黃仁勛，開通個人社交媒體賬號整一周，第一次發了一條關于英偉達業務的帖子：
按市值體量計英偉達現在已經超越德國GDP排世界第三，老黃這相當于一個“強國領導人”的發言，分量可想而知——前兩條“黃仁勛開源協議”的帖子，已經震動整個科技圈。
而他第一條講自己公司的貼文，給了英偉達自動駕駛業務，吳新宙領導的。
主題是——英偉達最新自動駕駛大模型，開源！開源！還是開源！。
吳新宙直白翻譯：英偉達要做的就是自動駕駛「安卓」。
自動駕駛行業過去十年的技術路線變化，本質上是在回答同一個問題：
機器如何真正理解現實世界？
早期自動駕駛采用的是模塊化路線：車輛通過攝像頭、激光雷達等傳感器獲取環境信息，再經過感知、預測、規劃和控制多個模塊完成駕駛決策。這套方法工程邏輯清晰，也是過去Robotaxi、車企長期采用的主流方案。
但隨著自動駕駛進入更復雜的城市環境，大家逐漸發現，真正困難的問題并不是識別車輛、行人和道路，而是理解復雜場景背后的意圖。
人類駕駛員看到路邊一個行人，并不會簡單判斷“這里有一個人”，而是會結合速度、姿態、周圍環境推測：“他有沒有可能突然進入道路？”
這種基于經驗和常識的判斷，正是傳統算法最難覆蓋的部分——
英偉達最新的開源自動駕駛基礎大模型——Alpamayo 2 Super正是在這個背景下出現的。
它并不是傳統意義上的自動駕駛感知模型，而是一個VLA（Vision-Language-Action，視覺-語言-動作）模型。
所謂VLA，核心變化是讓自動駕駛模型不再只是完成“輸入視覺信息、輸出駕駛軌跡”的黑盒映射，而是增加對環境語義、任務目標和未來變化的理解能力。
簡單來說，過去的端到端模型更像：看到前方障礙物 → 生成剎車動作。而VLA模型希望進一步理解：前方是什么障礙物？它為什么出現？未來可能如何運動？當前最合理的駕駛策略是什么？
這也是Alpamayo 2 Super相比此前版本最大的方向變化。
此前的Alpamayo 1.5我們詳細解析過，已經開始探索端到端自動駕駛基礎模型，通過大規模駕駛數據訓練，讓模型學習從視覺輸入到車輛行為之間的關聯。
但1.5階段更多解決的是“讓模型能夠駕駛”。
到了Alpamayo 2 Super，重點進一步轉向“讓模型理解駕駛”。
它強化了模型推理能力，讓車輛面對復雜場景時，不只是依靠訓練數據中的相似案例匹配，而是能夠基于當前環境進行更接近人類的判斷。
這對于L3/L4自動駕駛尤其重要。
因為自動駕駛真正的難點，從來不是在晴天白天的普通道路上完成跟車，而是在大量無法提前枚舉的長尾場景中保持安全。
比如：施工區域臨時改變道路規則、車輛突然違規穿插、行人在非預期位置出現……這些場景無法靠無限增加規則解決，只能依靠模型對于物理世界的理解能力。
Alpamayo 2 Super進一步引入世界模型能力，就是為了解決這個長期限制——通過Cosmos系列世界模型，可以基于真實駕駛數據生成新的道路場景，讓模型在虛擬環境中經歷大量現實中難以采集的情況。
它可以模擬不同天氣、光照、道路結構和交通參與者行為，讓自動駕駛系統提前面對各種可能發生的未來。
這也是為什么英偉達自動駕駛業務負責人吳新宙強調，自動駕駛未來需要“三臺計算機”：
車端推理計算機負責實時駕駛，云端訓練計算機負責模型迭代，而仿真計算機負責創造和驗證未來世界。
除了世界模型，Alpamayo 2 Super還進一步引入閉環訓練體系，通過強化學習環境，模型可以在虛擬駕駛環境中不斷嘗試、獲得反饋并優化策略。
因此，Alpamayo 2 Super，可以看成是英偉達在自動駕駛技術范式達成共識、收斂的今天，拿出的第一個完整的技術體系。
相比之前開源的Alpamayo版本，Alpamayo 2 Super加強了世界模型的數據驅動能力，以及添加了強化學習的閉環訓練體系。
