在2025年国际消费电子展（CES 2025）上，英伟达重磅发布了其最新一代车规级自动驾驶芯片“Thor”，并同步展示了在智能汽车领域的技术进展与合作布局。英伟达创始人兼首席执行官黄仁勋在发布会上表示，未来自动驾驶汽车市场的潜力巨大，整体规模有望达到数万亿美元。他预测，到2026财年，英伟达的汽车业务收入将有望达到50亿美元（约合人民币365亿元），显示出该业务板块日益增长的重要战略地位。
作为此次发布会的核心产品，Thor芯片代表了英伟达在汽车计算平台领域的技术飞跃。据介绍，Thor采用与新一代RTX 5090显卡同源的Blackwell架构GPU，并搭载基于Arm Neoverse V3AE服务器级架构的高性能CPU，结合为新一代综合计算平台。这款芯片不仅具备强大的图形与计算能力，更可满足未来高等级自动驾驶系统对实时性和冗余性的严苛要求。据官方数据，Thor顶配版配置两颗芯片时，整个平台的AI算力可达到惊人的2000 TFLOPS，为自动驾驶感知、决策与控制系统提供强力支撑。
近年来，英伟达凭借在AI领域的领先地位，在科技行业赚足了眼球，市值一度超越苹果，成为全球第一。在汽车领域，英伟达也逐渐崭露头角，众多车企纷纷选择与它合作，包括奔驰、宝马、奥迪、丰田、本田、日产、比亚迪、小鹏、理想等。
2023财年，英伟达汽车业务营收为15.25亿美元，虽然在其总营收中占比不大，但同比增长了41%。到了2024财年，这一数字更是飙升至41.51亿美元，同比增长172%。在全球自动驾驶芯片市场，英伟达以59%的份额占据主导地位，几乎是第二名高通的4倍。
回顾英伟达的发展历程，从最初在游戏显卡领域的摸爬滚打，到如今在汽车和AI领域的风生水起，每一步都充满了挑战与机遇。那么，英伟达是如何一步步走到今天的？在汽车领域，它又面临着哪些挑战和机遇呢？
起步：在游戏领域艰难求生
1993年，30岁的黄仁勋与两位好友共同创立了英伟达，公司名字“NVIDIA”就体现了他们的目标——“视觉计算”（“NVI”代表“视觉”，“DIA”在拉丁语中意为“穿过”）。当时，个人电脑开始兴起，而图形处理技术还十分落后，英伟达瞄准了这一市场空白，决定专注于图形芯片的研发。
创业初期，英伟达的发展并不顺利。1995年，公司推出首款产品NV1，这是一款集图形、音频、视频功能于一体的多媒体加速器，还采用了独特的“前向纹理映射”技术，能够节省内存。然而，市场反应却极为冷淡。
NV1，图片来自网络
原因在于，在NV1研发的两年间，市场发生了巨大变化。内存价格大幅下降，使得节省内存的技术优势不再明显。而且，NV1的新技术要求游戏软件采用新的图形标准，这让游戏厂商们望而却步，毕竟没人愿意为一款显卡重写软件。
此外，NV1为追求高质量音频，放弃了对当时主流声卡的兼容，导致在热门游戏中音效不佳，用户体验很差。
最终，NV1销量惨淡，退货率极高，英伟达陷入了绝境。公司不仅失去了重要客户，还面临着与世嘉合作破裂的危机，银行账户里的资金只够维持9个月的运营，黄仁勋不得不裁掉60%的员工。
关键时刻，黄仁勋决定改变策略。他意识到，NV1失败的原因在于过度设计，加入了太多用户并不关心的功能。于是，英伟达开始聚焦于游戏玩家最核心的需求——提供最快且价格合理的图形性能。
1997年，英伟达推出RIVA128显卡，这款产品性能卓越，价格亲民，迅速获得了市场认可。在发布后的4个月内，出货量就超过了100万颗，占据了个人电脑图形市场份额的1/5。凭借RIVA128的成功，英伟达成功摆脱了破产危机，实现了盈利。
RIVA128显卡，图片来自网络
1999年，英伟达推出了具有划时代意义的产品——GeForce256。这款显卡首次提出了“GPU”（图形处理器）的概念，它不再仅仅是一个图形加速卡，而是具备了强大的并行计算能力，能够实现硬件3D加速，极大地提升了游戏的图形渲染效果。GeForce256的出现，彻底改变了游戏行业的格局，也为英伟达的发展奠定了坚实基础。同年，英伟达在纳斯达克上市，市值约2亿美元（1999年的2亿美元相当于2025年的约3.7118亿美元，通胀率不高）。
GeForce256，图片来自网络
