【人工摘要：这是英伟达在GTC 2026期间为媒体安排的试驾体验——搭载英伟达L2++智驾方案，我们绕着圣何塞市区开了大概40分钟。聊到L4落地乘用车要多久，Ali想了一下说：「大概2028年前后？这是猜测。但顺序一定是Robotaxi先行——Robotaxi的风险是运营公司自己扛，乘用车面对的是每一个普通消费者。」】
三台电脑+Hyperion，拢住整个智驾行业。
「这里是圣何塞的墨西哥裔社区，一定有很好吃的Tacos。」
我和英伟达智驾团队的人以及安全员，在全新的奔驰CLA量产车上，望向窗外，渴望着美国美味的平民美食。
在两天GTC 2026大会的密集信息轰炸之后，虽然只是一台A级车，但是这不太富裕的空间中，还是出现了少有的平静。
这是英伟达在GTC 2026期间为媒体安排的试驾体验——搭载英伟达L2++智驾方案，我们绕着圣何塞市区开了大概40分钟。
和国内智驾的试驾，专门喜欢找重庆成都这样交通难度巨高的地段不同，这段圣何塞的试驾显得如此波澜不惊，和西海岸人们的Chill生活一样。以至于当英伟达的同学问我体验如何的时候，我只能说「就没什么挑战吧？」
英伟达智驾的同学说，确实，不过这最贴近一个美国人上下班的通勤状况，符合美利坚国情。
但其实，在平静的试驾下，英伟达在整个智驾行业的野心，却波涛汹涌。
01
有礼貌，但是机械的礼貌
坐进车里，主驾是英伟达的安全员，副驾是英伟达的智驾工程师。车缓缓开上街道，方向盘开始自己转动。
第一个让我印象深刻的细节，是在一个四向停路口。美国交通有一套复杂的路权规则，四向停的通行顺序按先到先得排序，多车同时停下靠的是礼让和眼神博弈。这套规则我作为中国人，开车上路之前真花了一阵才搞清楚。但这辆车，不仅认出了这是一个四向停，还清楚判断出该轮到谁走——等了一下，然后稳稳开过去。
第二个细节是换道。遇到更高速的变道带，车会提前减速，不是那种「刹一下」的急促感，而是带着预判的、平滑的节奏，和一个经验丰富的老司机很像。
圣何塞街头车流并不湍急｜图片来源：极客公园
但最有意思的，是在一个人行横道前发生的一幕。
路边有行人，但距离并不近。系统判断：可以通过。于是车没有停，继续向前。就在这一刻，安全员一脚踩下了刹车，把车刹住，让行人先过。
这一脚踩得非常自然，熟练得像是早已预料到会发生。
我坐在后座，脑子里浮出一个词：有礼貌，但是机械的礼貌。系统的判断在逻辑上没有错，行人确实还远，按规则它有权通行。但人类开车，面对那种场景，往往会多给一点余量，让对方先走。这种「超出规则的礼让感」，暂时还不在这套系统的字典里。
02
端到端模型，加上一道「安全防火墙」
在试驾的前一天，极客公园在GTC会场和英伟达汽车业务VP Ali Kani做了一场约30分钟的专访。他告诉我，过去一年英伟达在智驾领域做了三件最引以为傲的事。
第一件，是把推理能力带入了汽车领域。
英伟达开源了一个叫Alpamayo的视觉语言模型，内置推理机制——遇到没训练过的场景，它不是直接输出答案，而是把问题拆解成小步骤，然后选择最安全的结果。Ali说，这个模型发布几个月内在Hugging Face机器人领域的下载量已达15万次以上，排名第二。
「在中国，目前还没有哪家车企有推理模型，他们都还在研发。」
第二件，是仿真基础设施的开源。
一个叫NuRec的神经重建工具，在本届GTC上正式开源。它可以从真实路测数据中重建三维场景，再结合Cosmos（合成数据生成工具），每天晚上对Alpamayo跑数百万次测试。「我们没办法把世界上所有可能发生的事都塞进训练数据，」Ali说，「但我们可以用仿真无限逼近。」
