[首發于智駕最前沿微信公眾號]在2025年國際消費電子展（CES 2025）上，英偉達重磅發布了其最新一代車規級自動駕駛芯片“Thor”，并同步展示了在智能汽車領域的技術進展與合作布局。英偉達創始人兼首席執行官黃仁勛在發布會上表示，未來自動駕駛汽車市場的潛力巨大，整體規模有望達到數萬億美元。他預測，到2026財年，英偉達的汽車業務收入將有望達到50億美元（約合人民幣365億元），顯示出該業務板塊日益增長的重要戰略地位。

作為此次發布會的核心產品，Thor芯片代表了英偉達在汽車計算平臺領域的技術飛躍。據介紹，Thor采用與新一代RTX 5090顯卡同源的Blackwell架構GPU，并搭載基于Arm Neoverse V3AE服務器級架構的高性能CPU，結合為新一代綜合計算平臺。這款芯片不僅具備強大的圖形與計算能力，更可滿足未來高等級自動駕駛系統對實時性和冗余性的嚴苛要求。據官方數據，Thor頂配版配置兩顆芯片時，整個平臺的AI算力可達到驚人的2000 TFLOPS，為自動駕駛感知、決策與控制系統提供強力支撐。

近年來，英偉達憑借在AI領域的領先地位，在科技行業賺足了眼球，市值一度超越蘋果，成為全球第一。在汽車領域，英偉達也逐漸嶄露頭角，眾多車企紛紛選擇與它合作，包括奔馳、寶馬、奧迪、豐田、本田、日產、比亞迪、小鵬、理想等。

2023財年，英偉達汽車業務營收為15.25億美元，雖然在其總營收中占比不大，但同比增長了41%。到了2024財年，這一數字更是飆升至41.51億美元，同比增長172%。在全球自動駕駛芯片市場，英偉達以59%的份額占據主導地位，幾乎是第二名高通的4倍。

回顧英偉達的發展歷程，從最初在游戲顯卡領域的摸爬滾打，到如今在汽車和AI領域的風生水起，每一步都充滿了挑戰與機遇。那么，英偉達是如何一步步走到今天的？在汽車領域，它又面臨著哪些挑戰和機遇呢？

起步：在游戲領域艱難求生

1993年，30歲的黃仁勛與兩位好友共同創立了英偉達，公司名字“NVIDIA”就體現了他們的目標——“視覺計算”（“NVI”代表“視覺”，“DIA”在拉丁語中意為“穿過”）。當時，個人電腦開始興起，而圖形處理技術還十分落后，英偉達瞄準了這一市場空白，決定專注于圖形芯片的研發。

創業初期，英偉達的發展并不順利。1995年，公司推出首款產品NV1，這是一款集圖形、音頻、視頻功能于一體的多媒體加速器，還采用了獨特的“前向紋理映射”技術，能夠節省內存。然而，市場反應卻極為冷淡。

NV1，圖片來自網絡

原因在于，在NV1研發的兩年間，市場發生了巨大變化。內存價格大幅下降，使得節省內存的技術優勢不再明顯。而且，NV1的新技術要求游戲軟件采用新的圖形標準，這讓游戲廠商們望而卻步，畢竟沒人愿意為一款顯卡重寫軟件。

此外，NV1為追求高質量音頻，放棄了對當時主流聲卡的兼容，導致在熱門游戲中音效不佳，用戶體驗很差。

最終，NV1銷量慘淡，退貨率極高，英偉達陷入了絕境。公司不僅失去了重要客戶，還面臨著與世嘉合作破裂的危機，銀行賬戶里的資金只夠維持9個月的運營，黃仁勛不得不裁掉60%的員工。

關鍵時刻，黃仁勛決定改變策略。他意識到，NV1失敗的原因在于過度設計，加入了太多用戶并不關心的功能。于是，英偉達開始聚焦于游戲玩家最核心的需求——提供最快且價格合理的圖形性能。

1997年，英偉達推出RIVA128顯卡，這款產品性能卓越，價格親民，迅速獲得了市場認可。在發布后的4個月內，出貨量就超過了100萬顆，占據了個人電腦圖形市場份額的1/5。憑借RIVA128的成功，英偉達成功擺脫了破產危機，實現了盈利。

RIVA128顯卡，圖片來自網絡

1999年，英偉達推出了具有劃時代意義的產品——GeForce256。這款顯卡首次提出了“GPU”（圖形處理器）的概念，它不再僅僅是一個圖形加速卡，而是具備了強大的并行計算能力，能夠實現硬件3D加速，極大地提升了游戲的圖形渲染效果。GeForce256的出現，徹底改變了游戲行業的格局，也為英偉達的發展奠定了堅實基礎。同年，英偉達在納斯達克上市，市值約2億美元（1999年的2億美元相當于2025年的約3.7118億美元，通脹率不高）。

