剪辑 ｜ 志豪

车东西 1 月 30 日讯息，日前，梅赛德斯 - 疾驰在疾驰汽车发明 140 周年之际，崇敬推出了全新一代 S 级车型。

新车比较以前，继承了基于 NVIDIA DRIVE Hyperion 架构构建，配合全栈 NVIDIA DRIVE AV L4 级软件，终澄澈一个面向异日的“ L4 级就绪”（Level 4-ready）架构。

这些架构也对应了 NVIDIA 在 2026 年开年到目下对于自动驾驶研发的最新证明。

从本年的 CES 运行，NVIDIA 发布了业界首款基于念念维链的 VLA 推理模子 NVIDIA Alpamayo 1，还展示了其“三台策画机”架构如何深度重构从云霄检会、编造仿真到车端推论的全链路。

▲英伟达的汽车联系布局

当年十年，自动驾驶的中枢挑战长久是“长尾场景”（Corner Cases）——那些东谈主类驾驶员能凭借知识处理，但机器却难以穷尽的顶点景色。在 CES 2026 上，NVIDIA 给出了 NVIDIA Alpamayo 1 这个处治有考虑。

当作业界首款面向扶植驾驶筹商社区设想的“念念维链 VLA（视觉 - 说话 - 动作）推理模子”，Alpamayo 1 的出现意味着汽车大脑不再只是是简便的“输入图像 - 输挪动作”的映射。

它具备了肖似东谈主类的逻辑推演智力，在演示中，当车辆面临复杂的十字街头或旷费的交通突破时，Alpamayo 不仅能牢固“操控标的盘”，更能及时分解其决策逻辑。这种可分解性是构建智能汽车安全信任体系的重要。

一、三台策画机：重构智能汽车的拓荒底座

NVIDIA 的贪念远不啻于一颗芯片或一个模子，要终了安全可靠的 L4 级自动驾驶，需要依靠三个平台的缜密协同。

这三大平台共同组成了 NVIDIA 的全栈拓荒飞轮：

1、检会平台 DGX：AI 人命的孵化器

一切 AI 的进化皆始于大范围的算力集群。NVIDIA DGX 平台使用大范围 GPU 策画，基于公共种种化数据集对 DRIVE AV 基础模子进行检会。这些模子八成在数百万着实场景中拿获东谈主类驾驶行为。

在这里，数亿公里的着实驾驶里程被改换为 AI 的知识储备，使模子八成拿获东谈主类驾驶行为中那些微细而重要的细节。

2、仿真平台 OVX：数字孪生的试真金不怕火场

要是说 DGX 是“大脑”的学习，那么基于 NVIDIA Omniverse 构建的 OVX 系统则是“体魄”的编造检会。

积累本次 CES 发布的 NVIDIA Cosmos 宇宙基础模子，拓荒者不错生成具备物理着实感的多视图视频。Cosmos 不仅能模拟雨雪、强光等顶点天气的场景，还能在 讳饰等疼痛情况下生成多视角的合成画面 ，极大加快了合成数据的生成。

同期，开源仿真框架 AlpaSim 的发布，更是为公共自驾筹商社区提供了一个高拟真度的闭环测试环境。

3、推论平台 AGX：及时决策的前锋

总共的检会与仿真最终皆要落脚于车端的 NVIDIA DRIVE AGX 平台。

英伟达最新发布的 NVIDIA DRIVE AGX Hyperion 10 平台，在一块主板上集成了两颗基于 Blackwell 架构的 NVIDIA DRIVE AGX Thor 系统级芯片。

每个 DRIVE AGX Thor 平台可提供 FP4 精度下逾越 2，000 teraflops（INT8 精度下达 1000 TOPS）的及时策画智力。 这不仅为 360 度全感知的传感器和会提供了算力冗余，也为运行 Alpamayo 1 这么的推理模子提供了坚实的物理基础。

二、云霄赋能：处治数据荒与长尾难题

在通过云霄职责负载处治中国及公共市集的寥落挑战时，NVIDIA NuRec 神经重建期间的应用，是其中的一大亮点。它利用 Gaussian Splatting 等前沿算法，能将平庸车队汇集追忆的二维视频序列径直重建为高保的确 3D 数字孪生模子。

这意味着拓荒者不错从轻易视角“回放”传感器数据，模拟要是其时继承不同决策会发生什么，开云sports终澄澈数据的极致复用。

针对拓荒者，NVIDIA 开源了 ACCV-Lab 用具集。这一系统化的用具集涵盖了自动化标注、端到端检会最好履行等中枢样式，不错匡助车企提高检会后果。

▲基于 Cosmos 构建的 LidarGen 模子输出示例

与此同期，跟着自动驾驶级别的提高，安全性已不再只是是硬件的可靠，更是算法、系统乃至总共这个词生态的概括纯熟。NVIDIA 整合了多年 的安全教学，推出了 NVIDIA Halos 概括安全系统。

这一系统将安全性细分为三个层面，最初是平台安全，DriveOS 操作系统合乎 ISO 26262 汽车安全竣工性等第（ASIL）D 级圭臬，AGX 芯片均赢得了公共著明认证机构 TV SD 的汇集安全经过认证 ，确保底层硬件的“零故障”运行。

其次是算法安全，英伟达通过 Omniverse Blueprint 构建的严苛仿真活水线，在 AI 上车前进行百万次工况考据。

终末是，生态系统安全，英伟达通过确立安全数据集顾问与安全护栏，确保每一次算法更新皆处于受控的安全范围内。

三、 落地生根：从梅赛德斯 - 疾驰到公共自驾生态

期间最终的价值在于应用，以梅赛德斯 - 疾驰新款 S 级车型为例，该车基于 NVIDIA DRIVE Hyperion 架构构建，在自动驾驶系统上应用了不少 NVIDIA 的最新期间。

▲梅赛德斯 - 疾驰新款 S 级车型

该系统的中枢在于其“纵深妥当”的安全理念。新款 S 级车型通过 NVIDIA Halos 系统，终澄澈端到端 AI 驾驶栈与传统驾驶安全栈的并走运行。

这种多元化设想确保了车辆在面临硬件故障或传感器性能衰减时，依然能保持可靠运行。此外，

在算法层面，新款 S 级车型一样受益于 NVIDIA Alpamayo 的加持。

比较传统依赖预设端正的有考虑，NVIDIA DRIVE AV 八成分析复杂的长尾场景——如不成算计的行东谈主行为或复杂的路障——并及时推导出最安全的旅途。

这种从基础 AI 筹商到量产级软件的改换，使得 S 级车型八成像东谈主类驾驶员一样进行逻辑推理，而非简便的方式响应。

与此同期，NVIDIA 与 Stellantis、Lucid 和 Uber 的和解也在向 L4 级无东谈主驾驶出租车（Robotaxi）领域全速前进。

此外，期许车策画也晓喻基于 DRIVE AGX Thor 芯片打造新一代 Robotaxi 有考虑。

不错说，从传感器供应商到 Tier 1 和解伙伴，NVIDIA 正在构建一个雄壮且绽放的“物理 AI ”一又友圈。

结语：英伟达迈向智能出行的终章

通过从英伟达云霄到车端的全栈闭环不难发现，着实的自动驾驶不仅需要强劲的算力，更需要艰深的逻辑。

跟着 Alpamayo 1 等推理型模子的普及，异日汽车将是一个具备情境感知智力、八成自我进化的灵敏伴侣。

在这场 AI 重新界说出行的征程中，NVIDIA 仍是稳稳地捏住了期间的引擎。