0 前言

随着汽车行业的飞速发展，乘用车从交通工具向智能移动终端不断进化，舱驾智能化水平已成为衡量整车厂竞争力的核心标尺，而其中车载平台算力更是端侧舱驾 AI 进化的核心燃料。

以智能驾驶视角来看，从 L2 级辅助驾驶，到 L2+ 高级辅助驾驶，再到 L3/ L4 级自动驾驶，车载计算平台的算力需求正以指数级增长，这种增长不仅源于传感器数量与分辨率的提升，更来自 AI 算法复杂度带来的能力上限的爆炸式演进。

从智能座舱角度来看，随着生成式 AI 技术的迅猛发展，舱内 AI 端侧部署正从简单的语音助手交互向多模态甚至全模态智能座舱体验跃迁。端侧大模型凭借本地实时推理能力，可实现极低延迟的自然语言交互、 个性化的主动式 AI 服务以及舱内外环境感知应用。开发者可通过 CUDA 生态复用云端大模型开发优化经验， 可大幅缩短端侧开发周期，同时极大地提高推理速度和用户体验。

因此可以说，无论是在智能驾驶层面，还是在智能座舱层面，汽车终端的高度智能化演进，都对车端的 AI 算力本身提出了更高的要求。由此，在汽车智能化的飞速发展中，高算力本身已经成为驱动其技术演化和体验提升的核心要素。离开高算力，会极大地延后或影响车辆座舱使用的体验效果，基于高算力的赋能，缺可以实现远超当前的座舱使用体验。

1 算力需求的爆发 ：从感知到认知的计算革命

1.1 自动驾驶分级与算力需求的指数级跃升

自动驾驶技术的每一次技术跨越与性能体验升级， 都伴随着算力需求的几何级增长。L2 级辅助驾驶仅需 10TOPS 以下算力即可完成车道保持、自适应巡航等基础功能；而 L2+ 级高级辅助驾驶对算力的需求骤升至 100TOPS 以上，以应对复杂城市道路的多目标检测与决策规划；当迈向 L3/L4 级自动驾驶时，系统需要同时处理数十路传感器的多并发数据流量，所需算力已突 破 1000TOPS 大关。

1.2 大模型上车与端到端架构的算力重构

生成式 AI 与端到端驾驶模型的兴起，彻底改变了车载计算的需求形态。传统模块化算法中，感知、预测、 决策及控制环节独立运算，而端到端架构则通过统一 大模型直接将传感器输入映射为控制输出，这种架构对算力的实时性与并行处理能力提出了更高要求。

2 技术创新与突破 ：重构车载计算的底层逻辑

2.1 芯片架构的代际跃迁

基于以上原因，整车企业在智能驾驶和智能座舱的开发中都需要高算力的支持。目前已有多家头部整车厂基于 NVIDIA DRIVE AGX 系列芯片部署端到端舱内 AI Agent，以实现被动响应到主动服务的体验升级。 该系列芯片以领先行业的算力规模、架构创新以及丰富数字生态，成为定义智能驾驶时代的“数字算力引擎”，其构建的从云端训练到车端推理的完整算力体系， 正在逐步重塑汽车产业的技术发展格局。

NVIDIA DRIVE AGX Orin™ SoC 可以提供高达254 TOPS（每秒万亿次运算）的性能，是智能车辆的中央计算平台，为自动驾驶功能、置信视图以及 AI 座舱提供高算力支持。NVIDIA DRIVE AGX Thor™ SoC 是 NVIDIA 最新一代专为汽车行业日益重要的生成式 AI 应用而打造的集中式车载计算机，它采用了 NVIDIA 最新的 CPU 和 GPU 技术，包括NVIDIA Blackwell GPU 架构，可用于Transformer 和生成式 AI 功能。

NVIDIA DRIVE AGX Thor™ SoC 支持 4 位浮点数（FP4）和 8 位浮点数（FP8），可提供前所未有的 2000 FP4 TOPS/1000 INT8 TOPS/1000 FP8 TFLOPS/500 FP16 TFLOPS 性能。

