英伟达吴新宙说自动驾驶ChatGPT时刻将至，L4级量产不再是梦，这真的可能吗？

本文共计654个文字，预计阅读时间需要3分钟。

该架构的核心目标是显著降低车企自主研发门槛。英伟达依托其在行业领域的领先仿真能力，每日可完成高达200万次多场景场景验证，大幅缩短长尾模型迭代周期。目前，公司正全力推动主流整车厂接入Hyperion开放平台，加速自动驾驶技术的标准化与规范化普及。

视觉为本，冗余为盾

在感知技术路线上，吴新宙展现出鲜明的“视觉优先”立场。他指出，摄像头所具备的像素密度潜力与信息丰富度，本质上优于激光雷达，完全可满足高阶辅助驾驶对环境理解的严苛需求。但面向安全性要求极高的L3/L4级系统，英伟达仍坚持将激光雷达作为关键安全冗余手段。据透露，公司正与欧美头部激光雷达厂商深度协同，为高阶智驾方案构建稳定、可靠的多传感器融合硬件底座。

L4商用进程提速：2028年服务覆盖20–30城

针对业内热议的“是否跳过L3直奔L4”议题，吴新宙持审慎务实观点。他强调，L3具备明确的人机共驾价值，能快速释放用户时间；而L4则高度依赖强大的云端调度、运维与持续学习能力。英伟达公布的分阶段路线图显示：2025年将交付与梅赛德斯-奔驰联合开发的首个量产项目；2027年将携手谷歌启动L4级无人驾驶试点运营；至2028年，计划联合Uber，在洛杉矶奥运会期间正式推出规模化无人驾驶出行服务，并力争实现全球20至30个城市的业务覆盖。

物理AI的疆域拓展：从轮式机器人到泛在具身智能

吴新宙进一步指出，物理AI的发展浪潮正由智能汽车向通用机器人领域纵深演进。在他看来，智能汽车本身就是一台高度特化的移动机器人，未来智能驾驶与智能座舱的“决策大脑”将走向深度融合与统一架构。尽管机器人研发面临更高维度的运动控制、交互理解与环境适应挑战，但自动驾驶在工程化落地中积累的海量数据闭环、仿真验证体系与实时计算经验，正成为机器人技术跃迁不可或缺的底层基石。依托英伟达全球化AI计算平台，这些能力将持续向工业、物流、服务等物理世界场景渗透，催生指数级的现实生产力跃升。