此次英伟达在相关智能驾驶的消息篇幅比较少，当然最为重磅的是宣布了比亚迪成为英伟达新的合作伙伴，将搭载DRIVE Hyperion 计算平台，并且将在 2023 年上半年开始投产。

目前英伟达已经收割了超过 25 家电动汽车厂商，数了数大概有接近一半是来自国内本土公司，更卷的是，英伟达说这些合作伙伴会在 6 年内给英伟达贡献超过 110 亿美元的营收 。

而除了此次比亚迪的加入，还包括国内的元戎启行、悠跑科技和文远知行等等，还有海外的 Lucid 也宣布其智能驾驶系统也将基于 NVIDIA DRIVE 构建。

插播广告：如果对智能驾驶感兴趣的同学也可以在 3 月 25 日中午十二点锁定新出行，我将会和@润子 一起「唠唠 ET7 激光雷达那些事儿！」，欢迎大家参与哦！

如果您不想错过新车以及有关智能驾驶的任何消息，可以加入我们的大家庭哦！进群的同学可以加微信「   xchuxing06 」 回复「 具体车型例如ET7 」，包括我、专业 KOL、专业编辑老师等也在群内，欢迎大家一起交流、一起共创。

1、 NVIDIA DRIVE 是什么？对于比亚迪来说意味着什么？

NVIDIA DRIVE 也就是英伟达的一套智能驾驶的开放计算平台，来处理处理来自车内外摄像头、毫米波雷达和激光雷达等传感器的数据，可以支持我们的智能驾驶系统、座舱和驾驶者监测等等。

当然计算平台也是有“高低之分”的，也有打包或者拆开来卖。

目前有：

• NVIDIA DRIVE Hyperion；
• NVIDIA DRIVE Orin；
• NVIDIA DRIVE AGX Xavier；
• NVIDIA DRIVE Atlan 。

NVIDIA DRIVE Orin、NVIDIA DRIVE   Xavier 我们非常熟悉啦，算力分别是 254 TOPS 以及 30 TOPS ，前者比如蔚来 ET7 、理想 L9 、小鹏 G9 、飞凡 R7 等等，后者有小鹏P7 、智己L7 等等。

而 NVIDIA DRIVE Hyperion 也就是我们所说的硬件打包类的平台，比如 DRIVE Hyperion 8 平台上就是是包括两颗 Orin +完整的传感器（12 摄像头、9 毫米波、12 个超声波以及 1 个激光雷达等）。

比亚迪采用的是 DRIVE Hyperion 8 平台，同时会应用在智能驾驶和泊车上，这也满足了比亚迪更高阶智能驾驶的需求，所以大概率会应用在其高端品牌里。

这一次英伟达也公布了下一代 Hyperion 9 的消息，将会在 2026 年搭载，配备 14 个摄像头、9个毫米波雷达、3个激光雷达以及20 个超声波雷达，同时升级为 Atlan 芯片，目标算力能够到 1000TOPS。

而无论是传感器还是算力，相比 8 代平台都是翻倍的，能够支持 L3 级自动驾驶和高阶自动泊车功能，现在我们就坐等哪家更卷的车企说会提前应量产应用。

插一句的是，整个发布会小鹏露出的镜头超过两次，P7 和 G3 都上了镜哈哈。

二、英伟达智能驾驶背后的“大算盘“

1、关于英伟达的智能驾驶，必须知道的两个“大算盘”。

在 英伟达 NVIDIA 的 GTC 2022上关于智能驾驶虽然只提到了一个部分，但了解这个之前需要知道英伟达的两个大盘，第一个是 Omniverse 。

这是一个支持实施模拟和协作的开放平台，比如我们常见构造动画渲染、游戏角色、逼真的面部表情构建等等。

它就像一个大舞台，能够给工程师、灯光师、设计师、编剧、导演等提供一个平台，大家做模拟协作，做好“彩排”，所以英伟达想把 Omniverse 推向各行各业，这其中就包括智能驾驶。

另一个背景是在英伟达所认为机器人系统工作中，可以简化为四个支柱：包括收集和生成地面实况数据、创建 AI 模型、真实数据集、数字孪生（将我们遇到的现实场景通过软件仿真变成数字化）。

而机器人其实也和智能驾驶中的应用有很大的关系。

2、两个“秘密”