NVIDIA DRIVE AGX Thor™ SoC集成的 Blackwell GPU 架构专门针对 Transformer 模型优化以及原生支持 GenAI 的架构，可动态分配算力资源，在处理视觉语言模型（VLM）时效率明显提升。

对于整车厂用户来说，这一平台不仅提供丰富的座舱功能、安全可靠的高度自动化驾驶以及无人驾驶功能，还能够将所有功能整合至同一个集中式平台上， 可以极大地提高系统的运行效率和可靠性，并降低整体系统成本。

2.2 软件定义汽车的核心：DriveOS 与 CUDA 生态

操作系统是连接硬件与应用的关键桥梁，以 NVIDIA DriveOS 操作系统为例，它不仅通过了 ISO26262 ASIL-D 认证，更构建了完整的 AI 开发工具链。 CUDA 库为开发者提供统一编程接口，TensorRT 优化推理效率，DriveWorks 中间件简化传感器融合开发。 得益于 CUDA 生态中丰富的预训练模型与开发者支持， 使得基于 NVIDIA 平台的算法迭代周期短、开发快且优化好，这种成熟的软件生态能够直接转化为显著的用户效益，对车企而言，可大幅降低开发成本与技术门槛，加速智驾功能和智能座舱创新应用的落地节奏， 让消费者更快体验到安全流畅的智驾服务、低延迟的全模态座舱交互等前沿 AI Agent 功能。

2.3 安全与算力的协同设计：从芯片到系统的全栈保障

安全与算力的协同设计，是高阶智能驾驶从技术概念走向规模化落地的核心前提，其重要性与必要性体现在多个维度，从用户信任维度来看，智能汽车的核心价值在于“辅助并替代人类决策”，而这种替代的前提是“绝对可靠”。当车辆依靠 AI 处理突发状况（如行人横穿、前车急刹或系统故障）时，算力决定了决策速度，安全机制则决定了系统的容错能力，二者缺一不可。唯有协同设计，才能让用户真正放心将驾驶权逐步交给系统，推动智能驾驶从可选配置变为必备 能力。

从行业发展规律来看，随着舱驾AI 向全模态交互、 端到端控车演进，系统复杂度呈指数级上升，单一模块的安全优化已无法应对全域风险。此时，安全与算力的协同必须贯穿“芯片—软件—系统”全链条，如图 1 所示，这种全栈保障不仅能满足 ISO 26262 等全球法规要求，更能为车企在智能化竞赛中提供“既要性能突破，又要风险可控”的技术底气。这也正是NVIDIA DRIVE AGX 平台的独特价值所在——可将功能安全与算力提升同步规划。DRIVE AGX Thor™ SoC 芯片通过内置独立安全岛，构建起与主计算单元物理隔离的防护层，通过硬件冗余实现 ASIL-D 系统级安全要求。 即便核心算力模块面临异常，安全机制仍能独立运行。 这种设计思路贯穿从芯片到整车系统的全链条，让算力增长的同时，安全防护能力同步升级，既满足高阶 智能驾驶对强大算力的需求，又通过系统化的安全架构，为用户提供可信赖的技术保障，实现性能与安全的协同进阶。

图1 仿真、部署与训练贯穿全链条

2.4 芯片 DDR 带宽：大模型上车的基石

在追求高算力的同时，NVIDIA 始终将高带宽作为重要指标之一。NVIDIA DRIVE AGX Orin™ SoC 芯片带宽为 205GB/s ；DRIVE AGX Thor™ SoC 提高至 273GB/S，使 Transformer 模型的 token 生成速度提升数倍。

这种能力在多模态交互中尤为关键，比如当驾乘者 / 用户说“找附近带充电桩的室内篮球场并且旁边有打完球可以吃宵夜的地方”，高带宽可支持视觉语义模型同步解析环境图像、地图数据与语言指令，使系统在数秒内完成从语义理解到路径规划的全流程，较带宽不足的方案响应速度提升数倍以上。

从技术底层看，高带宽恰好匹配大模型推理的“内存访问密集型”特性。DRIVE AGX Thor™ SoC 的带宽储备为此类极端场景预留了冗余量。而 NVIDIA 通过 Drive-LLM 对模型权重的稀疏化优化（如 FP4 量化）， 与高带宽形成协同效应，真正实现“对话即决策”的实时性体验。