英伟达汽车业务VP Ali Kani在试驾车前拍照｜图片来源：极客公园
第三件，也是我认为最关键的——Halos OS。
这是英伟达本届GTC发布的「经典安全栈」。端到端模型是一个黑盒，出了问题没法溯源。Alpamayo在行驶中每次会输出10条候选轨迹，Halos的任务是对这10条逐一审查：不安全的剔除，剩下的里面选最舒适的执行。「有时候Alpamayo的10条轨迹，Halos告诉你一条都不能用——这时候经典栈直接接管。」
这套「端到端模型 + 经典安全栈并行」的架构，已经有了一个标志性验证：搭载英伟达全栈方案的奔驰CLA，获得了Euro NCAP 2025年度最佳表现奖，是当年参测49款车型中综合评分最高的。
03
三台电脑，和一个操作系统野心
理解英伟达在自动驾驶领域的商业模式，有一个关键框架：「三台电脑」。
Ali解释说，自动驾驶的完整链路涉及三台完全不同的计算机：在云端训练模型的训练计算机，做仿真测试的测试计算机，以及装在车里的车载计算机。
英伟达的策略是三台都做，但不坚持三台都必须是自家的。
这听起来奇怪，但有一个例子可以说清楚：特斯拉。
特斯拉是英伟达在汽车领域最大的客户，但特斯拉的车里用的是自研FSD芯片，不用英伟达的车载芯片。他们向英伟达购买的，是训练算力和仿真算力。「这两块的市场规模，远比车载芯片大得多，」Ali说，「所以就算我们把模型开源了，我们的商业模式依然非常健康。」
开源的Alpamayo也只是一个「教师模型」——你拿到它，还得针对自己的传感器配置和目标车型，做大量蒸馏适配。这个适配工作，正是英伟达帮各OEM做的核心服务。「我们帮奔驰做了这件事，但那个成果不是开源的部分。」
奔驰CLA试驾车上的英伟达智驾标志｜图片来源：极客公园
在这个框架之上，英伟达还有一个更大的野心，Hyperion。
Hyperion是一套L4参考架构，目标类似于当年PC产业的主板规格标准：让所有OEM在Hyperion上造车，所有智驾公司在Hyperion上写软件，所有出行服务商在Hyperion生态里采购车辆和软件。
「当整个产业的生态都建立在这个平台上，推进速度会快很多——任何一方都不需要从头验证兼容性。」
本届GTC上，这个战略落地了一个标志性案例：Uber宣布将采购10万辆Hyperion兼容车辆，与英伟达合作在全球28座城市、4个大洲推进L4出行服务；与此同时，英伟达还将用Cosmos数据工厂为Uber搭建整套数据处理管线，供Uber的AV软件合作伙伴获取真实路测数据做训练。
04
中国市场，和一个2028猜测
聊到中国，Ali说了一个有意思的观察：中国车企是英伟达Cosmos和NuRec使用量最高的群体。
「如果你看我们的仿真和神经重建工具，使用它们最积极的是中国公司。」本届GTC上，英伟达还宣布与吉利、BYD合作推进双Thor芯片 + Hyperion架构的新车，硬件层面已为L4做好准备。至于什么时候用、怎么用，是OEM自己的决定——「吉利完全可以把这辆车交给他们的出行子公司去跑Robotaxi。」
聊到L4落地乘用车要多久，Ali想了一下说：「大概2028年前后？这是猜测。但顺序一定是Robotaxi先行——Robotaxi的风险是运营公司自己扛，乘用车面对的是每一个普通消费者。」他补充，中国的百度、小马、文远已经在跑商业化Robotaxi，「我都坐过，挺好的。」
我问他，英伟达对中国市场有没有专项目标，比如要从这里获得多少收入？
他摇了摇头：「我们不那样想问题。我们做的是把最好的产品做出来，然后去和每一个好的公司合作。如果做到了，机会自然会来。」