我们知道两个大基础后，我们开始拆分英伟达此次在智能驾驶透露的一些“秘密”。

这一次英伟达特别强调 NVIDIA DRIVE Map ，这是一套多模式地图，可以支持摄像头、雷达和激光雷达的接入，也就是可以通过多传感器来“绘制”地图。

这里共有两种“绘制”地图模式，通过实况地图以及众包车队地图。英伟达计划 2024 年底在北美、西欧和亚洲所有主要高速公路做绘制，预计能够达 50 万公里，由超过百万台乘用车来扩展和更新。

而地图背后是其实是和 DEEPMAP 合作。在 2020 CES 上我们向大家提到的双方会协同进行测绘地图以及车队地图构建，也就是采用众包地图，同时对全球热门区域部署测绘地图车队，也作为云端 AI 地图系统的真值数据。

第二个我们常提到的模拟仿真。

这里主要有两种方法，第一种是有激光雷达传感器加入后，让地图能够以一种逼真的 3D 效果呈现，然后将地图载入到我们上面提到的 Omniverse 平台，这样有了激光雷达、摄像头所采集而来的底层地图信息，可以为逼真的仿真环境提供了充足条件，同时可以加入植被、建筑物、道路信息、红绿灯信息等等。

然后把这个“舞台”布局好后，开始邀请“演员”。

比如路上的行人、横窗的车辆等，当然这些演员不是瞎来的，而是通过在车辆实时传来真实「数据集」作为“剧本”，同时可以针对这些动态对象“加戏”，可以针对现实生活中的案例添加新的模型。

这和很多同学玩人机游戏是一个道理，比如游戏中我们可以选择我们的游戏难度，你的挑战也会不同，智能驾驶仿真也是一个道理。

这样车企可以通过数字仿真平台对现实场景做重现，或者做验证，这样可以大大缩短我们的时间以及研发成本。

第二种仿真方法是通过预先录制好的固定素材，针对特定场景做转换。

比如我们在一段非常晴朗的南方天气，可以变换为大雪纷飞的北方雪景。甚至可以把视频素材里的车辆、行人全部清空，然后自由添加新的元素，同时也可以改变我们驾驶者的驾驶行为，看看对其他车辆是否带来影响等等。

我们上面的两种模拟仿真其实都得益于 DRIVE Map 以及 数字孪生两种形态融合的突破，也回归到   Omniverse 这样的模拟协作平台上。

当然英伟达还是供应商，所以无论我们上述提到的   DRIVE Map 、DRIVE Sim 、Hyperion 8（Orin 驱动）、DRIVE AV 软件等等都可以支持拆分单独使用或者打包使用。

四、一些思考：

1、国内芯片公司的机会在哪里？

相比于英伟达应对多行业需求的野心，其实我们也看到这种“雨露均沾”的“隐患”，也就是需要做通用算力不同。

国内芯片供应商更偏重于智能驾驶单一的研发场景，同时占据「具体问题具体分析」的优势，因为不同使用环境对性能的需求不同，所以加速器的排布等都要做取舍。

另外智能驾驶芯片公司还可以根据智能驾驶功能以及软件的需求来定义整个硬件架构，在智能驾驶芯片中更具优势。

另外从英伟达 Orin 的客户来看，超过半数的厂商都是来自国内，这也说明了国内智能电动化的增长需求。这样国内本土供应商就能够提供一个更优的服务体系。

所以相比英伟达，国内芯片供应商会有低成本、安全性高以及高性价比的优势，同时也能满足芯片的定制，合作模式更为灵活。所以国内芯片公司会在短期内收割中低端市场，同时在中长期看，还是会朝着英伟达打造同级竞品，届时优势将会继续放大。

2、芯片的竞争会一直「居高不下」吗？

当前大家更看重的已不再是单一的硬件实力，而是看重“软实力”。

对于下半场竞争中，硬件趋同以及达到算力天花板时，产生分界线的是企业如何构建一套可快速迭代的软件系统，大家将会从硬件实力赛道切换到软件维度之争。

比如如何定义一款好用的产品，如果购买第三方软件系统如何打造灵活性、如何收集用户的真实数据同时在茫茫大海的数据中寻找到具有价值的数据等等。

所以大家将不会注重大算力本身，而是回归到数据的灵活性以及可快速迭代性。

智能驾驶的“军备竞赛”实质上也推动了整个智能驾驶行业的发展，而英伟达作为智能驾驶行业中的老大哥，实际上也充满着更多新的挑战以及风险，比如如何应对中国本土供应商的兴起，以及迈向多行业中如何找到完整的商业模式的闭环，而这个环既不是持续扩大，而找到一个实现收敛的落脚点，在一切未盖棺定论前都是充满未知性。