文｜42号车库  

如今的英伟达，无疑是被仰望的。

毕竟，无论是从 AI 领域的实际影响力来看，还是从它已经获得的财务成就来看，黄仁勋领导下的英伟达，确实是当今世界备受众多行业关注的 AI 科技巨头——正在被 AI 领域推动变革的汽车行业，自然也并不例外。

尽管如此，如果仔细审视，很容易发现一个矛盾点，那就是：英伟达在汽车行业扮演的角色，实际上与它在这个领域取得的财务成就并不匹配。

一个典型的例证是，在 2023 年第四季度，英伟达总体营收达 221 亿美元，暴涨 265%，利润率高达 76.7%；但同时，来自汽车业务的营收仅为 2.81 亿美元，不仅总体占比非常低（小于 1.5%），而且还出现了 4% 的同比下降，而来自这一业务的长期亏损自不必言。

所以，对于英伟达持续耕耘汽车业务的逻辑，外界颇有质疑。

不过，随着一年一度的 GTC 大会隆重召开，英伟达在这场盛会中发布的关于 AI 技术发展和商业落地方面的种种最新动态，以及它在汽车业务以及相关领域的最新举措，实际上已经对这些质疑做出了最好的回应。

被重新定义的 DRIVE Thor

在本次 GTC 的主旨演讲中，黄仁勋亲自宣布的一个与汽车行业直接相关的重大动态是：全球最大的电动汽车生产商比亚迪扩大了与英伟达之间的合作，并且选择基于 DRIVE Thor 来构建它的下一代智能电动车型。

考虑到比亚迪的体量和 DRIVE Thor 的未来指向性，这一合作确实是英伟达汽车业务在商业落地上一个重要进展。

但其实，很少有人注意到，与初次亮相时宣称的技术能力和参数相比，DRIVE Thor 已经发生了一些非常明显的调整。

比如说，在算力方面，2022 年 9 月，DRIVE Thor 发布之时，官方主要宣称它的 AI 算力高达 2,000 TOPS，同时它也可以提供每秒 2,000 万亿次浮点运算性能。

与此同时，英伟达还强调，DRIVE Thor 也是它旗下首个采用推理 Transformer 引擎的自动驾驶汽车平台；它还采用了升级后的 ARM Poseidon AE 内核，这也让其成为业界最高性能的处理器之一。

在功能方面，作为一款中央计算平台，DRIVE Thor 可以帮助汽车制造商在单个系统级芯片上高效整合数字仪表盘、信息娱乐、泊车、辅助驾驶等多种功能，从而极大地提高开发效率和软件更新迭代的速度——它甚至可以让车辆在一台计算机上可以同时运行 Linux、QNX 和 Android。

从当时的技术参数来看，DRIVE Thor 确实走的是超大 AI 算力 + 中央计算 + Transformer 引擎的路线。尤其是在 AI 算力方面，2,000 TOPS 的算力标准确实震惊了整个行业。

但是，从这次 GTC 的情况来看，DRIVE Thor 的定位已经有明显的不同。

举例来看，从定位上来说，英伟达 DRIVE Thor 定位为专为汽车行业中日益重要的生成式 AI 应用而打造的车载计算平台——更重要的是，它搭载了专门为 Transformer、大语言模型（LLM）和生成式 AI 工作负载而打造的全新英伟达 Blackwell 架构。

所以很明显，随着大语言模型和生成式 AI 的爆发，以及这些技术在车端的逐步应用，英伟达也将 DRIVE Thor 的产品定位进行了微调，增加了对大语言模型和生成式 AI 的底层支持。

更重要的是，从算力性能来看，根据英伟达发布的最新信息，DRIVE Thor 的性能为 1,000 TFLOPS——然而，作为对比，根据英伟达在 2022 年 9 月发布的信息，DRIVE Thor 的浮点运算性能为 2,000 TFLOPS。

