L4

10 月 16 日，据 Phandroid 等海外科技媒体报道，梅赛德斯-奔驰正式宣布与 NVIDIA 达成面向 AI 驾驶的新一轮合作。这套合作不是简单采购一颗芯片，而是把 NVIDIA 的 Alpamayo 推理栈、Halos 安全框架整体搬上车，为未来 SAE 四级（L4）自动驾驶、包括完全无人的 Robotaxi 运营铺技术底座。NVIDIA 汽车业务副总裁 Ali Kani 在公开评论中，把这套组合定义为城市点对点辅助驾驶、主动安全与自动代客泊车的技术基石。 L4 这个词在过去几年被各家讲得太多，以至于听众已经麻木。但奔驰这一次的不同之处在于，它带来的是一家对安全冗余极度挑剔的老牌豪华车厂。奔驰愿意把下一个十年的自动驾驶命脉，压在 NVIDIA 的全栈方案上，本身就说明行业对「端到端大模型上车」这条路线达成了新的共识。 为什么是 Alpamayo 这一套推理栈？ Alpamayo 是 NVIDIA 面向车载场景打造的视觉-语言-动作（VLA）推理模型栈。和传统模块化自动驾驶靠规则拼接不同，VLA 试图让车辆像人一样，用一个统一的大模型同时理解摄像头画面、导航意图并输出驾驶动作。这种架构的野心很大，因为它一旦成熟，就意味着车不再需要为每一种罕见CornerCase单独写规则。 但城市道路的复杂度远高于高速，行人、外卖车、施工锥、抢道的出租车，任何一个长尾都可能让模型失控。奔驰选择 Alpamayo，本质上是把「让大模型学会开城」这件最难得事，交给一家算力与数据都最强的伙伴自己啃，自己则守住整车安全与品牌底线。 Halos 冗余安全框架解决了什么顾虑？ 大模型驾驶最大的争议，从来不是「能不能开」，而是「出了事谁负责」。深度学习系统本质上是概率性的，你无法向监管机构证明它在每一帧都绝对正确。NVIDIA 给出的答案是 Halos：一套独立于主系统的冗余安全栈。即便主大模型出现幻觉或决策异常，Halos 这套经过安全认证的第二系统，仍能把车辆拉回最小风险状态。 这种「双保险」思路，正是车规级产品和消费级 AI 最大的区别。消费级 AI 答错了，用户笑一笑重来；自动驾驶的 AI 一旦判断失误，代价是物理世界的生命。奔驰之所以需要 Halos，就是要在向监管与用户解释「我们凭什么敢让车自己开」时，拿出一套可认证的冗余证据，而不是一句「我们模型很准」。 这对整个智能驾驶格局意味着什么？ 当豪华车厂开始把 L4 的技术栈押在单一供应商身上，行业的分层就变得清晰：头部玩家做全栈整合，腰部玩家做数据与场景，剩下的公司要么找生态位，要么出局。奔驰与 NVIDIA 的绑定，也给其他车企出了一道选择题——继续自研高投入赌一个不确定的未来，还是像奔驰这样，站到巨人的肩膀上换一个确定性。 据披露，这套系统当前仍主要服务于 L2++ 到 L3 的渐进式辅助驾驶，真正的 L4 Robotaxi 落地还需要法规、高精地图、算力成本等多重条件成熟。但方向已经写明：未来的智能汽车，竞争的不再是马力与排量，而是车上那颗大模型有多懂路。 去论坛讨论 前往 silicon-agi.com 论坛 参与讨论