搜索
黄仁勋，开通个人社交媒体账号整一周，第一次发了一条关于英伟达业务的帖子：
按市值体量计英伟达现在已经超越德国GDP排世界第三，老黄这相当于一个“强国领导人”的发言，分量可想而知——前两条“黄仁勋开源协议”的帖子，已经震动整个科技圈。
而他第一条讲自己公司的贴文，给了英伟达自动驾驶业务，吴新宙领导的。
主题是——英伟达最新自动驾驶大模型，开源！开源！还是开源！。
吴新宙直白翻译：英伟达要做的就是自动驾驶「安卓」。
英伟达最新开源的自动驾驶世界模型，到底是什么？
自动驾驶行业过去十年的技术路线变化，本质上是在回答同一个问题：
机器如何真正理解现实世界？
早期自动驾驶采用的是模块化路线：车辆通过摄像头、激光雷达等传感器获取环境信息，再经过感知、预测、规划和控制多个模块完成驾驶决策。这套方法工程逻辑清晰，也是过去Robotaxi、车企长期采用的主流方案。
但随着自动驾驶进入更复杂的城市环境，大家逐渐发现，真正困难的问题并不是识别车辆、行人和道路，而是理解复杂场景背后的意图。
人类驾驶员看到路边一个行人，并不会简单判断“这里有一个人”，而是会结合速度、姿态、周围环境推测：“他有没有可能突然进入道路？”
这种基于经验和常识的判断，正是传统算法最难覆盖的部分——
英伟达最新的开源自动驾驶基础大模型——Alpamayo 2 Super正是在这个背景下出现的。
它并不是传统意义上的自动驾驶感知模型，而是一个VLA（Vision-Language-Action，视觉-语言-动作）模型。
所谓VLA，核心变化是让自动驾驶模型不再只是完成“输入视觉信息、输出驾驶轨迹”的黑盒映射，而是增加对环境语义、任务目标和未来变化的理解能力。
简单来说，过去的端到端模型更像：看到前方障碍物 → 生成刹车动作。而VLA模型希望进一步理解：前方是什么障碍物？它为什么出现？未来可能如何运动？当前最合理的驾驶策略是什么？
这也是Alpamayo 2 Super相比此前版本最大的方向变化。
此前的Alpamayo 1.5我们详细解析过，已经开始探索端到端自动驾驶基础模型，通过大规模驾驶数据训练，让模型学习从视觉输入到车辆行为之间的关联。
但1.5阶段更多解决的是“让模型能够驾驶”。
到了Alpamayo 2 Super，重点进一步转向“让模型理解驾驶”。
它强化了模型推理能力，让车辆面对复杂场景时，不只是依靠训练数据中的相似案例匹配，而是能够基于当前环境进行更接近人类的判断。
这对于L3/L4自动驾驶尤其重要。
因为自动驾驶真正的难点，从来不是在晴天白天的普通道路上完成跟车，而是在大量无法提前枚举的长尾场景中保持安全。
比如：施工区域临时改变道路规则、车辆突然违规穿插、行人在非预期位置出现……这些场景无法靠无限增加规则解决，只能依靠模型对于物理世界的理解能力。
Alpamayo 2 Super进一步引入世界模型能力，就是为了解决这个长期限制——通过Cosmos系列世界模型，可以基于真实驾驶数据生成新的道路场景，让模型在虚拟环境中经历大量现实中难以采集的情况。
它可以模拟不同天气、光照、道路结构和交通参与者行为，让自动驾驶系统提前面对各种可能发生的未来。
这也是为什么英伟达自动驾驶业务负责人吴新宙强调，自动驾驶未来需要“三台计算机”：
车端推理计算机负责实时驾驶，云端训练计算机负责模型迭代，而仿真计算机负责创造和验证未来世界。
除了世界模型，Alpamayo 2 Super还进一步引入闭环训练体系，通过强化学习环境，模型可以在虚拟驾驶环境中不断尝试、获得反馈并优化策略。
因此，Alpamayo 2 Super，可以看成是英伟达在自动驾驶技术范式达成共识、收敛的今天，拿出的第一个完整的技术体系。