对此，有行业人士评论称：DRIVE Thor 的算力出现了明显的缩水。

值得一提的是，英伟达官方宣布，采用具有生成式 AI 引擎等前沿功能的全新 NVIDIA Blackwell 架构的 DRIVE Thor ，将在明年最早开始量产——作为一个具体的对比，目前已经广泛落地的 DRIVE Orin 采用的是基于 Ampere 架构的 GPU，而 Ampere 发布于 2020 年 3 月。

所以，从这个角度来看，DRIVE Thor 不仅仅是在技术参数层面做了调整，也是英伟达在当前 AI 发展趋势下推动最新的技术开发成果面向自动驾驶和汽车行业商用落地的一个案例。

2025 年开始落地，不仅仅是主机厂

作为下一代自动驾驶计算平台，英伟达的 Drive Thor 在某种程度上代表了自动驾驶领域在底层算力方面的发展方向，也因此，在致力于推动自动驾驶技术发展和商业落地的厂商眼中，DRIVE Thor 是一个非常关键且需要提前投入和布局的一个产品。

对于英伟达来说，厂商们的入局也意味着 DRIVE Thor 的落地——但这并不容易。

实际上，从 DRIVE Thor 发布之后的落地情况来看，在 2022 年 9 月发布之初到 2024 年 CES 之前，实际上只有极氪这一家来自中国的主机厂确定在下一代车型中选用 DRIVE Thor 芯片。

一位知情人士告诉我们，实际上，英伟达在 2022 年正式对外发布 DRIVE Thor 之前，也曾经与一批来自中国的主机厂进行了深入交流，也有新势力车企和国有车企也希望成为第一个采用 DRIVE Thor 的主机厂——但最终，极氪成为第一个宣布采用 DRIVE Thor 芯片的主机厂品牌。

不过，到了 2024 年，DRIVE Thor 获得了越来越多的主机厂客户。比如说，此前在 CES 2024 活动期间，理想汽车宣布将在 DRIVE Thor上构建其未来的汽车产品。

当然，更令人瞩目的是，在本次 GTC 活动上，比亚迪宣布将基于 DRIVE Thor 构建下一代电动车型。同时，广汽埃安宣布旗下高端豪华品牌昊铂下一代电动汽车将采用 DRIVE Thor 平台，新车型将于 2025 年开始量产，可实现 L4 级自动驾驶。

另外，小鹏宣布将把 NVIDIA DRIVE Thor 平台作为其下一代电动汽车的「AI 大脑」，这款新一代车载计算平台将助力该电动汽车制造商自研的 XNGP 智能辅助驾驶系统。

除了主机厂之外，DRIVE Thor 也正在被一批来自于卡车、自动驾驶出租车、配送车等其他细分领域的厂商所选用。具体来说：

• 来自硅谷的自动驾驶配送车辆制造商 Nuro，已经选择 DRIVE Thor 来为它旗下的集成式自动驾驶系统 Nuro Driver 提供助力。

• 全球自动驾驶软件解决方案提供商 Plus 宣布，其 L4 级解决方案 SuperDrive 的下一代产品将在 DRIVE Thor 车规级集中式计算平台上运行。

• 正在打造自动驾驶 AI 的 Waabi 将利用 DRIVE Thor 推出其首个采用生成式 AI 技术的自动驾驶卡车解决方案，大规模地提升自动驾驶卡车的安全与可靠性。

• 文远知行正在与联想车计算一同基于 DRIVE Thor 来创建多个商用 L4 级自动驾驶解决方案。该解决方案集成在联想首款自动驾驶域控制器 AD1 中。

总体可见，DRIVE Thor 的商业落地场景，已经不仅仅是瞄准了资金实力更加雄厚的主机厂，也包括一批致力于推进自动驾驶前沿技术发展的方案商。

那么，为什么 DRIVE Thor 增加了这么多潜在的落地客户？

一位行业分析人士告诉我们，一开始在英伟达 DRIVE Thor 发布时，它字面上 2,000 TOPS 的算力确实很高，但是当时自动驾驶的技术路线并不明确，行业里并不是非常确认是否需要那么高的算力；同时，英伟达 DRIVE Thor 的成本确实是非常高，即使是相对有钱的主机厂也难以承受。

