑,旨在赋予系统人类般的常识与逻辑,使其在面对前所未见的 Corner Case 时,能进行推演和应对。
简单来说,英伟达端出的是一套完整的解决方案,四层技术栈构成了一个稳固的生态金字塔,而开源三件套则提供了通往塔尖的「快速电梯」。对于比亚迪、吉利这样的传统巨头而言,这套组合拳的价值在于,让它们可以直接站在巨人的肩膀上,省去搭建底层基础设施的漫长周期和巨额投入,将最宝贵的研发火力,集中倾泻在决定产品最终体验的核心算法攻坚上。
所以,这不再是简单的芯片采购,而是一场关于研发效率与追赶速度的精准交易。
算法攻坚,需要最强芯片
自动驾驶的竞争格局,正以前所未有的速度分层。目前,在本土自动驾驶领域,存在着华为和小鹏为首的 T0 梯队、以理想和蔚来为代表的 T0.5 梯队,以及以比亚迪、吉利为代表的第一梯队。这种分层并非一成不变,但技术范式的切换正在加剧马太效应。
端到端、VLA、世界模型、强化学习这些新名词背后,是一场深刻的算法革命。这场革命如同一道分水岭,掌握新范式的玩家,其系统迭代速度正呈指数级提升,而停留在旧时代的玩家,则可能眼睁睁看着差距被越拉越大。
对于比亚迪、吉利等传统车企来说,面对小鹏「第二代 VLA 领先友商五倍」的表示,当务之急并不是奋力研发自己的超大算力芯片,而是尽快完成算法攻坚,抹平与头部自动驾驶企业之间的能力鸿沟,尤其是他们的高端车型,急需一套体验一流、安全可靠的智能驾驶系统,来支撑品牌向上的战略,应对越来越挑剔的消费者。

既然主要任务是做算法的攻坚,肯定要用最强的芯片,而且是已经得到过市场验证的芯片,在当前的高阶智驾领域,唯一得到大规模验证、证明了自己的第三方芯片就是英伟达的 Orin、Thor。
英伟达的 Orin 系列芯片,已经在数百万辆车上证明了其可靠性与算力潜力,Thor 系列芯片,更是提供了单颗高达 1000 TOPS 的澎湃算力,为未来两三年的算法演进预留了充足空间。更重要的是,围绕这些芯片的 CUDA 生态、TensorRT 推理引擎以及丰富的开发工具链,构成了业界最高效的算法开发流水线。
选择它们,意味着车企的算法团队可以在英伟达技术体系的帮助下,心无旁骛地挑战感知的极限、优化规划的拟人度、打磨控制的细腻感,无需分心去解决底层芯片的驱动、内存瓶颈、能效或异构调度难题。

在决定算法进化速度的数据闭环层面,英伟达也提供了关键的基础设施。其 Omniverse 与 Cosmos 平台,让车企能够构建高保真数字孪生测试环境,并生成海量合成数据,用以高效训练和验证模型,弥补真实路采数据的不足。这相当于为算法攻坚提供了「无限弹药」和「安全靶场」。

饭要一口一口吃,路要一步一步走。对于传统车企而言,自动驾驶这场竞争,第一步必须打赢「算法体验」这一仗。
选择一个已知的、稳定的、且拥有顶级开发生态的算力平台,来承载和验证自家飞速迭代的算法模型,选择一个提供全面支持的生态和工具链,是面对紧迫时间窗口时,最务实、也最理性的工程抉择。比亚迪、吉利们深度绑定英伟达,背后正是这套极其务实的逻辑。
写在最后
回望牌桌的两端,蔚小理与比亚迪吉利的选择看似背道而驰,实则源于各自不同的发展阶段。
蔚小理选择全栈自研,从芯片到算法一手抓,是因为其算法能力已得到市场验证,形成了差异化优势。此时,他们的核心任务是通过自研芯片,实现算法与硬件的深度耦合,像苹果一样榨干每一分硬件性能,构筑更高的体验壁垒,进一步拉开差距。这是一条从「软件领先」到「软硬一体领先」的进阶之路。
而对于比亚迪和吉利,故事则完全不同。他们的首要任务是算法攻坚与追赶。在这场生死时速的竞赛中,他们没有时间去追求从零开始的绝对自主。当务之急是尽快打磨算法,让高端车型的智驾体验能迅速逼近一线水准。
他们当下的处境,恰似几年前的蔚小理:借助英伟达成熟的芯片与工具链,疯狂迭代自己的算法。这是一个不可逾越的学习阶段。然而,这绝不意味着它们会永远停留在「生态用户」的角色,垂直整合是刻在他们基因里的本能,业界盛传,比亚迪正在研发一颗 80-100 TOPS 的中等算力芯片,用于「天神之眼 C」方案,吉利旗下的芯擎科技,也已在 2025 年底量产了「星辰一号」高阶辅助驾驶芯片。

所以,比亚迪和吉利拥抱英伟达生态,为的是抢时间、补短板,用顶级平台淬炼自身算法,为未来的自研芯片与软硬一体之路,积蓄最关键的本钱。