现在很多中年人都能记起大学时代，羡慕的眼光看着同学买的七彩虹显卡。七彩虹实际是深圳市七彩虹禹贡科技发展有限公司，是中国著名的DIY硬件厂商，以代理销售型公司致力于IT渠道增值业务。七彩虹的前身世和资讯公司成立于1995年，1999年上市以"七彩虹"为名的首款自主品牌显卡，标志着七彩虹品牌的正式诞生，正式注册成立于2015年4月24日。七彩虹显卡里面就是Geforce芯片。
此后，英伟达在游戏显卡领域不断创新，推出了一系列性能强劲的产品，逐渐成为游戏玩家心目中的首选品牌。随着游戏产业的蓬勃发展，英伟达的业绩也一路攀升，在游戏市场站稳了脚跟。
但是，游戏产业，AI产业，汽车产业三者中，一般认为游戏产业是市值最小的，而最大的是汽车产业，介于二者之间是AI产业。
转型：押注AI开启新征程
尽管在游戏领域取得了成功，但英伟达并没有满足于市值有限的游戏产业。2006年，英伟达做出了一个具有前瞻性的决策——将GPU应用拓展至通用计算领域，并推出了CUDA架构。
CUDA（ComputeUnifiedDeviceArchitecture）即统一计算设备架构，是英伟达推出的并行计算平台和编程模型，允许开发者利用NVIDIAGPU的并行计算能力加速计算任务。
输入：开发者通过CUDA编程模型，将计算任务拆分为多个并行执行的线程，并以CUDAC/C++、CUDAFortran等编程语言编写内核函数作为输入，这些内核函数定义了每个线程需要执行的具体计算逻辑。例如，在矩阵乘法计算中，输入是待相乘的矩阵数据以及编写好的并行计算矩阵乘法的内核函数代码。
输出：经过GPU中大量并行计算单元（CUDA核心）协同处理后，输出计算结果。如在完成矩阵乘法计算任务后，输出最终相乘得到的结果矩阵。
用途：广泛应用于科学计算、深度学习、图形渲染、数据处理等领域。在深度学习中，CUDA加速神经网络的训练和推理过程，大幅缩短训练时间；在科学计算中，加速复杂的数值模拟，如流体动力学计算；在图形渲染领域，加速3D模型渲染，实现更逼真的视觉效果。
原理：CUDA架构基于GPU的硬件特性，将计算任务分配到大量的CUDA核心上并行执行。GPU由多个流式多处理器（SM，StreamingMultiprocessor）组成，每个SM包含多个CUDA核心、共享内存、寄存器等资源。当执行CUDA程序时，线程被组织成线程块（block）和线程网格（grid），多个线程块构成一个线程网格。每个线程块在一个SM上执行，线程块内的线程可以通过共享内存进行通信和数据交换，利用GPU强大的并行计算能力，实现对大规模数据的快速处理。。
CUDA架构允许开发者使用C、C++等编程语言对GPU进行编程，让GPU能够执行通用计算任务，而不仅仅局限于图形处理。这一举措，为GPU开辟了全新的应用场景，也让英伟达在高性能计算领域崭露头角。
CUDA的语法可以说是C语言的一个特殊子集，实际上相当于把原来封闭的GPU计算开放给了用户，用户可以开发自己的算法来加速英伟达的显卡。实现的效果就是，花钱买的硬件GPU一样的，计算速度就不一样，因为CUDA写的算法水平不一样。
当时，深度学习技术正在悄然兴起。深度学习算法需要大量的计算资源来训练模型，而传统的CPU在处理这类任务时效率低下。GPU强大的并行计算能力，正好满足了深度学习对算力的需求。英伟达敏锐地捕捉到了这一趋势，开始大力投入资源，优化GPU在深度学习领域的性能。
2012年，多伦多大学的研究团队（AlexKrizhevsky、IlyaSutskever和GeoffreyHinton）使用英伟达的GPU训练出了AlexNet，这是第一个现代深度学习模型，在ImageNet图像识别竞赛中取得了巨大成功，其识别错误率比之前的方法降低了一半以上。AlexNet的成功，让人们看到了GPU在深度学习领域的巨大潜力，也为英伟达带来了大量的订单。谷歌、微软、Facebook等科技巨头纷纷开始采购英伟达的GPU，用于构建自己的深度学习计算集群。
AlexNet
网络结构图，图片来自网络
实际上这一类神经网络都是基于CNN卷积神经网络原理，但是比的就是谁的网络结构更有效。这很类似于自动武器，都是基于马克沁的后坐力复位原理。但是轻武器最求更轻更牢固更有效的研究在AI时代还在继续，而且远远没有到头。