3 生态赋能 ：算力平台驱动产业变革

3.1 传感器与算法生态：构建开放技术联盟 NVIDIA DRIVE AGX Hyperion

平台定义了完整的传感器融合标准，支持多路摄像头、毫米波雷达和激光雷达的同步接入与处理，这种开放性吸引了产业链上下游的广泛参与。在算法层面，国内外整车厂和算法的一级供应商 / 智能驾驶公司都基于 NVIDIA 平台开发端到端模型，其算法效率比在其他平台提升数倍。

3.2 云端训练体系：从车端到云端的算力闭环 NVIDIA

构建的“DGX 训练 + Omniverse 仿真 + DRIVE AGX 推理”的三大算力平台，正在重塑自动驾驶开发模式。整车厂可通过 DGX Cloud 进行大模型训练，利用 Omniverse 生成数十亿英里的虚拟测试数据， 最后在 DRIVE AGX 平台部署优化。采用该体系后， 整车厂的新功能开发周期将大幅缩减，测试成本也同步降低 。

4 安全与标准 ：算力驱动的行业规范重塑

4.1 功能安全认证：从芯片到系统的全流程合规

在自动驾驶汽车研究、开发和部署过程的每一步， 保障安全性始终被整车厂视为首要任务。NVIDIA 同样采用安全为先的方法，注重整个自主系统在设计、验 证、确认和生命周期支持中的多样性和冗余性。在流程、 产品和安全架构中，NVIDIA 遵循并开发一流的解决方案。NVIDIA 安全措施专为软件定义的辅助驾驶而设计， 因为它可接受、应对并利用辅助驾驶汽车的复杂性。

为了最大限度地保障辅助驾驶在全客户开发流程和全用户使用周期中的安全性，NVIDIA 还面向汽车行业专门推出了 Halos，它专为软件定义的辅助驾驶而设 计，可以有效应对辅助驾驶汽车的复杂性，并在软硬件系统级层面提升智能汽车的安全性。

Halos 是一套智能汽车全栈式综合安全系统，是融合硬件、软件、AI 模型、仿真环境与服务的全栈综合安全系统，包含从云端到车端的安全辅助驾驶开发技术套件，涵盖车辆架构到 AI 模型，包括芯片、软件、 工具和服务。它以“物理 AI”为核心概念，通过硬件冗余 + AI 智能防护 + 生态协同三重机制，将安全根植于开发的全生命周期，如图 2 所示。

图2 算力驱动行业发展

NVIDIA Halos的切入点是NVIDIA AI 系统检测实验室，这是全球首个 AI 系统检测实验室，汽车制造商和开发商可通过该实验室验证其产品与 NVIDIA 技术集成的安全性。

这个实验室的独特之处，不仅在于其“全球首个”的地位，更在于它打破了传统检测流程的边界，将功能安全（ISO 26262）、预期功能安全（ISO 21448）、网络安全（ISO 21434）、AI 功能安全与 UN-R 法规纳入统一评估框架。NVIDIA Halos 已经获得了美国国家标准学会国 家认可委员会（ANAB）的 ISO/IEC 17020 认证。

DRIVE AGX Orin™ SoC 芯片通过了 TÜV SÜD 认证，在系统级设计符合 ISO 26262 ASIL-D 级要求； DRIVE AGX Thor™ SoC 芯片更将安全设计融入架构底层。这种合规性让整车厂能够快速满足全球法规要求，不仅贴合当下国内对于智驾安全法规收严的趋势， 而且也极大地利于本土整车厂出海项目的开展落地。

4.2 智驾产品安全标准：定义大模型时代的信任基础

为提升交通安全性，自动驾驶汽车必须拥有符合最高标准的流程和底层系统。 NVIDIA 通过独立且经认可的评估机构 TÜV SÜD 确保符合国际标准化组织 (ISO) 26262:2018 “道路车辆功能安全”标准。

