英偉達(dá)于3月16日GTC新聞稿中宣布，旗下Omniverse NuRec與五一視界SimOne已實(shí)現(xiàn)深度融合。而這項(xiàng)合作正是基于神經(jīng)渲染技術(shù)，用于解決智駕行業(yè)真實(shí)采集場景數(shù)據(jù)不可交互的痛點(diǎn)，進(jìn)而加速以VLA、世界模型為代表的推理型自動(dòng)駕駛開發(fā)，賦能全球L4級汽車合作伙伴。

消息出來后，五一視界(6651.HK)一度漲超27%，成交額放大至4.9億港元。

據(jù)悉，五一視界是英偉達(dá)在此次GTC大會中官宣的智駕仿真領(lǐng)域唯一的中國合作伙伴，為什么英偉達(dá)會選中五一視界？通過各方資料及業(yè)內(nèi)人士處獲悉，背后有三大理由：

理由一、五一視界53.5%市占率背后的“客戶轉(zhuǎn)化器”

據(jù)國際知名咨詢機(jī)構(gòu)Frost & Sullivan近期發(fā)布的《2026年中國物理AI仿真及數(shù)據(jù)平臺研究報(bào)告》稱，五一視界旗下51Sim，以53.5%的市場份額位居中國端到端高階智能駕駛仿真及數(shù)據(jù)平臺市場第一。

這意味著，中國超過一半的高階智駕產(chǎn)業(yè)鏈上下游都在使用五一視界的仿真產(chǎn)品及服務(wù)。對于英偉達(dá)而言，五一視界不僅僅是一個(gè)技術(shù)伙伴，更是一個(gè)擁有龐大存量客戶的超級轉(zhuǎn)化器。

英偉達(dá)的核心戰(zhàn)略目標(biāo)，是推動(dòng)GPU算力在更多垂直場景落地。通過與五一視界的深度合作，英偉達(dá)找到了一條最高效的轉(zhuǎn)化路徑：

要想更好地使用最新的“NuRec+SimOne”數(shù)據(jù)驅(qū)動(dòng)仿真體系，必須構(gòu)建能夠支撐神經(jīng)渲染和高并發(fā)仿真的算力基礎(chǔ)設(shè)施。而該體系是基于英偉達(dá)Omniverse和GPU加速構(gòu)建的，這天然地引導(dǎo)了五一視界的現(xiàn)有和潛在用戶群轉(zhuǎn)向英偉達(dá)的算力生態(tài)。

換言之，與其說英偉達(dá)選中了五一視界，不如說英偉達(dá)是看中了五一視界在主機(jī)廠、檢測機(jī)構(gòu)、Tier 1及科技機(jī)構(gòu)的行業(yè)客戶網(wǎng)絡(luò)，借此英偉達(dá)實(shí)現(xiàn)從“仿真軟件用戶”到“英偉達(dá)算力用戶”的自然延伸。

理由二、五層蛋糕中，英偉達(dá)做“底層”，五一視界做“上層”

此外，要理解這次合作，不妨回到黃仁勛提出的英偉達(dá)“AI五層蛋糕”戰(zhàn)略。

這五層蛋糕從下至上分別是：

第一層：能源層

第二層：芯片層

第三層：基礎(chǔ)設(shè)施層

第四層：模型層

第五層：應(yīng)用層

五層蛋糕理論不僅適用于英偉達(dá)的整體戰(zhàn)略，也指引著英偉達(dá)在每個(gè)細(xì)分領(lǐng)域的戰(zhàn)場打法。

1. 英偉達(dá)的“下半截蛋糕”：芯片與基礎(chǔ)架構(gòu)

比如在智駕仿真領(lǐng)域，英偉達(dá)的核心優(yōu)勢在于“下半截蛋糕”，即算力層、基礎(chǔ)設(shè)施層，以及部分通用模型層，這包括底層的GPU芯片、Omniverse平臺、神經(jīng)渲染庫（如NuRec）及COSMOS世界模型等。

這些是通用的“水電煤”，提供了強(qiáng)大的算力和重建真實(shí)世界的工具能力。

然而智駕行業(yè)客戶構(gòu)成較為多元，雖然個(gè)別技術(shù)能力強(qiáng)的客戶，可基于英偉達(dá)底層工具直接落地，但大多數(shù)客戶需要更為直接的仿真產(chǎn)品和服務(wù)。要讓技術(shù)生態(tài)真正覆蓋這一行業(yè)縱深，英偉達(dá)必然要聯(lián)合最具客戶基礎(chǔ)和技術(shù)深度的合作伙伴。而五一視界正是這個(gè)被英偉達(dá)挑中的在智駕仿真領(lǐng)域上層蛋糕的核心合作方。

1. 五一視界的“上半截蛋糕”：場景、數(shù)據(jù)與閉環(huán)應(yīng)用

五一視界的能力在于智駕仿真的"上半截蛋糕"中，已有Dataverse和SimOne兩大平臺形成了從路測數(shù)據(jù)處理、神經(jīng)場景編輯與泛化、到閉環(huán)仿真驗(yàn)證的產(chǎn)品化能力，且已在多家車企研發(fā)流程中實(shí)際落地。

此次合作中，英偉達(dá)將NuRec這一"底層重建能力"與五一視界的"上層編輯、泛化與閉環(huán)仿真能力"深度整合，正是這一戰(zhàn)略分工的具體體現(xiàn)。雙方由此實(shí)現(xiàn)了智駕仿真領(lǐng)域從算力基礎(chǔ)設(shè)施到行業(yè)閉環(huán)應(yīng)用的貫通，各自專注，協(xié)同作戰(zhàn)。

