对话 | 英伟达全球副总裁吴新宙：为什么端到端一定是未来？

借助北京车展的舞台，英伟达正在进一步扩大它在中国智能驾驶市场的商业落地版图。

4 月 25 日，英伟达与奇瑞汽车签订了合作协议，双方宣布围绕英伟达旗下的 DRIVE Thor 计算平台联合打造新一代高端智驾平台，该平台将会在星途高端车型上首发。

同一天，由吉利控股和百度联合打造的极越，也宣布采用新一代的 DRIVE Thor 计算平台。

这意味着，继与理想汽车、极氪、比亚迪、广汽、小鹏汽车等车企达成相应合作之后，英伟达又为旗下的 DRIVE Thor 寻找到更多面向中国主机厂的商业落地机会。

对于 DRIVE Thor 的进展，英伟达全球副总裁、汽车事业部负责人吴新宙表示，DRIVE Thor 还在快速增长，这是一个不可阻挡的趋势，因为它不仅代表了最高算力的下一代芯片，也代表了最高安全等级的下一代芯片，同时能够对生成式 AI 和 LLM 给于最好的支持。

他表示，DRIVE Thor 预计在 2025 年进行第一代 SOP。

当然，与尚未落地的 DRIVE Thor 相比，英伟达旗下 DRVIE Orin 计算平台已经实现越来越广泛的落地机会，并且在北京车展上大面积亮相——这些车型除了包括「蔚小理」、小米、极氪、腾势、昊铂等品牌的车型之外，也包括最新亮相的 smart 精灵#5 量产版本、魏牌蓝山智驾版等。

因此，虽然英伟达并没有在北京车展开设展台，但在智能驾驶这个维度上，它在北京车展其实又充满了存在感。

当然，对于英伟达来说，在智能驾驶的商业落地层面继续开疆拓土，是它当下必须努力推进的工作；但从技术发展的维度上来说，大模型等人工智能相关技术的发展，也在让英伟达认真思考着下一代自动驾驶的未来发展方向，并进行相应的战略部署。

本次北京车展期间，英伟达举行了一场沟通会，与包括 42 号车库在内的媒体进行了深入交流，其中，吴新宙以英伟达全球副总裁、英伟达汽车事业部负责人的身份亮相，专门谈到了英伟达对于端到端等技术的最新思考。

以下是这次沟通会谈及的主要内容，我们做了不改变原意的编辑。

Q：

端到端自动驾驶技术的未来发展会是怎样的？

A：

端到端自动驾驶是三步曲的最终一步，我相信一定会到来。大家不要字面上理解就是从像素到动作，可能会有一些别的东西配合。比如在控制这一环，后面可能还会有优化帮助把控制做得更好，因为控制是数学问题，但是这个问题比较技术性。

端到端的模型上线之前一定会有一个「护栏」，因为需要不停地优化和成长，要是一开始就上线端到端的模型是非常困难的。

相信能够把端到端模型做好的企业一定也需要非常好的第二代甚至第一代的自动驾驶堆栈，就像端到端的模型像是未来可以成为博士生甚至博士后的学生，但在成长的过程中需要小学老师、初中老师去带去教，能够有时间去成长，变得更加强大。

接下来的几年里，大家可以看到这样一个趋势，端到端的模型和原有模型的相辅相成，某些情况下比如比较难的路口处理可以显示出更加拟人化的东西，通过原有的模型和方法保证安全性，这些是把端到端模型真正大规模部署，变成主流的一个过程。

Q：

如何应对黑盒问题和算力上的挑战？

A：

怎么解决黑盒化的问题，可以说这是业界比较关心的，主要有几个维度：刚才我已经讲到通过原有的第一代第二代算法栈，可以保证端到端模型的安全性，也可以不停地判断端到端模型决定的合理性，把双方有差异的地方作为输入。