不只是一個更大的自動駕駛模型，而是自動駕駛技術路線的一次遷移。
當然了，這也是英偉達自動駕駛團隊，第一次向外界展示跟黃仁勛“物理AI”宏圖基座的直接協同關聯——支持Alpamayo 2 Super的世界模型，就是老黃在CES上首發、目標理解萬事萬物的Cosmo 3。
以及Cosmos 3本身，也是開源的。
這就意味著，盡管老黃從沒說過要成為類似Momenta、華為這樣的自動駕駛方案供應商，但英偉達已經具備了完整的自動駕駛全棧軟硬件能力，距離具體的量產落地，可能就差車型適配這最后的工程化步驟。
最重要的是，自動駕駛模型Alpamayo本身、后端世界模型Cosmos等等，從模型權重、代碼、數據工具和評測體系，統統開源。
只要具備基本的AI能力，任何玩家都能基于英偉達的AI軟硬件，部署、量產自己的自動駕駛方案。
很明顯，英偉達想做的，是把競爭焦點正在從“誰擁有更多道路數據”，轉向“誰擁有更強的基礎模型、更強的世界模型以及更強的訓練閉環”。
模型只是表面，背后的AI基礎設施才是核心。
吳新宙也第一次明牌：
“可以這么說，英偉達要做的就是自動駕駛的安卓”
如果說Alpamayo 2 Super解決的是自動駕駛“大腦”的問題，那么吳新宙展示的，則是英偉達試圖搭建的一整套自動駕駛基礎設施。
這也是理解英偉達自動駕駛戰略的關鍵：它并不是把目標設定為成為一家Robotaxi運營商，而是希望成為所有自動駕駛系統背后的技術平臺——
一個非常明確的判斷是，未來自動駕駛競爭不會只發生在車端芯片或者單一算法模型層面，而會圍繞三類計算能力展開：車端推理、云端訓練和仿真驗證。
車端推理計算機負責車輛在真實道路上的實時運行，需要完成感知、決策和控制；云端訓練計算機負責大規模數據處理和模型迭代；而仿真計算機則負責構建虛擬世界，讓自動駕駛系統在進入真實道路之前，經歷盡可能多的測試。
這三個環節共同構成了未來自動駕駛的基礎設施。
圍繞這一判斷，英偉達正在搭建一套完整技術棧。
其中，Hyperion更像是自動駕駛硬件平臺，目標是提供標準化計算架構，讓車企不需要從零設計整套自動駕駛硬件體系；
Halos OS則承擔軟件底座角色，把底層芯片、傳感器、車輛系統和AI模型連接起來；
Alpamayo系列模型負責提供基礎智能能力；
而Cosmos、Omniverse等工具，則解決數據生成和仿真驗證問題。
單獨看，其中任何一個產品都不是決定性的。
真正重要的是，它們開始形成一個閉環：車輛產生數據，數據進入訓練系統，模型通過仿真不斷優化，最終部署到車輛端。
這和過去互聯網時代的平臺邏輯非常類似。一個操作系統之所以有價值，并不是因為它自己開發所有應用，而是因為大量開發者愿意基于它構建生態。
吳新宙所說的“自動駕駛安卓”，核心也是這個意思。
英偉達并不需要自己完成所有自動駕駛應用，而是希望成為車企、Robotaxi公司和機器人企業共同使用的平臺。
因此，Alpamayo 2 Super開源的意義也需要放在這個背景下理解：如果英偉達只是希望出售自動駕駛芯片，那么最直接的商業路徑是把模型和軟件能力封閉起來。
但如果目標是建立生態，那么開放模型反而更有價值，通過降低模型使用門檻，吸引更多開發者和企業進入英偉達體系，最終擴大整個平臺的影響力。
這也是英偉達今年反復強調Physical AI的重要原因。
機器人需要理解物理環境，汽車需要在復雜道路中行動，工業設備需要和現實空間交互。這類AI與互聯網AI最大的區別在于，它不僅需要生成答案，還必須對現實世界產生影響。
因此，Physical AI需要的不只是一個更大的模型，而是一套連接模型、算力、數據和現實世界的完整體系，自動駕駛恰好是其中最成熟、最具代表性的應用場景。
