圖說：NVIDIA透過「三台電腦」與「五層蛋糕」架構，布局自動駕駛生態系，推進Physical AI在車用領域的發展。
在2026北京車展前夕，NVIDIA 汽車業務副總裁 Wu Xinzhou 接受 Counterpoint Research 專訪時表示，隨著推理型大型模型（Reasoning-based Large Model）逐步成熟，自動駕駛技術正進入新的發展階段。NVIDIA目前正以「三台電腦（Three Computers）」與「五層蛋糕（Five-Layer Cake）」架構，布局涵蓋訓練、模擬與車端部署的自動駕駛生態系，並以Physical AI作為長期發展方向。
Counterpoint Research指出，NVIDIA目前在自動駕駛領域的角色，已不僅限於車用晶片供應，而是進一步延伸至訓練平台、模擬工具與開發生態系等多個層面。
在「三台電腦」架構基礎上，NVIDIA進一步以「五層蛋糕」方式完善其自動駕駛生態系布局：
「三台電腦」構成自駕技術閉環架構
NVIDIA將智慧駕駛系統拆分為三個核心部分，包括：
- 車端推論電腦（In-vehicle inference computer）：負責即時感知與決策
- 雲端訓練電腦（Cloud training computer）：負責模型訓練與資料標註
- 模擬電腦（Simulation computer）：負責大規模場景驗證
上述架構形成從車端資料蒐集、雲端模型訓練、模擬驗證，再回部署至車端的閉環式自動駕駛流程。NVIDIA並進一步提出「五層蛋糕」架構，整合開源模型、硬體平台、工具鏈與開發生態系。
推理型VLA模型降低資料需求
NVIDIA此次介紹的 Alpamayo 模型，核心為推理型VLA（Vision-Language-Action）模型。相較傳統端到端自駕方案需依賴大量駕駛資料處理各類Corner Case，推理型模型透過Foundation Model與語言推理能力，提升模型泛化能力，並降低資料需求。
Wu Xinzhou(Nvidia 汽車業務副總裁) 表示，人類學習駕駛時，除了實際駕駛經驗，也會透過閱讀駕駛規則建立對物理世界的理解；未來自駕模型也將逐步具備類似能力。
此外，NVIDIA也提到其 Omniverse NuRec 神經重建技術，可透過像素級方式重建真實世界場景，並利用 Cosmos 世界模型模擬不同天氣、光線與時間條件，以提升模擬驗證效率。根據NVIDIA資料，目前每日可執行超過200萬次模擬驗證。
L2++仍為近期主要市場方向
Counterpoint Research表示，雖然NVIDIA持續布局L3與L4自動駕駛，但現階段市場仍以L2++為主要量產方向。其中，與 Mercedes-Benz 的合作，被視為其重要案例之一。
根據NVIDIA規劃：
- 2025年：完成歐美市場首輪交付
- 2026年：於美國推動Point-to-Point L2++部署，並擴展至歐洲多個城市
- 2027年下半年：推進全球化L2++量產
在L3/L4系統架構方面，NVIDIA採用雙Thor ECU備援設計、14鏡頭＋9毫米波雷達＋1 LiDAR感測器配置，以及「端到端模型＋規則引擎」雙演算法並行架構。
Wu Xinzhou表示，目前L3與L4發展的挑戰，主要集中在系統工程與大規模部署等層面。
生態系布局成長期發展重點
Counterpoint Research分析，NVIDIA目前除了布局車用晶片，也同步建立涵蓋雲端訓練、模擬驗證與開源模型的完整生態系。即使部分車廠投入自研晶片，仍需仰賴GPU進行模型訓練與模擬驗證。
Wu Xinzhou表示，希望未來更多駕駛場景能導入自動化技術，而NVIDIA則參與其中相關基礎架構與平台發展。
Counterpoint Research認為，NVIDIA目前在自動駕駛領域的策略，重點已逐步從單一晶片競爭，延伸至整體AI汽車生態系布局。
中國市場合作持續推進
在2026北京車展期間，NVIDIA也公布多項與中國車廠及合作夥伴的最新進展，包括：
- Chery Automobile：合作智慧駕駛、座艙AI與機器人相關應用
- Pony.ai、WeRide、DeepRoute.ai：基於 NVIDIA DRIVE Hyperion 平台推動 Robotaxi 應用
- MediaTek：Dimensity Auto Cockpit C-X1導入 NVIDIA Blackwell GPU 架構
- Alibaba Cloud：於 NVIDIA DRIVE 平台運行 Qwen-Omni 多模態大型模型
- Lenovo：推出搭載 NVIDIA DRIVE AGX Thor 的 Auto AI Box
- ThunderSoft：發布基於 NVIDIA NemoClaw 的車載AI Agent作業系統 AquaClaw
Counterpoint Research研究副總監Kevin Li觀點：推理型大型模型的發展，正逐步改變自動駕駛技術演進方向。過去業界高度關注的Corner Case問題，未來有機會透過Foundation Model與推理能力逐步改善。同時，隨著Physical AI概念持續發展，自動駕駛也被視為重要應用場景之一。Counterpoint Research認為，NVIDIA目前正透過車端、雲端與模擬平台等多層面布局，擴展其在AI汽車產業鏈中的角色。