NVIDIA DRIVE AGX 平台和流程最近通过了 TÜV SÜD 认证和评估，具体包括：NVIDIA DRIVE 核心开发流程已通过 ISO 26262 汽车安全完整性等级 (ASIL) D 级认证；NVIDIA DRIVE AGX Orin SoC 完成了概念和产品评估，并被认为符合 ISO 26262 ASIL-D 级系统要求以及 ASIL-B 级随机故障管理要求；NVIDIA DRIVE AGX Orin 主板完成了概念评估，并被认为符合 ISO 26262 ASIL-D 级要求；基于 NVIDIA DRIVE AGX Orin 的系统整合 DRIVE AGX Orin SoC 和 DRIVE AGX Orin 主板，完成了概念评估，并被认为符合 ISO 26262 ASIL-D 级要求。

5 未来展望 ：舱驾 AI 新上限

5.1 AI 大模型上车：VLA 实现直接生成 token 控车

当前已有合作伙伴的 VLA 模型在实车上实现端到端控车，比如当用户说“前方路口左转进入辅路”，系统就会通过视觉—语言—动作联合建模，直接生成 token 序列控制转向、加减速等车辆终端行为操作，决策过程可追溯且符合交通法规。DRIVE AGX 平台的推理加速技术在此场景中发挥关键作用，使复杂指令的解析速度提升数倍，对话流畅度接近人类交互水平。

5.2 舱内 AI 以 AI Agent 方式提供终端服务价值

在未来舱内，智能化的具体用户价值可呈现出 AI Agent 可实现“场景预测—主动服务”的逻辑闭环。例如，舱内 AI 作为个性化 Agent 可理解乘客的情绪和身体状态，记忆个人信息 / 偏好，追踪历史互动和对话以提供定制化响应。汽车服务管家可以一站式触达所有车辆功能，无须进行层层菜单操作；基于场景推荐功能， 可以协调组合多个功能联动。除此之外，舱内 AI 还可 承担多功能专家的角色，可根据不同场景切换角色 —— 如保姆、教师、汽车维修工和旅行向导，并且以主动助手的形式主动发起对话，并基于场景主动提供帮助。

对于终端用户来说，汽车即朋友，AI Agent 不止是工具，更像是朋友，可以在用户与汽车之间建立深度情感连接。对于整车厂来说，AI Agent 也可成为品牌大使，拥有反映汽车制造商形象的独特个性的能力， 为品牌创造差异化价值。

6 结语

纵观整个汽车行业，车端算力已经在 2025 年迎来重大转折点，正如小鹏汽车董事长何小鹏所言：“算力是下一个时代中要做好 AI 汽车的第一标准。”

算力作为舱驾 AI 进化的核心燃料，其当下的价值已深度渗透到智能汽车的体验升级中：它支撑着从 L2 到 L3 级辅助驾驶功能的稳步落地，让复杂路况下的多传感器数据处理、AI 决策更精准高效。同时推动智能座舱突破单一交互模式，向多模态甚至全模态体验跃迁，实现从被动响应到主动服务的转变，让汽车真正成为懂用户、有温度的移动空间。

展望未来，算力将成为定义智能汽车竞争力的核心标尺。随着生成式 AI 与端到端大模型的深度上车， 舱驾的智能体验将迎来质的飞跃 ——AI Agent 不仅能 无缝衔接舱内服务与驾驶需求，更能基于全场景感知实现个性化、场景化的智慧服务创新。在这场以智能化为核心的汽车产业变革中，算力的储备与高效利用将直接决定企业在技术迭代与用户体验竞争中的话语权。可以说，在智能汽车的新战场，“算力为王”的时代已然开启，它将持续驱动汽车从交通工具向智能移动终端的终极进化，重塑人类出行的未来形态。

总之，AI 算力可以赋能整车厂舱驾 AI 不断进化的愿景。未来 10 年，汽车品牌的分层将取决于算力架构的先进性。

本文为“AI汽车制造业”首发，未经授权不得转载。版权所有，转载请联系小编授权（VOGEL100）。本文作者：Wu.Yu 郑宇超，单位：NVIDIA 中国。责任编辑龚淑娟，责任校对何发。本文转载请注明来源：AI汽车制造业