随着深度学习技术的快速发展，对算力的需求呈指数级增长。英伟达不断推出新的GPU架构，如Pascal、Volta、Turing、Ampere等，每一代架构都在性能和能效上实现了大幅提升。例如，2020年发布的Ampere架构，相比前代算力提升了20倍，成为大模型训练的标配。
在AI领域的成功，让英伟达的市值一路飙升。2016年，英伟达市值突破500亿美元；2020年，突破3000亿美元；2022年，ChatGPT引爆生成式AI需求，英伟达市值突破万亿美元；2024年6月，市值突破3万亿美元，超越苹果，成为全球市值最高的公司。
进军汽车：从边缘到核心的突破
早在2002年，英伟达就开始涉足汽车领域，不过最初只是为汽车设计师提供3D设计工具，帮助他们设计汽车的3D模型。随着处理器性能的提升，英伟达的技术逐渐应用到汽车的更多领域，如车载信息娱乐系统。特斯拉、奥迪、兰博基尼、劳斯莱斯、本田和Mini等品牌的车型，都曾采用英伟达的移动处理器来驱动车载信息娱乐屏幕。
真正让英伟达在汽车领域崭露头角的，是其在自动驾驶技术方面的投入。2015年，英伟达推出了专为自动驾驶汽车打造的AI超级计算机DrivePX。这款产品能够处理大量的传感器数据，为自动驾驶汽车提供强大的算力支持。
英伟达DRIVEPX2，三张图都来自网络（一台顶150台苹果笔记本）
英伟达DRIVEPX2识别效果，注意30英里限速牌小目标的识别，图片来自网络
与传统的汽车零部件供应商不同，英伟达采用了一种开放的平台模式。它不仅提供硬件，还搭建了一个涵盖硬件、软件、算法、工具和服务的完整生态系统英伟达构建的完整生态系统横跨硬件、软件、算法、工具和服务五大核心领域，形成环环相扣的技术闭环：
硬件基石：以RTX系列显卡为代表的GPU芯片，凭借CUDA并行计算架构和Tensor Core张量核心，将图形渲染、科学计算和AI训练性能提升至行业标杆水平，其数据中心级HGX H100芯片更是成为全球AI算力基建的核心组件。
软件生态：CUDA Toolkit作为英伟达的核心软件平台，提供了超过1000个GPU加速库，支持Python、C++等主流编程语言，开发者可借此快速调用底层算力；配合cuDNN深度学习库和TensorRT推理优化工具，大幅降低AI开发门槛。
算法创新：自研Transformer引擎和Omniverse物理仿真平台，前者加速大模型训练效率，后者通过USD（通用场景描述）标准构建元宇宙级数字孪生系统，在自动驾驶、工业设计等领域实现高精度模拟。
工具链矩阵：从用于模型训练的TAO Toolkit低代码开发平台，到用于部署的EGX边缘计算平台，再到用于视觉处理的Deepstream SDK，形成覆盖AI全生命周期的开发工具。
服务网络：通过英伟达云服务（NGC）提供预训练模型、容器化软件栈，支持企业按需调用算力资源；开发者社区定期更新技术文档与案例，形成知识共享生态。
这种“硬件提供算力、软件释放潜力、算法驱动创新、工具简化开发、服务加速落地”的协同模式，使英伟达不仅掌控硬件市场，更通过技术生态壁垒构建起难以逾越的竞争护城河。车企、一级供应商、软件开发商、传感器制造商和初创公司等，都可以基于英伟达的平台进行开发，降低了自动驾驶技术的研发门槛，加快了产品的上市速度。
这种开放平台模式吸引了众多车企的关注，因为开放模式能允许没有财力做AI全栈的企业开发自己特色定制的产品，形成差异化竞争。这和安卓开源后，华为手机的EMUI和小米的MIUI的竞争局面。当然，现在华为手机基于自己的鸿蒙系统了。
2016年，特斯拉宣布将在所有车型上安装英伟达的图形处理器，以实现自动驾驶功能。随后，奔驰、宝马、奥迪等传统豪华车企，以及比亚迪、小鹏、理想等新能源车企，纷纷与英伟达展开合作。
在智能驾驶领域，英伟达不断推出新的产品和技术。2023年，英伟达推出了Drive Hyperion9平台，该平台集成了多个传感器，能够为L2+及以上级别的自动驾驶提供支持Drive Hyperion9平台（为前装平台，不是后装），该平台集成了多个传感器，能够为L2+及以上级别的自动驾驶提供支持。