GeForce256，圖片來自網絡

現在很多中年人都能記起大學時代，羨慕的眼光看著同學買的七彩虹顯卡。七彩虹實際是深圳市七彩虹禹貢科技發展有限公司，是中國著名的DIY硬件廠商，以代理銷售型公司致力于IT渠道增值業務。七彩虹的前身世和資訊公司成立于1995年，1999年上市以"七彩虹"為名的首款自主品牌顯卡，標志著七彩虹品牌的正式誕生，正式注冊成立于2015年4月24日。七彩虹顯卡里面就是Geforce芯片。

此后，英偉達在游戲顯卡領域不斷創新，推出了一系列性能強勁的產品，逐漸成為游戲玩家心目中的首選品牌。隨著游戲產業的蓬勃發展，英偉達的業績也一路攀升，在游戲市場站穩了腳跟。

但是，游戲產業，AI產業，汽車產業三者中，一般認為游戲產業是市值最小的，而最大的是汽車產業，介于二者之間是AI產業。

轉型：押注AI開啟新征程

盡管在游戲領域取得了成功，但英偉達并沒有滿足于市值有限的游戲產業。2006年，英偉達做出了一個具有前瞻性的決策——將GPU應用拓展至通用計算領域，并推出了CUDA架構。

CUDA（
ComputeUnifiedDeviceArchitecture）即統一計算設備架構，是英偉達推出的并行計算平臺和編程模型，允許開發者利用NVIDIAGPU的并行計算能力加速計算任務。

輸入：開發者通過CUDA編程模型，將計算任務拆分為多個并行執行的線程，并以CUDAC/C++、CUDAFortran等編程語言編寫內核函數作為輸入，這些內核函數定義了每個線程需要執行的具體計算邏輯。例如，在矩陣乘法計算中，輸入是待相乘的矩陣數據以及編寫好的并行計算矩陣乘法的內核函數代碼。

輸出：經過GPU中大量并行計算單元（CUDA核心）協同處理后，輸出計算結果。如在完成矩陣乘法計算任務后，輸出最終相乘得到的結果矩陣。

用途：廣泛應用于科學計算、深度學習、圖形渲染、數據處理等領域。在深度學習中，CUDA加速神經網絡的訓練和推理過程，大幅縮短訓練時間；在科學計算中，加速復雜的數值模擬，如流體動力學計算；在圖形渲染領域，加速3D模型渲染，實現更逼真的視覺效果。

原理：CUDA架構基于GPU的硬件特性，將計算任務分配到大量的CUDA核心上并行執行。GPU由多個流式多處理器（SM，StreamingMultiprocessor）組成，每個SM包含多個CUDA核心、共享內存、寄存器等資源。當執行CUDA程序時，線程被組織成線程塊（block）和線程網格（grid），多個線程塊構成一個線程網格。每個線程塊在一個SM上執行，線程塊內的線程可以通過共享內存進行通信和數據交換，利用GPU強大的并行計算能力，實現對大規模數據的快速處理。。

CUDA架構允許開發者使用C、C++等編程語言對GPU進行編程，讓GPU能夠執行通用計算任務，而不僅僅局限于圖形處理。這一舉措，為GPU開辟了全新的應用場景，也讓英偉達在高性能計算領域嶄露頭角。

CUDA的語法可以說是C語言的一個特殊子集，實際上相當于把原來封閉的GPU計算開放給了用戶，用戶可以開發自己的算法來加速英偉達的顯卡。實現的效果就是，花錢買的硬件GPU一樣的，計算速度就不一樣，因為CUDA寫的算法水平不一樣。

當時，深度學習技術正在悄然興起。深度學習算法需要大量的計算資源來訓練模型，而傳統的CPU在處理這類任務時效率低下。GPU強大的并行計算能力，正好滿足了深度學習對算力的需求。英偉達敏銳地捕捉到了這一趨勢，開始大力投入資源，優化GPU在深度學習領域的性能。

2012年，多倫多大學的研究團隊（AlexKrizhevsky、IlyaSutskever和GeoffreyHinton）使用英偉達的GPU訓練出了AlexNet，這是第一個現代深度學習模型，在ImageNet圖像識別競賽中取得了巨大成功，其識別錯誤率比之前的方法降低了一半以上。AlexNet的成功，讓人們看到了GPU在深度學習領域的巨大潛力，也為英偉達帶來了大量的訂單。谷歌、微軟、Facebook等科技巨頭紛紛開始采購英偉達的GPU，用于構建自己的深度學習計算集群。