理由三、技術(shù)突破：解決智駕行業(yè)真實(shí)采集場景數(shù)據(jù)不可交互的痛點(diǎn)

從技術(shù)角度看，此次合作的核心價(jià)值在于雙方共同攻克了數(shù)據(jù)驅(qū)動(dòng)仿真中的一個(gè)重大行業(yè)痛點(diǎn)：真實(shí)場景的可交互性。

隨著端到端成為高階智駕的主流技術(shù)路線——即讓AI直接從攝像頭畫面輸出駕駛決策，取代過去分模塊拼接的開發(fā)方式——新一代仿真必須同時(shí)滿足兩個(gè)條件：一是場景必須具備高置信度，盡可能還原真實(shí)道路環(huán)境——簡單來說，只有讓算法"看到"的仿真畫面足夠接近真實(shí)世界，訓(xùn)練和測試的結(jié)果才有意義；二是場景必須可編輯、可交互，而非只能回放固定的采集數(shù)據(jù)——也就是說，不能只是"看錄像"，還要能在錄像里"改劇本"，比如讓前車突然變道、行人突然橫穿，才能測試算法在各種意外情況下的反應(yīng)。傳統(tǒng)仿真架構(gòu)難以同時(shí)滿足這兩點(diǎn)。

本次合作中， NVIDIA Omniverse NuRec 與五一視界旗下 Dataverse 數(shù)據(jù)管理平臺及 SimOne 智駕仿真平臺進(jìn)行了產(chǎn)品級的深度融合，使真實(shí)車隊(duì)數(shù)據(jù)能夠被重建為可交互的神經(jīng)場景，可直接用于自動(dòng)駕駛系統(tǒng)的閉環(huán)仿真運(yùn)行，為車企和自動(dòng)駕駛算法公司提供了一條可落地的數(shù)據(jù)驅(qū)動(dòng)仿真路徑——車隊(duì)采集的真實(shí)道路數(shù)據(jù)不再只是離線數(shù)據(jù)資產(chǎn)，而可以持續(xù)轉(zhuǎn)化為可運(yùn)行的仿真環(huán)境，實(shí)現(xiàn)從真實(shí)道路到仿真驗(yàn)證的高效閉環(huán)。

數(shù)據(jù)閉環(huán)仿真技術(shù)架構(gòu)圖

本次基于 NuRec 的數(shù)據(jù)驅(qū)動(dòng)閉環(huán)仿真流程從技術(shù)上包含五個(gè)關(guān)鍵環(huán)節(jié)：

環(huán)節(jié)一：真實(shí)數(shù)據(jù)導(dǎo)入與預(yù)處理

環(huán)節(jié)二：NVIDIA Omniverse NuRec 場景與資產(chǎn)重建

環(huán)節(jié)三：神經(jīng)場景在線預(yù)覽與管理

環(huán)節(jié)四：測試用例生成與配置

環(huán)節(jié)五：神經(jīng)場景仿真測試執(zhí)行

從技術(shù)分工看，雙方各自攻克了上述兩個(gè)條件中的核心難題：

1. 場景重建和修復(fù)

英偉達(dá)NuRec負(fù)責(zé)高置信度重建—— 將輸入數(shù)據(jù)轉(zhuǎn)換為基于 Gaussian 表示的三維或四維神經(jīng)場景模型，在訓(xùn)練過程同時(shí)完成靜態(tài)背景的重建以及動(dòng)態(tài)目標(biāo)的建模，并結(jié)合深度先驗(yàn)和語義信息提升重建穩(wěn)定性和幾何一致性。

然而在閉環(huán)仿真運(yùn)行過程中，自車軌跡往往會偏離原始采集路徑，需要從訓(xùn)練數(shù)據(jù)未覆蓋的新視角進(jìn)行渲染。在這種情況下，神經(jīng)場景容易出現(xiàn)幾何不連續(xù)、紋理缺失或局部渲染偽影，從而影響仿真的穩(wěn)定性。為此，英偉達(dá)提供了基于Diffusion Transformer的 Fixer 生成式修復(fù)模型，可在訓(xùn)練和運(yùn)行兩個(gè)階段對新視角渲染結(jié)果進(jìn)行修復(fù)——訓(xùn)練階段提升模型對視角變化的魯棒性，運(yùn)行階段實(shí)時(shí)填補(bǔ)缺失信息并保持視覺連續(xù)性。

1. 場景編輯和泛化

51Sim負(fù)責(zé)場景編輯與泛化—— 將單個(gè)真實(shí)場景擴(kuò)展為更多測試變體，包括改變交通參與者軌跡、增加測試車輛以及構(gòu)造原始數(shù)據(jù)中不存在的交互場景。動(dòng)態(tài)資產(chǎn)既可以在原始場景中調(diào)整運(yùn)動(dòng)軌跡生成新的交互變體，也可以替換為 SimOne 資產(chǎn)庫中的模型，或者注入全新的交通參與者以構(gòu)造新的測試場景。

在仿真運(yùn)行中， SimOne 負(fù)責(zé)交通參與者行為建模和仿真時(shí)間推進(jìn)，NuRec 負(fù)責(zé)神經(jīng)場景渲染與傳感器數(shù)據(jù)生成，雙方各司其職，構(gòu)建了邏輯可控且視覺逼真的閉環(huán)仿真系統(tǒng)。

這次合作，標(biāo)志著智駕仿真從“人工構(gòu)建”正式邁入“數(shù)據(jù)驅(qū)動(dòng)”的新階段。對于致力于加速自動(dòng)駕駛落地的行業(yè)而言，這無疑是一個(gè)務(wù)實(shí)且關(guān)鍵的里程碑。