<div id="readability-page-1">在昨晚的华盛顿，英伟达正式进化为集车规级推理芯片、训练服务器、智能驾驶软硬一体方案的集大成供应商。 一方面，是推出了全新的 NVIDIA DRIVE AGX Hyperion 10 自动驾驶平台。这一次的亮点是，英伟达首次在里面集成了软硬一体方案。 <img src="https://imageproxy.pbkrs.com/https://wpimg-wscn.awtmt.com/2229b542-a7cb-48fc-b2c9-627f30c7e3b8.png?x-oss-process=image/auto-orient,1/interlace,1/resize,w_1440,h_1440/quality,q_95/format,jpg" width="1024" height="544" original-src="https://imageproxy.pbkrs.com/https://wpimg-wscn.awtmt.com/2229b542-a7cb-48fc-b2c9-627f30c7e3b8.png"/> 另一方面，是先后确认与 Stellantis、Lucid Group、梅赛德斯 - 奔驰、富士康、Uber 的合作，意在打造「全球最大 L4 级自动驾驶车队」。 英伟达还给了一个比较明确的目标：2027 年起部署 10 万辆 Robotaxi。 除了软硬一体方案，通过与出行平台、车企通力合作，英伟达的目的是乘用车 + 商用车两手抓，类似特斯拉 Cybercab 与 FSD 的布局。 特斯拉 FSD 目前已在美国多个城市开放，年底逐步推进无安全员 Robotaxi，运营规模进一步扩张。 到了 2026 年，Cybercab 将会量产。 英伟达将 L4 自动驾驶推广提上日程，原因必然包含全球各大智能驾驶势力的步步紧逼，特斯拉仅是其中之一。 再加上，奔驰、Stellantis 等品牌加码自动驾驶赛道，并小有成就，比如奔驰的 L4 测试车型在中国测试里程超 1.6 万公里。 若英伟达不及时与车企绑定，整车合作的空间恐怕变得更少。 从行业角度来说，英伟达的加入，必然会引起 Robotaxi 竞争格局变动，对于希望发展自动驾驶业务的车企而言，不失为一个好消息。 那么，英伟达最新的技术架构是什么？比起前代有哪些升级？站在车企角度又有哪些利好？ 我们接下来一起看看。 <h2>软硬一体</h2> 众所周知，自动驾驶平台高度依赖计算性能。NVIDIA DRIVE AGX Hypreion 10 平台的升级，首先就是算力。 <img src="https://imageproxy.pbkrs.com/https://wpimg-wscn.awtmt.com/e3db3b72-3c75-448d-99ee-8571b70fc808.png?x-oss-process=image/auto-orient,1/interlace,1/resize,w_1440,h_1440/quality,q_95/format,jpg" width="1024" height="571" original-src="https://imageproxy.pbkrs.com/https://wpimg-wscn.awtmt.com/e3db3b72-3c75-448d-99ee-8571b70fc808.png"/> 根据英伟达官方信息，Hyperion 10 搭载的，是两颗通过 NVLink-C2C 芯片互连技术相连的 Thor 芯片。 单颗 Thor 芯片算力在 INT8 精度下超 1000TOPS，是上代（Atlan）的两倍。 同时，DRIVE Thor 平台还可以做到「舱驾融合」计算，支持座舱娱乐与自动驾驶计算同步进行，也可以将 2000TOPS 全部用于自动驾驶。 感知硬件相比 Hyperion 9 有了一定程度的精简，减少了 2 个激光雷达和 8 个超声波雷达。 感知硬件的简化对成本控制有利，很明显，英伟达做了整体成本优化，上车压力更小。 过往，英伟达只是纯粹的硬件方案供应商，到了 Hyperion 10，情况有所不同，集合了自动驾驶开发过程所需要的数据中心硬件、软件和工作流程，实现软硬协同。 比如说，在云端，DGX 超级计算机用 DRIVE Sim 生成高保真仿真数据，用于训练 DRIVE AV 模型； 在车端，Hyperion 10 的传感器数据采集系统与 Thor 芯片的调试接口无缝对接。 <img src="https://imageproxy.pbkrs.com/https://wpimg-wscn.awtmt.com/e798ea73-61c8-43b0-b0d6-ad70959495c3.png?x-oss-process=image/auto-orient,1/interlace,1/resize,w_1440,h_1440/quality,q_95/format,jpg" width="630" height="354" original-src="https://imageproxy.pbkrs.com/https://wpimg-wscn.awtmt.com/e798ea73-61c8-43b0-b0d6-ad70959495c3.png"/> 到了 Hyperion 10，英伟达打通的不止有软硬件协同，还打开了更广阔的合作圈子。 按照官方的说法，Lucid、Stellantis，以及 Momenta、文远知行等企业都将率先采用。 <img src="https://imageproxy.pbkrs.com/https://wpimg-wscn.awtmt.com/229909d1-4fcf-48f4-9341-95fe7d42db7b.png?x-oss-process=image/auto-orient,1/interlace,1/resize,w_1440,h_1440/quality,q_95/format,jpg" width="1024" height="459" original-src="https://imageproxy.pbkrs.com/https://wpimg-wscn.awtmt.com/229909d1-4fcf-48f4-9341-95fe7d42db7b.png"/> 站在车企的角度，全栈式方案利好降本增效，主要是压缩研发周期和成本，加速规模化落地。 而对于英伟达而言，闭环技术生态便于树立自动驾驶标准，形成技术护城河，以此获得主导行业的话语权。 当然了，除了算力的绝对主导权，英伟达也积累了足够深厚的数据基础。 <img src="https://imageproxy.pbkrs.com/https://wpimg-wscn.awtmt.com/24fdc0e0-2aa2-4810-a464-badb8412af1d.png?x-oss-process=image/auto-orient,1/interlace,1/resize,w_1440,h_1440/quality,q_95/format,jpg" width="630" height="354" original-src="https://imageproxy.pbkrs.com/https://wpimg-wscn.awtmt.com/24fdc0e0-2aa2-4810-a464-badb8412af1d.png"/> 截至 2025 年 10 月，英伟达的云端平台已经积累超 500 万小时的真实道路数据，远超 Waymo 的 250 万小时，给 AI 模型持续进化提供不可复制的优势。 说到 AI 模型，昨晚英伟达虽然没有在大会上官宣，但有「绿色巨人」之称的 VLA，正式来到世界面前——而且，与所有其他 VLA，似乎都不太一样。 <h2>VLA 新序幕</h2> 除了全球最大规模的自动驾驶车队、最新一代硬件打造的 Hyperion 10 智能驾驶方案，昨晚的英伟达还不声不响地，拉开了自研 VLA 大模型的新序幕。 Alpamayo-R1（以下简称 AR1），这是英伟达实验室昨晚最新发布的全新 VLA 视觉 - 语言 - 动作大模型。 AR1 与其他 VLA 的核心区别，在英伟达实验室博客的标题中就得以体现： 「Bridging Reasoning and Action Prediction for Generalizable Autonomous Driving in the Long Tail」（连接推理和动作预测，实现长尾环境下的通用自动驾驶）。 可以简单概括一下：AR1 与其他 VLA 大模型在核心技术路线上基本趋同。 但在复杂多变的「长尾」场景中，AR1 用新的技术创新，全面优化了推理、轨迹生成、对齐、安全性、延迟等等方面的实际表现。 英伟达官方的用词是「state-of-the-art 」（业界领先）。 效果我们得等实测，今天还是简单从原理方面解释一下 AR1 的创新之处。 先来回顾一个名词 CoT，Chain of Thought 思维链，这是年初 DeepSeek 震惊 AI 界的核心名词。 由华人科学家魏学森提出的 CoT，是 2022 年初才广泛被学术界认可的概念。 CoT 让大模型自动给出推理步骤，最终让规模足够大的 LLM 的可解释性显著提升。 英伟达在 AR1 上的创新也是一个「链」，官方命名 CoC（Chain of Cause 因果链）数据集。 <img src="https://imageproxy.pbkrs.com/https://wpimg-wscn.awtmt.com/166ac9c5-3691-471b-81da-b5ce51eb23b3.png?x-oss-process=image/auto-orient,1/interlace,1/resize,w_1440,h_1440/quality,q_95/format,jpg" width="1024" height="495" original-src="https://imageproxy.pbkrs.com/https://wpimg-wscn.awtmt.com/166ac9c5-3691-471b-81da-b5ce51eb23b3.png"/> 英伟达认为，自动驾驶的有效推理必须建立在「因果关系基础之上」，并且推理本身「必须与驾驶任务保持结构对齐」。 这就要求推理轨迹不能产生冗长无序的叙述，因为人类的思维本身是极低时延，且精简高效的。 而在对 CoT 思维链的应用中，英伟达认为思维链存在「行为描述含糊不清、表面推理、因果混淆」等等缺陷。 因而就有了 AR1 的 CoC 因果链，可以简单理解为在推理轨迹的过程中，英伟达为模型强制实施了「明确的因果结构」。 这种强制，则是由「选择关键帧」、「分隔历史与未来片段」等标注类手段构成的。 所以可以看到，因果链的前置标注工作相当重要，而由此生成的因果链数据集，最终则可以为决策学习提供清晰的监督数据。 <img src="https://imageproxy.pbkrs.com/https://wpimg-wscn.awtmt.com/80ac38ec-aed4-455a-b56e-5793fd6ebcf2.png?x-oss-process=image/auto-orient,1/interlace,1/resize,w_1440,h_1440/quality,q_95/format,jpg" width="1024" height="522" original-src="https://imageproxy.pbkrs.com/https://wpimg-wscn.awtmt.com/80ac38ec-aed4-455a-b56e-5793fd6ebcf2.png"/> 另一个很有意思的点在于，CoC 使用的大模型评估器是 GPT-5。