AlexNet網絡結構圖，圖片來自網絡

實際上這一類神經網絡都是基于CNN卷積神經網絡原理，但是比的就是誰的網絡結構更有效。這很類似于自動武器，都是基于馬克沁的后坐力復位原理。但是輕武器最求更輕更牢固更有效的研究在AI時代還在繼續，而且遠遠沒有到頭。

隨著深度學習技術的快速發展，對算力的需求呈指數級增長。英偉達不斷推出新的GPU架構，如Pascal、Volta、Turing、Ampere等，每一代架構都在性能和能效上實現了大幅提升。例如，2020年發布的Ampere架構，相比前代算力提升了20倍，成為大模型訓練的標配。

在AI領域的成功，讓英偉達的市值一路飆升。2016年，英偉達市值突破500億美元；2020年，突破3000億美元；2022年，ChatGPT引爆生成式AI需求，英偉達市值突破萬億美元；2024年6月，市值突破3萬億美元，超越蘋果，成為全球市值最高的公司。

進軍汽車：從邊緣到核心的突破

早在2002年，英偉達就開始涉足汽車領域，不過最初只是為汽車設計師提供3D設計工具，幫助他們設計汽車的3D模型。隨著處理器性能的提升，英偉達的技術逐漸應用到汽車的更多領域，如車載信息娛樂系統。特斯拉、奧迪、蘭博基尼、勞斯萊斯、本田和Mini等品牌的車型，都曾采用英偉達的移動處理器來驅動車載信息娛樂屏幕。

真正讓英偉達在汽車領域嶄露頭角的，是其在自動駕駛技術方面的投入。2015年，英偉達推出了專為自動駕駛汽車打造的AI超級計算機DrivePX。這款產品能夠處理大量的傳感器數據，為自動駕駛汽車提供強大的算力支持。

英偉達DRIVEPX2，三張圖都來自網絡（一臺頂150臺蘋果筆記本）

英偉達DRIVEPX2識別效果，注意30英里限速牌小目標的識別，圖片來自網絡

與傳統的汽車零部件供應商不同，英偉達采用了一種開放的平臺模式。它不僅提供硬件，還搭建了一個涵蓋硬件、軟件、算法、工具和服務的完整生態系統英偉達構建的完整生態系統橫跨硬件、軟件、算法、工具和服務五大核心領域，形成環環相扣的技術閉環：

硬件基石：以RTX系列顯卡為代表的GPU芯片，憑借CUDA并行計算架構和Tensor Core張量核心，將圖形渲染、科學計算和AI訓練性能提升至行業標桿水平，其數據中心級HGX H100芯片更是成為全球AI算力基建的核心組件。

軟件生態：CUDA Toolkit作為英偉達的核心軟件平臺，提供了超過1000個GPU加速庫，支持Python、C++等主流編程語言，開發者可借此快速調用底層算力；配合cuDNN深度學習庫和TensorRT推理優化工具，大幅降低AI開發門檻。

算法創新：自研Transformer引擎和Omniverse物理仿真平臺，前者加速大模型訓練效率，后者通過USD（通用場景描述）標準構建元宇宙級數字孿生系統，在自動駕駛、工業設計等領域實現高精度模擬。

工具鏈矩陣：從用于模型訓練的TAO Toolkit低代碼開發平臺，到用于部署的EGX邊緣計算平臺，再到用于視覺處理的Deepstream SDK，形成覆蓋AI全生命周期的開發工具。

服務網絡：通過英偉達云服務（NGC）提供預訓練模型、容器化軟件棧，支持企業按需調用算力資源；開發者社區定期更新技術文檔與案例，形成知識共享生態。

這種“硬件提供算力、軟件釋放潛力、算法驅動創新、工具簡化開發、服務加速落地”的協同模式，使英偉達不僅掌控硬件市場，更通過技術生態壁壘構建起難以逾越的競爭護城河。車企、一級供應商、軟件開發商、傳感器制造商和初創公司等，都可以基于英偉達的平臺進行開發，降低了自動駕駛技術的研發門檻，加快了產品的上市速度。

這種開放平臺模式吸引了眾多車企的關注，因為開放模式能允許沒有財力做AI全棧的企業開發自己特色定制的產品，形成差異化競爭。這和安卓開源后，華為手機的EMUI和小米的MIUI的競爭局面。當然，現在華為手機基于自己的鴻蒙系統了。

2016年，特斯拉宣布將在所有車型上安裝英偉達的圖形處理器，以實現自動駕駛功能。隨后，奔馳、寶馬、奧迪等傳統豪華車企，以及比亞迪、小鵬、理想等新能源車企，紛紛與英偉達展開合作。

