公司动态与产品发布 - 英伟达首席执行官黄仁勋亲身体验了公司参与开发的辅助驾驶系统Alpamayo，乘坐搭载该系统的奔驰轿车完成道路测试，全程未出现人工接管情况 [1] - 测试行程从美国加利福尼亚州伍德赛德前往旧金山市中心，车辆搭载的MB.Drive Assist Pro脱手驾驶辅助系统由英伟达参与开发，功能与特斯拉FSD相近 [1] - 测试过程中，系统顺利应对了交通拥堵、施工路段、并排违停车辆、路锥形成的狭窄车道等多种日常路况障碍，全程未发生人工接管操作 [1] - 英伟达在2025年早些时候的国际消费电子展上正式发布Alpamayo自动驾驶解决方案，该方案整合了人工智能模型、仿真蓝图和数据集，能够支持车辆实现特定条件下完全自主行驶的L4级自动驾驶 [3] 技术路线与核心优势 - 公司打造了独有的技术融合路径，将端到端AI模型与传统人工工程化的“经典”技术栈相结合，旨在兼顾接近人类的自然驾驶风格和基于规则的安全框架 [3] - 纯端到端模型的安全验证难度较大，而传统技术栈更易验证驾驶行为的安全性，二者结合是公司的核心策略 [3] - 端到端模型在处理减速带、变道等场景时，操作更为自然流畅，能提升用户使用体验 [3] - 在感知方案上，公司坚持多传感器融合，系统整合了摄像头、雷达、超声波传感器，高配版本还搭载激光雷达，认为感知技术的冗余性与多样性是实现更高安全等级的关键 [4] - 公司通过垂直整合方案降低研发与量产成本，其DRIVE Hyperion平台支持多种传感器配置：基础版主打高性价比；高阶版本可加装激光雷达 [4] - 随着激光雷达成本下降，公司预计未来售价4万至5万美元区间的车型，有望搭载全套高级自动驾驶传感器 [4] 研发策略与数据方法 - 面对竞争对手在实车驾驶数据积累上的优势，公司将仿真技术作为自动驾驶研发的核心基础设施 [5] - 仿真训练主要通过两条路径实现：一是神经重建，利用传感器数据复现真实驾驶场景；二是数据增强，在重建场景中调整元素以模拟极端案例与细微环境变化 [5] - 公司还从合作伙伴处获取行车记录仪视频用于训练，并复现行业内的事故场景，以优化系统的避障与应急处理能力 [5] - 公司的研发目标是打造具备推理能力的自动驾驶系统，从根源上规避极端驾驶风险，摆脱对海量实车数据的依赖 [5] - 公司团队正研发视觉-语言-动作模型，将视觉感知、语言理解与物理动作整合在统一架构中，依托互联网级数据训练的大基础模型进行学习 [5] - 公司的研发思路类似于驾校学习，未来希望仅依靠交通规则数据和20小时训练数据，就能让模型掌握驾驶技能 [5] 行业地位与合作伙伴 - 作为全球芯片领域的领军企业，英伟达早已在自动驾驶领域深耕布局，不仅为特斯拉等企业提供核心芯片产品，还向奔驰、捷豹路虎、Lucid等合作伙伴输出自研的人工智能驾驶功能 [3]