问题：自动驾驶从试点走向规模化仍面临“能力、成本、合规与供给链”多重门槛。
近年来，自动驾驶在部分城市和限定场景取得进展，但要进入更广泛的主流市场，仍需在复杂交通环境的感知决策、长尾场景覆盖、系统安全冗余、数据闭环以及算力与能耗之间找到新的平衡。
同时，行业对可验证、可复现的训练体系与工程化交付提出更高要求，如何把“可演示”变为“可量产、可运营”，成为关键课题。
原因：一是大模型推理能力与工程栈加速融合，推动自动驾驶从“规则驱动”向“推理驱动”的体系演进。
黄仁勋在演讲中判断，未来十年相当一部分车辆将走向自动驾驶或高度自动驾驶，并提出“自动驾驶汽车时代全面到来”的观点。
二是开源生态带来的迭代速度提升，使模型能力扩散更快、门槛相对降低。
他在会上提到，开源模型在部分维度的进展速度很快，并以DeepSeek R1为代表案例，认为其出现对行业形成意外推动效应。
三是训练数据与仿真能力的重要性进一步凸显。
面对真实道路数据获取成本高、覆盖不全等现实约束，企业需要通过更强的仿真与世界模型补齐数据供给，形成可持续的训练与验证闭环。
影响：发布会释放出产业链协同加快的信号。
英伟达宣布推出面向自动驾驶的思考与推理模型Alpamayo，并表示该模型将以开源方式提供；同时强调旗下Cosmos世界基础模型平台在提供物理世界训练数据方面的能力。
与整车厂合作方面，英伟达称2025年款梅赛德斯-奔驰CLA将集成其完整自动驾驶技术栈，并披露首批搭载相关技术的车型将按区域节奏落地：今年第一季度在美国市场上路，第二季度推进至欧洲市场，亚洲地区计划在下半年发布。
上述信息表明，自动驾驶正从单点技术突破转向“模型—数据—算力—工程交付—车规验证”一体化竞争，产业关注点也从参数规模转向推理可靠性、系统安全与量产能力。
对策：面向下一阶段发展，业内需要在三方面发力。
其一，以安全为底线推进规模化应用。
自动驾驶系统必须建立可审计、可追溯的安全体系与验证标准，完善多传感器冗余、故障安全机制和全生命周期监测。
其二，提升数据与模型的闭环能力。
要在真实道路数据、仿真合成数据与极端场景构建之间形成组合供给，推动数据治理、标注规范与评测体系建设，减少“数据孤岛”带来的重复投入。
其三，深化产业链协同与开放生态。
开源模型与开放数据有助于加速技术扩散，但也需要更严格的评测、合规与知识产权边界管理，推动形成可持续的创新机制与产业共识，避免无序竞争导致安全与质量风险外溢。
前景：从技术趋势看，自动驾驶将更强调“端到端感知决策”与“可解释、可验证推理”并行发展，世界模型、仿真平台与规模化算力将成为重要基础设施。
短期内，自动驾驶有望在特定车型、特定区域和限定功能上加速落地，形成由点到面的扩散；中长期看，随着法规适配、基础设施完善和成本持续下降，高度自动驾驶在更多市场的渗透率可能稳步提升。
与此同时，开源模型的快速演进将推动行业形成更开放的技术路线竞争，但最终能否赢得市场，仍取决于安全可靠性、用户体验和全链路交付能力。
自动驾驶技术的普及不仅关乎交通方式的变革，更将重新定义人车关系与城市空间。
正如黄仁勋所言，当每一辆汽车都具备自主决策能力时，人类社会将迎来真正的“智能移动时代”。
在这一进程中，开源协作的技术路线与全球产业的深度融合，或将成为推动变革的核心力量。
未来十年，我们或将见证汽车工业自流水线生产以来最深刻的转型。