在智能駕駛領域，英偉達不斷推出新的產品和技術。2023年，英偉達推出了Drive Hyperion9平臺，該平臺集成了多個傳感器，能夠為L2+及以上級別的自動駕駛提供支持Drive Hyperion9平臺（為前裝平臺，不是后裝），該平臺集成了多個傳感器，能夠為L2+及以上級別的自動駕駛提供支持。

2024年，英偉達又發布了Drive Thor，這是一款專為L4/L5級自動駕駛設計的超級芯片，其算力高達2000TOPS（每秒萬億次運算），相比上一代產品有了大幅提升。

Drive Thor芯片（上）和計算平臺（下），圖片來自NVIDIA.cn

在智能座艙方面，英偉達同樣有所建樹。其Omniverse Avatar Cloud Engine（ACE）for automotive平臺，能夠為智能座艙提供高度逼真的虛擬助手，實現語音交互、情感識別等功能，提升用戶的駕乘體驗。ACE是阿凡達云引擎的意思，Avatar Cloud Engine。

如今，英偉達在汽車領域的業務已經涵蓋了自動駕駛、智能座艙、車載計算平臺車載計算平臺，例如英偉達推出的DRIVE AGX Orin，能夠為自動駕駛汽車提供高達254TOPS（每秒萬億次運算）的算力，支持多個攝像頭、雷達和激光雷達的數據處理，可實現L2+到L4級別的自動駕駛功能；還有下一代的DRIVE AGX Thor，算力更是達到2000TOPS，不僅能滿足自動駕駛需求，還能支持智能座艙的多屏互動、AI語音助手等功能，成為汽車智能化的核心大腦。等多個方面，成為汽車行業向智能化轉型過程中不可或缺的合作伙伴。

挑戰與機遇并存

汽車行業的競爭異常激烈。除了英偉達，高通、英特爾、三星等芯片巨頭也紛紛布局汽車芯片市場。高通憑借在移動通信領域的優勢，在智能座艙芯片市場占據了一席之地，并逐漸向自動駕駛領域拓展。英特爾收購了Mobileye，在ADAS（高級駕駛輔助系統）市場擁有大量的客戶。這些競爭對手實力強大，給英偉達帶來了不小的壓力。

汽車行業對產品的安全性和可靠性要求也極高。一輛汽車的使用壽命通常在10年以上，這意味著汽車芯片需要在長時間內保持穩定運行。而英偉達的GPU最初是為消費電子市場設計的，如何滿足汽車行業對可靠性和安全性的嚴格要求，是英偉達需要解決的問題。

為此，英偉達推出了Drive Safety Force，這是一個從芯片到系統的安全架構Drive Safety Force，也是一個從芯片到系統的全棧式安全架構。

在芯片層面，采用了冗余設計與故障檢測機制，核心計算單元配備多個獨立的安全島，每個安全島可獨立執行關鍵任務，并實時交叉校驗運算結果，當檢測到異常時，系統會立即啟動熱備份單元接管工作，確保算力供應不中斷。

系統層面，構建了如下分級防護體系：

底層通過硬件防火墻隔離外部惡意攻擊，防止非法指令入侵芯片核心區域；

中間層部署了動態風險評估算法，結合車端傳感器數據與云端安全知識庫，毫秒級預判潛在威脅；

頂層設計了緊急干預機制，在檢測到嚴重安全風險時，可直接接管車輛控制權，執行緊急制動、車道保持等操作。此外，該架構還支持功能安全（ASILD）與預期功能安全（SOTIF）雙標準認證，從設計源頭杜絕系統性與隨機性失效風險。，旨在為自動駕駛汽車提供可靠的安全保障。

此外，隨著各國對數據安全和隱私保護的重視程度不斷提高，汽車數據的安全問題也日益凸顯。自動駕駛汽車在運行過程中會收集大量的用戶數據，包括行駛軌跡、駕駛習慣、車內環境等。如何確保這些數據的安全，防止數據泄露和濫用，是汽車制造商和科技公司共同面臨的挑戰，還有敏感的跨國信息安全問題。英偉達表示，將通過加密技術、訪問控制等手段，保障汽車數據的安全。

隨著全球汽車產業向智能化、電動化轉型，對自動駕駛和智能座艙技術的需求持續增長。根據市場研究機構的數據，全球自動駕駛汽車市場規模預計將從2023年的583億美元增長到2030年的5566億美元，年復合增長率高達38.1%。這為英偉達等科技公司提供了廣闊的市場空間。由于英偉達戰略前瞻性強，做游戲顯卡時就押注AI，做AI又同時押注自動駕駛和智能座艙，總是布局早得到先機（比如相對于英特爾）。它是AI芯片和自動駕駛兩條腿走路，不僅二者相互促進，而且萬一在市場不利時還可以“失之東隅收之桑榆”。

審核編輯 黃宇