GTC大会智驾进展更新20260319
2026年03月20日10:04 关键词 智能驾驶端到端3DVIT软硬一体L4英伟达理想小鹏华为地平线比亚迪现代日产吉利奔驰丰田通用自动驾驶 全文摘要 在GTC大会中，自动驾驶行业的最新进展成为焦点，主要围绕算法的迭代、竞争格局的变化，以及L4级别自动驾驶的技术演进。智能驾驶算法每年都在更新，其中端到端方法代表了范式转变，尤其原生多模态基础模型的出现，为统一处理图像、文本和语音等提供了新途径。然而，目前的端到端系统多专注于2D视图，缺乏对三维物理空间的深入理解，这是未来需突破的关键。 GTC大会智驾进展更新-20260319_导读 2026年03月20日10:04 关键词 智能驾驶端到端3DVIT软硬一体L4英伟达理想小鹏华为地平线比亚迪现代日产吉利奔驰丰田通用自动驾驶 全文摘要 在GTC大会中，自动驾驶行业的最新进展成为焦点，主要围绕算法的迭代、竞争格局的变化，以及L4级别自动驾驶的技术演进。智能驾驶算法每年都在更新，其中端到端方法代表了范式转变，尤其原生多模态基础模型的出现，为统一处理图像、文本和语音等提供了新途径。然而，目前的端到端系统多专注于2D视图，缺乏对三维物理空间的深入理解，这是未来需突破的关键。此外，软硬一体解决方案的重要性日益凸显，多家厂商如华为、小鹏、理想等正积极布局。L4级别的自动驾驶市场潜力巨大，预计规模将显著增长，英伟达与汽车制造商的合作展现了该领域的广阔前景。 章节速览 00:00 GTC大会自动驾驶算法进展与三维理解突破 对话聚焦于GTC大会上自动驾驶行业的算法进展，强调了原生多模态基础模型的重要性，特别是3DVIT在三维物理空间理解上的突破，为解决物理AI难题提供了新思路。 05:14软硬一体能力成智能驾驶竞争关键 智能驾驶的竞争格局中，软硬一体能力被视为长期最重要的竞争要素。模型运行频率对端侧能力兑现度影响大，智能驾驶对时间容忍度低，需快速反应。头部厂商在2025-2026年通过软硬一体能力重新取得领先优势，如小鹏、理想等自研芯片与算法，提升端侧芯片需求，缩小一二梯队差距，未来竞争将围绕软硬一体展开。 07:48 L4自动驾驶技术进展与市场潜力分析 对话深入探讨了L4自动驾驶技术相较于L2阶段的显著差异与市场潜力。指出L4将引领行业进入运输服务新阶段，市场规模有望扩大5至10倍，达到万亿级别。英伟达在robot taxi领域的合作进展，以及与多家OEM的合作，展现了L4技术吸引强大参与者的趋势。强调软硬一体化技术路线是实现L4的关键。 发言总结 发言人1 他在本次晨会上首先介绍了国金汽车研究者思琪的自我介绍，并指出本次会议将重点讨论GTC大会上自动驾驶行业的新进展。发言内容主要分为三个部分：算法层面的进展、竞争格局的演进，以及L4级自动驾驶的最新变化。 在算法层面，发言人强调了智能驾驶算法的持续迭代，特别是端到端技术在过去六年的变革作用，国内厂商在此基础上进行了进一步的优化。特别提到了原生多模态基础模型的重要性，以及在GTC大会上展示的技术趋势，如小鹏的VOA2.0和英伟达的md VAOE，这些技术通过在编码阶段对不同模态的数据进行统一投射，推动了算法的进步。 关于竞争格局，发言人指出软硬一体能力正成为未来竞争的关键，高算力需求对智能驾驶体验的重要性，预测具备软硬件整合能力的厂商将在未来竞争中占据优势。 最后，发言人讨论了L4级自动驾驶的进展和市场潜力，强调其作为行业巨大拐点的潜力，以及英伟达在L4级自动驾驶领域的合作与进展，特别是与Uber和多家主机厂的合作计划。 他的总结性发言强调了智能驾驶行业当前的挑战与机遇，特别是软硬件整合和多模态技术对于推动行业向前发展的重要性，并对L4级自动驾驶的未来持乐观态度。 要点回顾 在GTC大会上，我们看到了哪些算法层面的进展？ 发言人1：今年一个比较重要的算法趋势是原生的多模态基础模型。例如小鹏发布的VOA2.0和在GTC大会上首次详细讲述架构的md VAOE，它们在训练阶段对不同模态的数据（如图像、文字、语音）进行统一的token化处理，以实现对多模态数据的高效理解和利用。 为什么物理AI在自动驾驶领域这么难发展？ 发言人1：物理AI难发展主要是因为建立三维物理空间的理解非常困难。人类在成长过程中通过实际操作和探索自然地形成了对三维世界的认知能力，但现有的端到端系统往往是基于2D视频学习，缺失了高度信息和语义信息，无法像人那样精准理解三维世界。 理想在GTC大会上提出的3DVIT是如何解决这个问题的？ 发言人1：3DVIT不再是从2D空间还原成3D，而是在编码阶段就直接完成对3D空间几何和语义信息的一次性理解，包括空间结构、位置关系和语义信息等，从而解决了现有技术中对三维世界理解不足的问题。 当前智能驾驶竞争格局中，软硬一体能力的重要性体现在哪里？ 发言人1：软硬一体能力成为智能驾驶长期竞争的关键要素。模型运行频率对于端侧模型能力兑现度影响巨大，只有将高效且强大的算力部署到端侧，才能满足智能驾驶对实时反应速度的要求。比如小鹏LA2.0搭载图灵芯片，单颗芯片时延已能做到80毫秒，理想自研的M100芯片算力比上一代提升三倍，这些都体现了软硬一体对于智能驾驶技术进步的重要性。 L4级别的智能驾驶相较于L2级别会有怎样的市场空间变化？ 发言人1：L4级别从商业模式上不再仅限于零部件前装量产逻辑，而是提供独立的运输服务，市场规模远超L2级别。据估算，L4渗透率达到80%以上时，市场规模将达到万亿以上，相比L2阶段，市场空间扩大了5到10倍。英伟达在L4领域的进展显著，与Uber扩大合作并在全球多个城市推出软硬一体的自动驾驶车队，同时与多家主机厂签署robot taxi车型合作协议，显示出L4行业拐点即将到来，并吸引了众多强有力的参与者加入。