它既需要大模型理解環境，也需要強大的計算平臺支撐實時運行，還需要世界模型和仿真體系不斷訓練。
盡管全球大半個自動駕駛圈的硬件，都是黃老爺在販賣，理應躺賺。
但老黃仍然要做自動駕駛全棧，吳新宙在英偉達做的工作，好像把合作伙伴都變成對手。
現在我們知道，吳新宙在做的，就是幫黃仁勛尋找Physical AI時代第一個能夠驗證平臺能力的入口。
英偉達最新市值是5.13萬億美元，已經比整個德國GDP還要高，如果是個國家的話，英偉達現在排名世界第3，緊隨G2兩個老大哥。
如果只看今天的市場表現，很多人會把英偉達的成功簡單歸因于一個因素：AI芯片領先。
但這只是結果并非原因。
黃仁勛一直在反復強調：英偉達真正的價值，并不只是制造GPU，GPU只是整個AI基礎設施中的一個組成部分。
從更大的視角看，英偉達正在構建的是一套從計算資源到軟件生態，再到應用開發的完整體系。
這也是為什么黃仁勛在談到競爭時，并沒有把重點放在單純的芯片性能比較上。
因為AI時代的競爭，與傳統半導體時代已經不同。一家公司即使制造出性能優秀的芯片，也很難直接替代一個已經成熟的計算生態。
CUDA就是最典型的例子。很多人認為CUDA最大的價值是幫助GPU進行計算加速，但更深層的意義在于，它連接了開發者、軟件工具、模型框架和硬件架構。
過去十多年，大量AI研究和商業應用都是基于CUDA生態建立起來的。新的模型架構不斷出現時，英偉達可以通過軟件生態快速適配。這也是為什么很多專用AI芯片雖然在特定任務上具有效率優勢，但依然很難完全替代GPU。
AI永恒不變的一點，就是變化速度極快。
今天最流行的大模型架構，可能幾個月后就已經被顛覆——這兩天你梁叔叔揮舞一把名叫DeepSeek V4 FLash的鐮刀收割硅谷，就是最好的例子：
因此，能夠持續適應變化的平臺，比單一場景下的性能優勢更重要。
黃仁勛想要打造的最強護城河，不是某一代GPU產品，而是組織整個產業圍繞AI方向共同下注的能力。
老黃今年63歲，他在創立英偉達的時候30歲，整整30年都只在干一件事情：把通用計算干不了的活，用專門架構干出來。
AI呢，只是這場旅程中偶然遇到的一個大爆點，沒有AI浪潮，英偉達大概率也會在傳統科學計算領域一枝獨秀。
所以與其說GPU，倒不如說是CUDA是老黃最核心的競爭力——所有開發者都必須圍繞英偉達GPU開發AI應用。
未來，英偉達希望讓汽車企業、Robotaxi公司、機器人企業圍繞自己的平臺構建Physical AI應用。
而回到自動駕駛，這正是理解吳新宙工作的關鍵。表面看，吳新宙負責的是英偉達汽車業務。
但從黃仁勛的整體戰略看，他做的并不是一個單獨的汽車產品線，而是在自動駕駛、以及日后的物理AI時代復制CUDA的生態打法。
它背后的邏輯是：通過開放模型能力，吸引更多參與者進入英偉達生態，再通過硬件、軟件、訓練和仿真體系形成長期平臺價值——
自動駕駛也可以做成一個Agent，開箱即用。
2025年開始，老黃通過每一場GTC，每場訪談，把對于AI的思考認知，反反復復公開寫在桌面上。
無敵皮衣老黃也有退休的一天，現在在做的，就是把之前的個人信任資產進行某種制度化，把它寫進產品節奏，寫進開發者生態，寫進GTC，寫進供應鏈關系，寫進資本合作里。
讓全球都明白英偉達怎么想的，為什么這么想，未來會往哪走？這種公開化的認知是英偉達留給后來人最珍貴的遺產。
也是英偉達延續beat and raise的核心動力。
Alpamayo 2 Super項目地址：https://huggingface.co/nvidia/Alpamayo2-Super
— 聯系作者 —
— 完 —
【智能車參考】原創內容，未經賬號授權，禁止隨意轉載。
點這里??關注我，記得標星，么么噠～