2024年，英伟达又发布了Drive Thor，这是一款专为L4/L5级自动驾驶设计的超级芯片，其算力高达2000TOPS（每秒万亿次运算），相比上一代产品有了大幅提升。
Drive Thor芯片（上）和计算平台（下），图片来自NVIDIA.cn
在智能座舱方面，英伟达同样有所建树。其Omniverse Avatar Cloud Engine（ACE）for automotive平台，能够为智能座舱提供高度逼真的虚拟助手，实现语音交互、情感识别等功能，提升用户的驾乘体验。ACE是阿凡达云引擎的意思，Avatar Cloud Engine。
Omniverse Avatar Cloud Engine（ACE）for automotive平台使用阿凡达形象生成一个智能行车助手，来自NVIDIA blog
如今，英伟达在汽车领域的业务已经涵盖了自动驾驶、智能座舱、车载计算平台车载计算平台，例如英伟达推出的DRIVE AGX Orin，能够为自动驾驶汽车提供高达254TOPS（每秒万亿次运算）的算力，支持多个摄像头、雷达和激光雷达的数据处理，可实现L2+到L4级别的自动驾驶功能；还有下一代的DRIVE AGX Thor，算力更是达到2000TOPS，不仅能满足自动驾驶需求，还能支持智能座舱的多屏互动、AI语音助手等功能，成为汽车智能化的核心大脑。等多个方面，成为汽车行业向智能化转型过程中不可或缺的合作伙伴。
挑战与机遇并存
汽车行业的竞争异常激烈。除了英伟达，高通、英特尔、三星等芯片巨头也纷纷布局汽车芯片市场。高通凭借在移动通信领域的优势，在智能座舱芯片市场占据了一席之地，并逐渐向自动驾驶领域拓展。英特尔收购了Mobileye，在ADAS（高级驾驶辅助系统）市场拥有大量的客户。这些竞争对手实力强大，给英伟达带来了不小的压力。
汽车行业对产品的安全性和可靠性要求也极高。一辆汽车的使用寿命通常在10年以上，这意味着汽车芯片需要在长时间内保持稳定运行。而英伟达的GPU最初是为消费电子市场设计的，如何满足汽车行业对可靠性和安全性的严格要求，是英伟达需要解决的问题。
为此，英伟达推出了Drive Safety Force，这是一个从芯片到系统的安全架构Drive Safety Force，也是一个从芯片到系统的全栈式安全架构。
在芯片层面，采用了冗余设计与故障检测机制，核心计算单元配备多个独立的安全岛，每个安全岛可独立执行关键任务，并实时交叉校验运算结果，当检测到异常时，系统会立即启动热备份单元接管工作，确保算力供应不中断。
系统层面，构建了如下分级防护体系：
底层通过硬件防火墙隔离外部恶意攻击，防止非法指令入侵芯片核心区域；
中间层部署了动态风险评估算法，结合车端传感器数据与云端安全知识库，毫秒级预判潜在威胁；
顶层设计了紧急干预机制，在检测到严重安全风险时，可直接接管车辆控制权，执行紧急制动、车道保持等操作。此外，该架构还支持功能安全（ASILD）与预期功能安全（SOTIF）双标准认证，从设计源头杜绝系统性与随机性失效风险。，旨在为自动驾驶汽车提供可靠的安全保障。
此外，随着各国对数据安全和隐私保护的重视程度不断提高，汽车数据的安全问题也日益凸显。自动驾驶汽车在运行过程中会收集大量的用户数据，包括行驶轨迹、驾驶习惯、车内环境等。如何确保这些数据的安全，防止数据泄露和滥用，是汽车制造商和科技公司共同面临的挑战，还有敏感的跨国信息安全问题。英伟达表示，将通过加密技术、访问控制等手段，保障汽车数据的安全。
随着全球汽车产业向智能化、电动化转型，对自动驾驶和智能座舱技术的需求持续增长。根据市场研究机构的数据，全球自动驾驶汽车市场规模预计将从2023年的583亿美元增长到2030年的5566亿美元，年复合增长率高达38.1%。这为英伟达等科技公司提供了广阔的市场空间。由于英伟达战略前瞻性强，做游戏显卡时就押注AI，做AI又同时押注自动驾驶和智能座舱，总是布局早得到先机（比如相对于英特尔）。它是AI芯片和自动驾驶两条腿走路，不仅二者相互促进，而且万一在市场不利时还可以“失之东隅收之桑榆”。
-- END --
原文标题 : 从游戏到智能驾驶，英伟达有哪些技术升级？
