英伟达自动驾驶总攻：Alpamayo引领VLA风潮

新年伊始，车企巨头们便迎来了黄仁勋的惊喜大礼包。

在刚结束的CES展上，英伟达宣布无新显卡发布，却推出了面向数据中心的Rubin平台和自动驾驶领域的VLA大模型Alpamayo。

VLA即Vision-Language-Action（视觉-语言-行动），在自动驾驶中，模型会将传感器数据转化为语言和符号，通过推理形成决策并交由车辆执行。其优势在于强大的理解能力、可解释的推理过程，避免了黑箱操作。

去年，VLA接替BEV和端到端，成为自动驾驶领域的年度热词。理想、小鹏、Momenta、地平线等企业纷纷推出类似技术方案。而英伟达的Alpamayo则是首个开源的VLA大模型。

作为英伟达汽车业务负责人，吴新宙表示，Alpamayo与特斯拉FSD“非常接近”，在一对一测试中，内部接管率处于同一水平[1]。

网友们纷纷@马斯克，调侃道马总这下要失眠了。而马斯克也迅速回应，表示自己睡眠质量还不错，并“真心希望英伟达获得成功”。

关于英伟达与特斯拉的竞争，胜负尚难预料，但一个事实是清晰的：这一次，英伟达要对自动驾驶发起总攻了。

大模型预制菜

作为当前自动驾驶最热门的技术路线之一，VLA模型在英伟达发布Alpamayo前已吸引众多势力关注。

小鹏早在2024年便开始开发VLA模型，在Alpamayo发布后迅速推出第二代自研VLA模型。理想、长城、奇瑞等车企也选择了VLA路线。

特斯拉虽未公开技术路线，但从FSD V14的信息看，也采用了类似VLA的架构。

早期自动驾驶算法依赖人工补丁，效率低。特斯拉的端到端方案简化了架构，通过高强度训练实现传感器输入数据到算法输出决策的效果，不再依赖人为穷举。

但端到端存在局限性：一是黑箱操作，无法追溯；二是优化算法依赖大量数据训练，效果不可控。

VLA将语言模型融入中间过程，使算法决策可追溯、可解释。相比端到端，“模仿”驾驶行为，VLA让算法拥有自主推理决策能力，效果更可控。

英伟达Alpamayo的轰动性在于其开源。

开发VLA模型对车企而言成本高昂，包括高质量数据获取、推理能力训练、算力与成本等。而Alpamayo为车企提供了一套完整的底层模型，车企可基于自有数据和需求微调，形成自己的技术方案。这既降低了开发难度，又保证了算法差异性。

相当于英伟达提供预制菜，车企按需调整火候和调味即可。按照英伟达的说法[4]：

Alpamayo并非直接部署于车端的模型，而是作为大规模教师模型供开发者调优、蒸馏，成为其完整辅助驾驶技术栈的核心基础。

此外，英伟达还提供了仿真框架AlpaSim用于闭环测试及包含超过1727小时驾驶数据的Physical AI开放数据集。这相当于预制菜、锅碗、燃气灶一应俱全，是另一个角度的“智驾平权”。

英伟达的心事

从市占率看，英伟达DRIVE系列是L2+及以上中高阶智驾多年霸主。但汽车业务实际收入虽增长不低，相比数据中心市场统治力仍显不足。拿下高速增长的汽车市场也是其从小鹏挖走吴新宙的重要原因。

作为一家芯片公司，英伟达在软件上的所有投入都是为了更好地卖芯片。

从游戏到数据中心，再到人形机器人，其思路都是提供标准化工具箱（如cuda）和开发环境。然而在汽车业务上却遇到严峻问题：卖铲子的人不会使用铲子。

英伟达只卖芯片，具体算法需车企基于芯片自研。因此大客户多为软件、算法能力较强的国内新势力如小鹏、蔚来等。但这些客户多有自研芯片意图。

而大众、奔驰、宝马等销量更高但研发能力较弱的老牌车企难以提供订单。而英伟达自身对自动驾驶算法研发也知之甚少。

于是黄仁勋决定改变策略：既然不会用铲子就写份说明书。吴新宙跳槽至英伟达正是为了这项工作。

Alpamayo就是这一策略的结果之一——提供代码模板供车企修改使用。同时从硬件到开发工具均进化至“保姆式服务”。

最新的DRIVE Orin/Thor硬件平台不仅提供芯片还给出完整车载计算机硬件设计蓝图；物理级精确仿真平台NVIDIA DRIVE Sim可生成合成数据并进行极端安全测试。

标准化与定制化的平衡

对英伟达而言最理想的商业模式是销售标准化芯片这样毛利率最高估值空间最大。

一旦涉足定制化算法开发就成了干一个项目结一次钱的施工队。

所以过去这些年其汽车业务经营思路就是不断提升软件工具箱丰富度降低车企使用自家芯片门槛但坚决不亲自下场做车企的自动驾驶项目。

{{ref}}