不过，情况在 2023 年下半年发生变化。

随着 ChatGPT 的横空出世和大模型的火热，特斯拉受此影响转向端到端方案，整个自动驾驶领域突然看到了大模型和生成式 AI 在自动驾驶领域的又一轮技术进展，于是有不少主机厂和 L4 方案也想抓住这一轮技术变化的机会赢得先机，从而与英伟达就 DRIVE Thor 的发展寻求合作。

当然，这位行业分析人士称，从英伟达的角度来说，它肯定也是在与主机厂和方案商多方沟通之后，对 DRIVE Thor 的算力标准进行了下调，从而相应地降低了成本，才会最终获得下游主机厂和一些方案商的认可，从而愿意为之买单。

从车端出发，到整个汽车行业生态

对于英伟达来说，打造面向车端的自动驾驶算力芯片，实际上只是它面向整个汽车行业开展业务的其中一个支点——实际上，从这次 GTC 发布的动态来看，英伟达面向汽车领域的野心远远超过了 DRIVE Thor 这个业务本身。

实际上，除了 DRIVE Thor 之外，英伟达与主机厂的合作，还涉及到其他方面的业务板块。

比如说，在英伟达与比亚迪这次在 GTC 活动上中宣布的合作中，比亚迪还计划将英伟达的 AI 基础设施用于云端 AI 开发和训练技术，并使用英伟达 Isaac 与英伟达 Omniverse 平台来开发用于虚拟工厂规划和零售配置器的工具与应用。

实际上，在云端 AI 开发和训练方面，已经有不少主机厂已经选购了来自于英伟达的 AI 基础设施。

这里面其中一个关键客户，正是特斯拉。

实际上，早在 2021 年 8 月，为了在云端进行自动驾驶算法的训练，特斯拉用于云端部署的超级计算机，就已经拥有 11,544 个 GPU，这些 GPU 全部来自于英伟达。后来，尽管特斯拉开启了 Dojo 超级计算机系统的研发并已经进入到部署状态，但是一直到今天，在 AI 大爆发的背景下，它依旧在购买英伟达的 GPU。

可以说，除了特斯拉之外，类似于小鹏、蔚来、理想这样的中国主机厂也在购买英伟达的 GPU 用于云端部署和训练——来自这部分的营收其实并不算少，但并没有在财报中被归入到汽车业务板块中去，而是被纳入到英伟达的数据中心业务。

对此，英伟达汽车业务副总裁 Danny Shapiro 也曾经在接受 42 号车库独家访谈时表示：

对我们来说，竞争本身不仅仅是关乎芯片，也包括软件。这些还只是车内。而数据中心同样也是人工智能的重要组成部分。我不知道，在英伟达之外，是否还有其他公司在车辆人工智能和数据中心人工智能方面进行合作。而从数据处理的角度，收集、训练、测试、验证和部署，这个过程将不断持续下去，也是我们的优势。

从财报来看，我们这个业务板块的营收确实很小。但其实，如果计算我们从汽车产业获得的营收，包括我们从主机厂的数据中心业务中获得的营收，还是非常大的。

除了数据中心业务之外，英伟达与比亚迪的合作，还涉及到英伟达的 Omniverse 虚拟现实和仿真平台——这也是它面向汽车行业的重要布局。

按照英伟达的说法，Omniverse 可以帮助汽车制造商推动产品生命周期的数字化进程，包括从概念产出、风格设定、外观设计到零售的各个阶段。比如说，在车辆开发过程中，开发人员可以通过 Omniverse 在虚拟世界中修改车内设计，通过协作与共享实现高效率的设计改进和验证。在工厂中，汽车制造商也可以利用 Omniverse，为工厂和仓库设计来开发并运行复杂的 AI 虚拟环境。

