跟黃仁勳來趟舊金山公路之旅，實測賓士CLA搭載Alpamayo安全性 

輝達執行長黃仁勳與汽車業務副總經理吳新宙 (Xinzhou Wu) 於舊金山高速公路上進行實地道路測試，兩人在路上暢談自動駕駛系統的最新製程發展、揭示輝達如何透過 Alpamayo 端對端 AI 模型與傳統功能安全技術堆疊，確保行車安全達到最高標準。

Alpamayo ＋ ASIL 傳統技術堆疊，確保行車路徑安全

輝達的 Alpamayo 自動駕駛系統採用端對端模型，具備推理能力與高度智慧，特性在於能模仿人類駕駛的行為邏輯且有思考能力，使其在處理市區車道變換、繞過障礙物或應對減速道時，表現得如同真人般自然流暢，除此之外，輝達仍保留了基於 ASIL 規範與流程開發的「傳統技術堆疊」，傳統堆疊扮演著安全護欄的角色，當人工智慧模型出現超出資料分佈範圍的行為或產生回歸問題時，傳統堆疊會立即介入阻止危險發生。這種雙重設計理念，讓系統即便在功能上偶有小故障，也能始終維持安全性。

雲端模擬加速開發流程

自動駕駛系統的開發速度取決於模型迭代的效率。黃仁勳在車上與吳新宙對話時提到，系統目前已更新超過 2,300 個版本，平均每日產出七個模型進行測試。輝達能維持如此驚人的開發步調，歸功於高度自動化的流程與強大的雲端模擬能力。研發團隊每天執行多達 200 萬次像素級的重建測試，確保新模型在部署前已通過嚴格篩選。此外，輝達運用 NuRec 技術進行路徑重建，並計畫引入 Cosmos 模型以模擬罕見的氣候改變等極端情境（Edge Cases）。藉由人工智慧來整理增強數據大幅減少了手動調整軌跡的需求，讓系統能快速進化。

端對端模型解決傳統模組衝突難題

傳統自動駕駛架構由感知、融合、預測與決策等多個獨立模組組成，這種結構容易導致「解決一個問題卻產生另一個問題」。吳新宙形容在多模組系統中排除錯誤就像是在桌子周圍追逐貓狗般混亂，邏輯衝突時有所聞。相較之下，端對端模型將所有過程整合為單一龐大模型，改進措施可透過反向傳播影響整個系統，避免了模組間的矛盾。

當車子路過右邊擁擠的道路時，自動改到中間行駛，自動駕駛能使車輛在繁忙的舊金山街頭也能冷靜自信地行駛。以處理「雙排停車」或「施工區」為例，傳統模型難以窮舉所有情境，而端對端模型能透過學習人類處理阻礙物與車速控制的經驗，展現出更具預判性的駕駛動作。這種技術整合不僅提升了乘坐舒適度，也為未來邁向 L3 與 L4 級自動駕駛奠定了技術基礎。

除了軟體演算，輝達強調垂直整合的重要性，從自研晶片、電腦硬體到 DriveOS 軟體平台，皆內建功能安全設計。針對未來自動駕駛計程車（Robotaxi）的營運，輝達提出了類似「雲端交通管制中心」的概念。當車輛遇到極端複雜的狀況時，遠端操控人員僅需輸入幾個航點，車輛便能憑藉內部的安全堆疊自行導航脫困，確保全程流暢。