相比之前开源的Alpamayo版本，Alpamayo 2 Super加强了世界模型的数据驱动能力，以及添加了强化学习的闭环训练体系。
不只是一个更大的自动驾驶模型，而是自动驾驶技术路线的一次迁移。
当然了，这也是英伟达自动驾驶团队，第一次向外界展示跟黄仁勋“物理AI”宏图基座的直接协同关联——支持Alpamayo 2 Super的世界模型，就是老黄在CES上首发、目标理解万事万物的Cosmo 3。
以及Cosmos 3本身，也是开源的。
这就意味着，尽管老黄从没说过要成为类似Momenta、华为这样的自动驾驶方案供应商，但英伟达已经具备了完整的自动驾驶全栈软硬件能力，距离具体的量产落地，可能就差车型适配这最后的工程化步骤。
最重要的是，自动驾驶模型Alpamayo本身、后端世界模型Cosmos等等，从模型权重、代码、数据工具和评测体系，统统开源。
只要具备基本的AI能力，任何玩家都能基于英伟达的AI软硬件，部署、量产自己的自动驾驶方案。
很明显，英伟达想做的，是把竞争焦点正在从“谁拥有更多道路数据”，转向“谁拥有更强的基础模型、更强的世界模型以及更强的训练闭环”。
模型只是表面，背后的AI基础设施才是核心。
吴新宙也第一次明牌：
“可以这么说，英伟达要做的就是自动驾驶的安卓”
自动驾驶的安卓，什么概念？
如果说Alpamayo 2 Super解决的是自动驾驶“大脑”的问题，那么吴新宙展示的，则是英伟达试图搭建的一整套自动驾驶基础设施。
这也是理解英伟达自动驾驶战略的关键：它并不是把目标设定为成为一家Robotaxi运营商，而是希望成为所有自动驾驶系统背后的技术平台——
一个非常明确的判断是，未来自动驾驶竞争不会只发生在车端芯片或者单一算法模型层面，而会围绕三类计算能力展开：车端推理、云端训练和仿真验证。
车端推理计算机负责车辆在真实道路上的实时运行，需要完成感知、决策和控制；云端训练计算机负责大规模数据处理和模型迭代；而仿真计算机则负责构建虚拟世界，让自动驾驶系统在进入真实道路之前，经历尽可能多的测试。
这三个环节共同构成了未来自动驾驶的基础设施。
围绕这一判断，英伟达正在搭建一套完整技术栈。
其中，Hyperion更像是自动驾驶硬件平台，目标是提供标准化计算架构，让车企不需要从零设计整套自动驾驶硬件体系；
Halos OS则承担软件底座角色，把底层芯片、传感器、车辆系统和AI模型连接起来；
Alpamayo系列模型负责提供基础智能能力；
而Cosmos、Omniverse等工具，则解决数据生成和仿真验证问题。
单独看，其中任何一个产品都不是决定性的。
真正重要的是，它们开始形成一个闭环：车辆产生数据，数据进入训练系统，模型通过仿真不断优化，最终部署到车辆端。
这和过去互联网时代的平台逻辑非常类似。一个操作系统之所以有价值，并不是因为它自己开发所有应用，而是因为大量开发者愿意基于它构建生态。
吴新宙所说的“自动驾驶安卓”，核心也是这个意思。
英伟达并不需要自己完成所有自动驾驶应用，而是希望成为车企、Robotaxi公司和机器人企业共同使用的平台。
因此，Alpamayo 2 Super开源的意义也需要放在这个背景下理解：如果英伟达只是希望出售自动驾驶芯片，那么最直接的商业路径是把模型和软件能力封闭起来。
但如果目标是建立生态，那么开放模型反而更有价值，通过降低模型使用门槛，吸引更多开发者和企业进入英伟达体系，最终扩大整个平台的影响力。
这也是英伟达今年反复强调Physical AI的重要原因。
机器人需要理解物理环境，汽车需要在复杂道路中行动，工业设备需要和现实空间交互。这类AI与互联网AI最大的区别在于，它不仅需要生成答案，还必须对现实世界产生影响。