其实有点像大语言模型训练的反馈，或者是上一代模型的循环，能够让结果更加合理化，这些和 Human In The Loop 大语言模型是非常一致的。

另一个很重要的点就是未来的大模型、端到端模型有周边的输出点可以观测，比如可以观测 DEV 输出的结果，训练的时候也是部分训练等。

于是在黑盒开启几扇窗，看到信号是怎样的模式，通过这样的方式在最后运行的时候不需要运行仿真，那些窗其实就是输出口，最后正式运行的时候不一定要运行那些东西，但如果需要观测为什么、了解怎么想的话可以通过那个窗口看一下。

Q：

英伟达如何通过产品和技术满足汽车行业对 AI 芯片的高要求？

A：

英伟达的核心使命还是生态赋能者。我们的一个巨大优势就是端到端，而且是整体 AI 赋能，汽车只是我们的一个垂直领域。我们当然会听车厂的需求，同时也需要通过 AI 在整个水平领域把好的东西带到汽车的应用场景。

我们作为生态赋能者希望引领生态变化，新的技术产生，以及 AI 在汽车垂直领域的应用。

我们在数据中心、训练工具都有巨大的投入，不管是在汽车还是在别的领域都是一样，我们也有 SoC 和安全平台，从底层软件加上芯片，所有的每一层都有引入非常强的安全概念，我们还有端到端全栈软件的开发。以上四个方面构成我们汽车生态系统，这也是英伟达的布局。

Q：

英伟达对智能驾驶软件和座舱都有哪些技术规划？

A：

我们目前在智能驾驶业界与几个客户正在进行非常深度的合作，目前主要是三步走的规划：

第一步是希望我们的软件尽快在现有的 L2 和 L2+ 系统上达到市场领先水平或者第一梯队水平，英伟达还是有巨大的优势，因为我们有巨大的人才优势，也有非常好的训练体系，算力上也有很大的优势。

第二步是希望在 L2++ 的领域有些新的突破，真正做到行业领先的水平，其中我们还是希望未来的软件栈是端到端的可训练，把上游的模块完全打通，不光是模型之间打通，还可以做到端到端训练。我们整体上完全用生成式大模型的布局已经开始，相信今年晚些时间就可以有 DEMO 展示给大家，通过端到端模型的方式完成。

刚才我说的只是把上游模型和下游模型打通，但还不是真正意义上的基于生成式 AI 的模式，我们也会把 VLM、LLM 运用到自动驾驶，真的非常高兴每天都可以看到进展，期待真正把英伟达的天花板进一步提高。

第三步就是现在已经开始的，希望能够在 2026 年量产的 L3，完全把人从系统中拿掉，这才是自动驾驶真正的价值所在。以前就说过，我们的核心是让大家在车里不是开车，而是可以玩手机，这是大家的刚需。开车不是刚需，从 A 点到 B 点是刚需，用手机也是刚需。

Q：

在车企和科技公司纷纷自研智能驾驶芯片的背景下，英伟达将如何保持差异化的优势？

A：

其实英伟达的优势非常明显，我们是整个 AI 生态的赋能者，而不是专注于做车。可以说，每个 AI 的突破，我们都希望在英伟达的生态中产生。我们现有的芯片更多是基于通用 GPU，但我们也会不断调整，使我们的生态中孕育出来的产品能够有越来越好的支撑。

这些已经是自动闭环的系统，我们在把 AI 在我们系统中不停地往前迭代，可以对我们的整体硬件架构进行优化，再把这些成果变成车端的芯片。

我觉得 AI 时代就是快速迭代、快速变化的时代，英伟达的芯片一定是能够最高效地把 AI 最前端的东西运用到车端的芯片，这些是我们比较大的优势。

另外我还要再强调安全，安全并不是一蹴而就的东西，需要大量的投入、大量的经验，特别是端到端能够把安全做好，包括芯片的模块和上面操作系统的模块、云端所有训练工具的安全性，真正产生高效安全的网络，可以把软件部署到车端芯片。

我们对安全的执着和巨大的投入在未来一个时间段也是英伟达的巨大优势，希望通过这些持续投入更好地赋能汽车和机器人行业，赋能大家在我们的平台上用比较少的投入做出安全的东西，这是我们的期望。

作者声明本文无利益相关，欢迎值友理性交流，和谐讨论～