芯耀
461
在2025年國際消費電子展（CES 2025）上，英偉達重磅發(fā)布了其最新一代車規(guī)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(chuàng)始人兼首席執(zhí)行官黃仁勛在發(fā)布會上表示，未來自動駕駛汽車市場的潛力巨大，整體規(guī)模有望達到數(shù)萬億美元。他預測，到2026財年，英偉達的汽車業(yè)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(yè)務板塊日益增長的重要戰(zhàn)略地位。
作為此次發(fā)布會的核心產(chǎn)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(jù)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(tǒng)對實時性和冗余性的嚴苛要求。據(jù)官方數(shù)據(jù)，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(tǒng)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(yè)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(chǎn)、比亞迪、小鵬、理想等。
2023財年，英偉達汽車業(yè)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(shù)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(jù)主導地位，幾乎是第二名高通的4倍。
回顧英偉達的發(fā)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(zhàn)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(zhàn)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(chuàng)立了英偉達，公司名字“NVIDIA”就體現(xiàn)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(fā)。
創(chuàng)業(yè)初期，英偉達的發(fā)展并不順利。1995年，公司推出首款產(chǎn)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(jié)省內(nèi)存。然而，市場反應卻極為冷淡。
原因在于，在NV1研發(fā)的兩年間，市場發(fā)生了巨大變化。內(nèi)存價格大幅下降，使得節(jié)省內(nèi)存的技術優(yōu)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(chǎn)品性能卓越，價格親民，迅速獲得了市場認可。在發(fā)布后的4個月內(nèi)，出貨量就超過了100萬顆，占據(jù)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(chǎn)危機，實現(xiàn)了盈利。
1999年，英偉達推出了具有劃時代意義的產(chǎn)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(xiàn)硬件3D加速，極大地提升了游戲的圖形渲染效果。GeForce256的出現(xiàn)，徹底改變了游戲行業(yè)的格局，也為英偉達的發(fā)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）。
現(xiàn)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(fā)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(yè)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(chuàng)新，推出了一系列性能強勁的產(chǎn)品，逐漸成為游戲玩家心目中的首選品牌。隨著游戲產(chǎn)業(yè)的蓬勃發(fā)展，英偉達的業(yè)績也一路攀升，在游戲市場站穩(wěn)了腳跟。
但是，游戲產(chǎn)業(yè)，AI產(chǎn)業(yè)，汽車產(chǎn)業(yè)三者中，一般認為游戲產(chǎn)業(yè)是市值最小的，而最大的是汽車產(chǎn)業(yè)，介于二者之間是AI產(chǎn)業(yè)。
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(chǎn)業(yè)。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(tǒng)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(fā)者利用NVIDIAGPU的并行計算能力加速計算任務。
輸入：開發(fā)者通過CUDA編程模型，將計算任務拆分為多個并行執(zhí)行的線程，并以CUDAC/C++、CUDAFortran等編程語言編寫內(nèi)核函數(shù)作為輸入，這些內(nèi)核函數(shù)定義了每個線程需要執(zhí)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(shù)據(jù)以及編寫好的并行計算矩陣乘法的內(nèi)核函數(shù)代碼。
輸出：經(jīng)過GPU中大量并行計算單元（CUDA核心）協(xié)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(shù)據(jù)處理等領域。在深度學習中，CUDA加速神經(jīng)網(wǎng)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(shù)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(xiàn)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(zhí)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(nèi)存、寄存器等資源。當執(zhí)行CUDA程序時，線程被組織成線程塊（block）和線程網(wǎng)格（grid），多個線程塊構成一個線程網(wǎng)格。每個線程塊在一個SM上執(zhí)行，線程塊內(nèi)的線程可以通過共享內(nèi)存進行通信和數(shù)據(jù)交換，利用GPU強大的并行計算能力，實現(xiàn)對大規(guī)模數(shù)據(jù)的快速處理。。
CUDA架構允許開發(fā)者使用C、C++等編程語言對GPU進行編程，讓GPU能夠執(zhí)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(fā)自己的算法來加速英偉達的顯卡。實現(xiàn)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(tǒng)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(yōu)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(xiàn)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。
實際上這一類神經(jīng)網(wǎng)絡都是基于CNN卷積神經(jīng)網(wǎng)絡原理，但是比的就是誰的網(wǎng)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(xù)，而且遠遠沒有到頭。
隨著深度學習技術的快速發(fā)展，對算力的需求呈指數(shù)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(xiàn)了大幅提升。例如，2020年發(fā)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(tǒng)。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(chǎn)品能夠處理大量的傳感器數(shù)據(jù)，為自動駕駛汽車提供強大的算力支持。
與傳統(tǒng)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(tài)系統(tǒng)英偉達構建的完整生態(tài)系統(tǒng)橫跨硬件、軟件、算法、工具和服務五大核心領域，形成環(huán)環(huán)相扣的技術閉環(huán)：
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(yè)標桿水平，其數(shù)據(jù)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(tài)：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(fā)者可借此快速調(diào)用底層算力；配合cuDNN深度學習庫和TensorRT推理優(yōu)化工具，大幅降低AI開發(fā)門檻。
算法創(chuàng)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(shù)字孿生系統(tǒng)，在自動駕駛、工業(yè)設計等領域實現(xiàn)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(fā)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(fā)工具。
服務網(wǎng)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(yè)按需調(diào)用算力資源；開發(fā)者社區(qū)定期更新技術文檔與案例，形成知識共享生態(tài)。
這種“硬件提供算力、軟件釋放潛力、算法驅動創(chuàng)新、工具簡化開發(fā)、服務加速落地”的協(xié)同模式，使英偉達不僅掌控硬件市場，更通過技術生態(tài)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(fā)商、傳感器制造商和初創(chuàng)公司等，都可以基于英偉達的平臺進行開發(fā)，降低了自動駕駛技術的研發(fā)門檻，加快了產(chǎn)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(yè)開發(fā)自己特色定制的產(chǎn)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(xiàn)在華為手機基于自己的鴻蒙系統(tǒng)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(xiàn)自動駕駛功能。隨后，奔馳、寶馬、奧迪等傳統(tǒng)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(chǎn)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(fā)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(chǎn)品有了大幅提升。
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(xiàn)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(yè)務已經(jīng)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(shù)據(jù)處理，可實現(xiàn)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(yè)向智能化轉型過程中不可或缺的合作伙伴。
挑戰(zhàn)與機遇并存
汽車行業(yè)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(yōu)勢，在智能座艙芯片市場占據(jù)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(tǒng)）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(yè)對產(chǎn)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(nèi)保持穩(wěn)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(yè)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(tǒng)的安全架構Drive?Safety?Force，也是一個從芯片到系統(tǒng)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(zhí)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(tǒng)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(tǒng)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(qū)域；
中間層部署了動態(tài)風險評估算法，結合車端傳感器數(shù)據(jù)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(zhí)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(tǒng)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(shù)據(jù)安全和隱私保護的重視程度不斷提高，汽車數(shù)據(jù)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(shù)據(jù)，包括行駛軌跡、駕駛習慣、車內(nèi)環(huán)境等。如何確保這些數(shù)據(jù)的安全，防止數(shù)據(jù)泄露和濫用，是汽車制造商和科技公司共同面臨的挑戰(zhàn)，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(shù)據(jù)的安全。
隨著全球汽車產(chǎn)業(yè)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(xù)增長。根據(jù)市場研究機構的數(shù)據(jù)，全球自動駕駛汽車市場規(guī)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(zhàn)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”。
