黃仁勛親測英偉達輔助駕駛系統(tǒng)Alpamayo，全程無接管

IT之家 3 月 11 日消息，據(jù) The Verge 報道，大約每隔半年，英偉達汽車事業(yè)部副總裁吳新宙（Xinzhou Wu）都會邀請公司首席執(zhí)行官黃仁勛乘坐一輛搭載了該公司脫手自動駕駛系統(tǒng)的汽車出行，但前提是，吳新宙對這套系統(tǒng)的駕駛能力有十足把握。

最近，兩人乘坐一輛搭載 MB.Drive Assist Pro 的奔馳 CLA 轎車，從加利福尼亞州伍德賽德開往舊金山市中心。這套由英偉達參與開發(fā)的脫手駕駛輔助系統(tǒng)，與特斯拉的 FSD 功能類似。盡管當時交通十分擁堵，車內(nèi)氣氛卻很輕松。

乘車視頻顯示，黃仁勛對吳新宙說：“切入自動駕駛模式時告訴我一聲，我就不用那么擔心安全了?！?/p>

IT之家注意到，在這段 22 分鐘的視頻里，這輛奔馳載著黃仁勛與吳新宙，順利應對了一系列日常路況障礙：施工路段、并排違停車輛、以及被橙色路錐擠出來的狹窄車道。英偉達這套系統(tǒng)表現(xiàn)相當出色，不過視頻經(jīng)過剪輯，并非實時呈現(xiàn)。（英偉達發(fā)言人杰西卡 · 蘇亞雷斯后來說，全程沒有出現(xiàn)人工接管。）

在幕后深耕多年之后，英偉達正試圖在自動駕駛領(lǐng)域搶占更顯眼的領(lǐng)導地位。該公司不僅為特斯拉等企業(yè)提供芯片，還向奔馳、捷豹路虎、Lucid 等合作伙伴輸出自研的 AI 駕駛功能。今年早些時候的國際消費電子展（CES）上，黃仁勛發(fā)布了 Alpamayo—— 一套包含 AI 模型、仿真藍圖和數(shù)據(jù)集的解決方案，可讓車輛實現(xiàn) L4 級自動駕駛，即在特定條件下完全自主行駛。黃仁勛將這一發(fā)布稱為“實體 AI 的 ChatGPT 時刻”。

與吳新宙同車時，黃仁勛少了幾分高調(diào)，多了幾分深思，但對這項技術(shù)的前景依舊無比樂觀。

“當然，挑戰(zhàn)在于，Alpamayo 盡管非常智能，能夠?qū)Νh(huán)境做出推理判斷，但我們并不知道它做不到什么。”他說，“這就是挑戰(zhàn)所在，也是我們的傳統(tǒng)技術(shù)棧依舊至關(guān)重要的原因?！?/p>

黃仁勛稱，英偉達的自動駕駛方案是“獨一無二”的，因為它將端到端 AI 模型與傳統(tǒng)人工工程化的“經(jīng)典”技術(shù)棧結(jié)合在了一起。他認為，純端到端模型很難做安全驗證；而傳統(tǒng)技術(shù)棧遵循成熟的工程規(guī)范與流程，更容易驗證某些行為是否足夠安全。通過兩種方式結(jié)合，英偉達的系統(tǒng)既能擁有接近人類的駕駛風格，又能保留基于道路規(guī)則的安全框架。

黃仁勛所謂“行業(yè)獨一份”的說法并不完全站得住腳：其他自動駕駛企業(yè)也在使用端到端神經(jīng)網(wǎng)絡，同時搭配明確的安全規(guī)則來約束車輛行為。但毋庸置疑的是，駕駛更像人、沒那么機械僵硬的端到端學習正變得越來越流行。Waymo 采用混合系統(tǒng)，特斯拉則完全依賴端到端神經(jīng)網(wǎng)絡。

吳新宙在采訪中表示，端到端模型在處理減速帶、變道等場景時更自然，不會顯得機械僵硬。

“這就是為什么說這是真正的 ChatGPT 時刻。”他說，“只有當你的車開得非常自信時，用戶才會更愿意去用它?！?/p>

當被問及如何看待英偉達方案與特斯拉完全自動駕駛（FSD）的對比時，吳新宙沒有直接評價特斯拉的安全記錄，但解釋說，英偉達的優(yōu)勢在于多傳感器融合：包括攝像頭、雷達、超聲波傳感器，高配版本還搭載激光雷達（LiDAR）。他表示，英偉達認為，感知技術(shù)的冗余性與多樣性，對處理極端場景、實現(xiàn)更高安全等級至關(guān)重要。

額外的傳感器意味著更高的成本。尤其是激光雷達的加入，似乎意味著英偉達最安全的系統(tǒng)只會面向富裕的奔馳車主。但吳新宙認為，英偉達垂直整合的方案，能以盡可能低的成本實現(xiàn)所需的安全性能。

英偉達 DRIVE Hyperion 平臺支持多種配置：基礎版采用更簡單、性價比更高的傳感器方案，主要依賴攝像頭與雷達。過去十年，大規(guī)模量產(chǎn)讓這類傳感器成本大幅下降，超聲波傳感器更是極為便宜。若要實現(xiàn)更高等級自動駕駛，平臺可加裝激光雷達。吳新宙認為，隨著激光雷達成本下降，售價在 4 萬～5 萬美元區(qū)間的車型，未來完全可以搭載高級自動駕駛所需的全套傳感器。

特斯拉憑借龐大的用戶車隊擁有數(shù)十億英里實車駕駛數(shù)據(jù)；Waymo 在公共道路上累積了近 2 億英里完全自動駕駛里程。英偉達要如何追趕？

“真正的基礎設施是仿真?！眳切轮嬲f。英偉達主要通過兩條路徑實現(xiàn)：

一是神經(jīng)重建（NuRec），工程師利用從車輛采集的傳感器數(shù)據(jù)，復現(xiàn)真實駕駛場景；

二是數(shù)據(jù)增強，在重建場景中修改元素，探索不同結(jié)果，從而測試自動駕駛系統(tǒng)在細微變化環(huán)境下的表現(xiàn)，并找出原始數(shù)據(jù)集中罕見的極端案例。

“我們可以讓行人出現(xiàn)得更快、更慢，出現(xiàn)在不同位置。”他說，“這就是我們所說的數(shù)據(jù)集擴充?！?/p>

英偉達從合作伙伴處獲取行車記錄儀視頻，用于仿真訓練；同時也復現(xiàn) Waymo 事故中的極端場景（如停電），訓練系統(tǒng)如何避免堵塞路口。

但其最終目標，是打造一套具備推理能力的系統(tǒng)，從根源上避開這些極端陷阱，從而不再依賴海量實車數(shù)據(jù)。吳新宙的團隊正在研發(fā)所謂的視覺-語言-動作模型（Vision Language Action），將這一理念落地。這類模型將視覺感知、語言理解與物理動作整合在統(tǒng)一架構(gòu)中，依托已在互聯(lián)網(wǎng)級數(shù)據(jù)上訓練好的大基礎模型。吳新宙將其比作駕校學習。

“我們教孩子開車時，他們先學交規(guī)，再上路練 20 個小時?！眳切轮嬲f，“通常一開始開得就不差，當然，經(jīng)驗需要慢慢積累。最終我們希望模型也能這樣：未來，只靠一本交規(guī)和 20 小時訓練數(shù)據(jù)，它就能學會開車。”