因此，Physical AI需要的不只是一个更大的模型，而是一套连接模型、算力、数据和现实世界的完整体系，自动驾驶恰好是其中最成熟、最具代表性的应用场景。
它既需要大模型理解环境，也需要强大的计算平台支撑实时运行，还需要世界模型和仿真体系不断训练。
尽管全球大半个自动驾驶圈的硬件，都是黄老爷在贩卖，理应躺赚。
但老黄仍然要做自动驾驶全栈，吴新宙在英伟达做的工作，好像把合作伙伴都变成对手。
现在我们知道，吴新宙在做的，就是帮黄仁勋寻找Physical AI时代第一个能够验证平台能力的入口。
英伟达真正的护城河，不是AI本身
英伟达最新市值是5.13万亿美元，已经比整个德国GDP还要高，如果是个国家的话，英伟达现在排名世界第3，紧随G2两个老大哥。
如果只看今天的市场表现，很多人会把英伟达的成功简单归因于一个因素：AI芯片领先。
但这只是结果并非原因。
黄仁勋一直在反复强调：英伟达真正的价值，并不只是制造GPU，GPU只是整个AI基础设施中的一个组成部分。
从更大的视角看，英伟达正在构建的是一套从计算资源到软件生态，再到应用开发的完整体系。
这也是为什么黄仁勋在谈到竞争时，并没有把重点放在单纯的芯片性能比较上。
因为AI时代的竞争，与传统半导体时代已经不同。一家公司即使制造出性能优秀的芯片，也很难直接替代一个已经成熟的计算生态。
CUDA就是最典型的例子。很多人认为CUDA最大的价值是帮助GPU进行计算加速，但更深层的意义在于，它连接了开发者、软件工具、模型框架和硬件架构。
过去十多年，大量AI研究和商业应用都是基于CUDA生态建立起来的。新的模型架构不断出现时，英伟达可以通过软件生态快速适配。这也是为什么很多专用AI芯片虽然在特定任务上具有效率优势，但依然很难完全替代GPU。
AI永恒不变的一点，就是变化速度极快。
今天最流行的大模型架构，可能几个月后就已经被颠覆——这两天你梁叔叔挥舞一把名叫
因此，能够持续适应变化的平台，比单一场景下的性能优势更重要。
黄仁勋想要打造的最强护城河，不是某一代GPU产品，而是组织整个产业围绕AI方向共同下注的能力。
老黄今年63岁，他在创立英伟达的时候30岁，整整30年都只在干一件事情：把通用计算干不了的活，用专门架构干出来。
AI呢，只是这场旅程中偶然遇到的一个大爆点，没有AI浪潮，英伟达大概率也会在传统科学计算领域一枝独秀。
所以与其说GPU，倒不如说是CUDA是老黄最核心的竞争力——所有开发者都必须围绕英伟达GPU开发AI应用。
未来，英伟达希望让汽车企业、Robotaxi公司、机器人企业围绕自己的平台构建Physical AI应用。
而回到自动驾驶，这正是理解吴新宙工作的关键。表面看，吴新宙负责的是英伟达汽车业务。
但从黄仁勋的整体战略看，他做的并不是一个单独的汽车产品线，而是在自动驾驶、以及日后的物理AI时代复制CUDA的生态打法。
它背后的逻辑是：通过开放模型能力，吸引更多参与者进入英伟达生态，再通过硬件、软件、训练和仿真体系形成长期平台价值——
自动驾驶也可以做成一个Agent，开箱即用。
2025年开始，老黄通过每一场GTC，每场访谈，把对于AI的思考认知，反反复复公开写在桌面上。
无敌皮衣老黄也有退休的一天，现在在做的，就是把之前的个人信任资产进行某种制度化，把它写进产品节奏，写进开发者生态，写进GTC，写进供应链关系，写进资本合作里。
让全球都明白英伟达怎么想的，为什么这么想，未来会往哪走？这种公开化的认知是英伟达留给后来人最珍贵的遗产。
也是英伟达延续beat and raise的核心动力。
Alpamayo 2 Super项目地址：https://huggingface.co/nvidia/Alpamayo2-Super
