英伟达（NVIDIA）总执行长黄仁勋日前在美国消费性电子展（CES）发表全新自驾车人工智能技术 Alpamayo，同时宣布新一代AI超级电脑平台 Vera Rubin 已正式进入全面量产阶段，并将自动驾驶定位为实体 AI最关键的应用场景之一。
这并非传统上单一产品的技术升级，而是从晶片架构、模型设计到系统平台，全面为自驾车与机器人应用而生，显示美国正试图在高阶 AI 基础设施层面重新拉开差距。与此同时，由 Lucid、Uber 与 Nuro 组成的美国出行阵营，也同步推出已达量产阶段的无人驾驶出租车方案，计划在美国城市展开商业化营运。
随著AI技术、资本与自驾车治理框架的同时推进，自驾车已成为中美科技博弈的新战场。
相较于生成文字或图像的生成式人工智能(Generative AI)，自驾车属于真正进入物理世界的“实体 AI”。然而，自驾车必须在复杂与不可预测的环境中，持续进行感知、判断与即时决策，任何一次错误都可能直接威胁生命安全。
从经济层面看，自驾车牵动的不只是汽车产业，还包括了物流，人力结构，城市规划与公共交通体系。一旦自驾车技术发展成熟，其影响力将横跨多个产业。从战略角度而言，谁掌握了自驾车系统，就有机会掌握数据与规则制定权。这使得自驾车成为继晶片与云计算之后，最具代表性的科技竞争领域。
在这场竞赛中，中美采取了不同的路径。中国的自驾车发展，带有强烈的政策推动与规模导向特征。其中，地方政府通过划设测试区，放宽试跑条件，让城市道路成为技术验证场。透过大规模车辆上路与长时间运行，内地的自驾车企业得以快速累积数据，持续优化算法。整体而言，中国的发展路径强调在实践中试错与验证，并逐渐调整制度与规则，为自驾车规模化应用建立基础。
相较之下，美国的自驾车发展显得更为谨慎。联邦、州与城市层级各自拥有监管权力，使得推进节奏相对缓慢，但制度边界更为清楚。自驾车一旦发生事故，测试往往被暂停，接受调查与公众审视。企业必须不断证明其系统在安全性、透明度与责任分工上的合理性。这种模式的优势在于风险控制严谨，但代价是商业化进展缓慢、成本高昂，也更容易在短期内“落后”。
笔者认为，真正的关键，并非谁的模型参数更多，而是谁对风险管控做得更到位，以及能否在事故发生后，具备成熟的问责与修正机制。
值得注意的是，这场竞争已不局限于中美本土。英国伦敦正逐渐成为少数同时引入中美自驾车体系的主要城市之一。中国的百度 Apollo Go，以及美国与欧洲阵营的 Waymo、Uber 合作体系，预计将先后在当地展开营运。这意味著，自驾车 AI 的竞争已进入第三方城市与国际监管环境。谁的系统更能适应不同社会的法律框架，更能取得公众信任，就更有机会在全球市场取得主导地位。
对包括大马在内的其他国家而言，这场中美竞赛带来的启示并不只是技术选择问题。换句话说，关键不在于引进哪一国制造的自驾车，而在于我们是否具备完善的交通规则，自驾车监管与处理自驾车事故的能力。此外，自驾车涉及数据主权、责任归属、保险理赔与公共安全，若没有充分的准备，贸然引进自驾车技术反而可能带来风险。
自驾车 AI 的上路，标志著人工智能科技竞争将进入公共交通系统。中美两国的路径，各有优势，也各有代价。接下来更值得观察的，是各国如何在发展自驾车技术的同时，逐步建立清晰的自驾车治理框架，让自驾车可以安全地融入城市交通运作之中。
本文观点，不代表《东方日报》立场
自由撰稿人。