评估器本身是否影响 AR1 的全球化进度，这个需要进一步观察。 回到模型本身，AR1 作为一个定义为「模块化 VLA 架构」的大模型，英伟达对其定位是「适配任何现成的 VLM 主干网络」。 而目前 AR1 已经扩展到了最高 7B（三档 0.5/3/7B）的规模，也已经明显超出了目前各大主机厂辅助驾驶大模型 4B 的主流规模。 凭借着以上所有创新，最终英伟达公布了以下成绩： AR1 在复杂场景下的轨迹规划性能提升了 12%，近距离碰撞率减少 25%，强化学习后训练使推理质量提升 45%，推理 - 动作一致性增强 37%。 不过，论文中英伟达还提到另外一点： AR1 现阶段如果想要的车规级时延，需要在 RTX A6000 ProBlackwell 级别的卡上跑推理——这张卡的 INT8 算力高达 4000T，是 Thor-U 的 6 倍左右。 虽然但是，AR1 的诞生意味着英伟达的车规级软硬一体战略迈出了重要的一步。 从 10 年前纯粹的芯片供应商，跃升为芯片、模型、训练服务器完整闭环，现阶段全球唯一的供应商。 <h2>All in Robotaxi</h2> 无论是 Hyperion 10 平台，还是包含其中的 VLA 大模型，英伟达正以另一种姿态参与到自动驾驶赛道中。 英伟达不再做单纯的硬件供应商，而是通过全栈方案发力自动驾驶，与车企共同布局，为 Robotaxi 提速。 <img src="https://imageproxy.pbkrs.com/https://wpimg-wscn.awtmt.com/734b0553-c9da-4738-855f-8d7cec0339a2.png?x-oss-process=image/auto-orient,1/interlace,1/resize,w_1440,h_1440/quality,q_95/format,jpg" width="630" height="354" original-src="https://imageproxy.pbkrs.com/https://wpimg-wscn.awtmt.com/734b0553-c9da-4738-855f-8d7cec0339a2.png"/> 美国造车新势力 Lucid 在本周二宣布采用 DRIVE AV 平台及其硬件时，临时首席执行官 Marc Winterhoff 表示，该系统率先应用于即将推出的中型车，再逐步扩展至其它产品。 他还强调，因为上市节奏和资金问题，决定「不从零开始」，或许可以理解为与英伟达自动驾驶方案深度绑定。 而 Stellantis 与英伟达的合作形式更为直接。 前者提供整车工程和制造能力，后者提供自动驾驶方案和 AI 算力支持，共同开发无人驾驶出租车。 梅赛德斯 - 奔驰与英伟达的联合，则是 L4 技术从无人出租车领域向私人乘用车进发的标志。 据后者透露，Hyperion 10 会融入奔驰 S 级，说不定「老板车」以后就自带「私人司机」了。 另一方面，对于希望出海发展 Robotaxi 业务的中国车企，英伟达 Hyperion 10 平台同样会带来一些积极意义。 如今国内大部分智能汽车统一搭载英伟达的智驾芯片，想要出海打造 Robotaxi，融合英伟达 DRIVE AV 方案想必会更加容易。 一系列布局和动作，都不难看出英伟达在自动驾驶领域的决心。Kings Research 等多家专业机构判断，2025-2030 年，Robotaxi 将迎来爆发期，市场规模至少达到 440 亿美元级别。 不仅是特斯拉、Waymo 的步步紧逼，来自中国的文远知行、萝卜快跑等 Robotaxi 公司。 还有一众国内外车企，都将在 Robotaxi 赛道上争夺话语权，部分车企将 Robotaxi 的量产节点定在 2026-2027 年。 如此庞大的增长市场，智能驾驶的标杆英伟达，显然不会放过这个机会。 那么，你们认为，未来 Robotaxi 赛道，英伟达有机会做定义赛道规则的那一家吗？ 本文作者：木俞、毓肥，来源：电动星球，原文标题：《英伟达超进化！软硬件一把抓，智能驾驶大变局》 风险提示及免责条款 市场有风险，投资需谨慎。本文不构成个人投资建议，也未考虑到个别用户特殊的投资目标、财务状况或需要。用户应考虑本文中的任何意见、观点或结论是否符合其特定状况。据此投资，责任自负。</div>

英伟达

2 倍做多英伟达 ETF - GraniteShares

南方两倍做多英伟达

南方两倍做空英伟达

英伟达期权收益策略 ETF - YieldMax

1 倍做空英伟达 ETF - Direxion

2 倍做多 NVDA ETF - T-Rex

2 倍做空 NVDA ETF - T-Rex

半导体 3 倍做多 - Direxion

英伟达在华盛顿宣布进化为智能驾驶软硬件一体的供应商，推出全新 NVIDIA DRIVE AGX Hyperion 10 自动驾驶平台，并与 Stellantis、Lucid Group、梅赛德斯 - 奔驰、富士康、Uber 等合作，计划到 2027 年部署 10 万辆 Robotaxi。此举旨在应对特斯拉等竞争对手，推动 L4 级自动驾驶的发展。

- 英伟达推出全新自动驾驶平台 Hyperion 10，集成软硬一体方案。  
- 确认与多家车企合作，目标 2027 年部署 10 万辆 Robotaxi。  
- 该平台提升算力，助力自动驾驶技术发展，影响行业竞争格局。  