实际上，宝马集团此前已经通过英伟达 Omniverse 开设全球首家虚拟工厂，这是宝马集团数字化转型和提升效率的一部分；对于英伟达来说，这其实也是它所打造的虚拟现实和仿真平台面向汽车行业的一个业务延伸。

当然，在本次 GTC 上，英伟达也对机器人平台相关的业务进行了升级，这同样与汽车行业存在密切关联。

具体来说，英伟达正式发布人形机器人通用基础模型 Project GR00T，瞄准了人形机器人和具身智能。同时，英伟达还发布一款基于 NVIDIA Thor 系统级芯片（SoC）的新型人形机器人计算机 Jetson Thor。

Jetson Thor 包括一个带有 transformer engine 的下一代 GPU，其采用 NVIDIA Blackwell 架构，可提供每秒 800 万亿次 8 位浮点运算 AI 性能，以运行 GR00T 等多模态生成式 AI 模型。

从某种程度上来说，英伟达的这一业务布局，这与特斯拉将 FSD 芯片用于旗下的 Optimus 机器人业务，有异曲同工之妙。在特斯拉的规划中，Optimus 机器人业务一旦成熟，将有机会成为特斯拉业务中最有价值的板块。

显然，英伟达这次的动态，显然也是在从特斯拉的业务愿景中汲取灵感，提前布局。

需要强调的是，英伟达正在为一批领先的人形机器人公司开发一个综合的 AI 平台，这些公司包括 1X Technologies、Agility Robotics、Apptronik、波士顿动力公司、Figure AI、傅利叶智能、Sanctuary AI、宇树科技和小鹏鹏行等。

其中，小鹏鹏行，正是小鹏汽车旗下的一个业务板块。

整体来看， 凭借其在多个领域的平台化布局，英伟达在汽车行业的智能化转型过程中有着多方面的业务落地空间，而且这些落地业务所带来的营收并不体现在财报中——当然，基于车端自动驾驶算力的 DRIVE 计算平台业务，只是其中存在感比较明显的一环。

写在最后

从整体业务逻辑来看，英伟达面向汽车行业布局的核心逻辑，其实与黄仁勋本人的一个执念密切相关。

一位曾经在英伟达工作并与黄仁勋有直接接触的行业人士告诉我们，在 2012 年 AI 迎来爆发之后，黄仁勋一开始并没有没有看上自动驾驶市场，因为他觉得这块市场的利润率不高，毕竟服务器领域的利润率高达 60% 到 70%。

但是，黄仁勋对于 AI 的端侧部署是有执念的。 正是这个执念，让他在当年寻找到了英伟达在汽车自动驾驶、机器人等领域的业务场景；尽管这些业务并没有给英伟达带来多少财务回报，但英伟达在黄仁勋的带领下一直在坚持，并且一直坚持到今天。

归根结底，黄仁勋和他带领的英伟达所坚持的，其实是面向汽车行业构建一个「端到端」（cloud to edge）的业务平台——这个平台的价值，当然不能只是用财务数字来衡量。

由此，我们可以确认，在这场以数字化、智能化为核心的汽车产业革命中，英伟达毫无疑问地将会继续扮演一个重要角色，而且黄仁勋本人有足够的耐心和定力继续推进这个角色。

正如 2023 年 9 月，英伟达汽车业务副总裁 Danny Shapiro 在慕尼黑车展现场与 42 号车库交流时所言：

自动驾驶业务对 NVIDIA 来说是非常重要的。黄仁勋非常有耐心。实际上，在看到实际的营收回报之前，他已经在 AI 领域投资了超过十年的时间。所以在自动驾驶业务上，他无疑将会继续投入——这个业务板块还很小，但它拥有非常好的潜在增长机会。

我们把这块业务看做一个长线业务，它需要大量投资，而且它的增长曲线是相对缓慢的。接下来 6 年，我们预计将获得 140 亿美元的汽车软硬件营收。