黃仁勳挖角小鵬「自駕靈魂人物」,補齊車用拼圖!他是誰?為何被看上?
黃仁勳挖角小鵬「自駕靈魂人物」,補齊車用拼圖!他是誰?為何被看上?

小鵬汽車的火車頭——自動駕駛迎來重大人事變動。

近日,行業傳出小鵬汽車自動駕駛副總裁吳新宙將離職並加入Nvidia,36氪從多位行業人士處確認了這一消息。吳新宙是智慧駕駛行業的泰斗人物,也被認為是小鵬汽車智駕的靈魂角色,而Nvidia是兆美元市值的晶片巨擘。這場人事變動,震動了整個智駕圈。

據36氪了解,目前,吳新宙還是在職狀態,有小鵬汽車人士表示,「吳新宙早上還在內部開會。」但其在近期離開似乎已經確定,甚至有Nvidia方面人士透露,「最快可能在近一兩個月入職,這已經是行業半公開的秘密。」

小鵬多位自動駕駛業務線人員也向36氪表示,吳的離開已經比較明確。而小鵬汽車董事長兼CEO何小鵬也有意向物色合適的接班人選,甚至接觸過一些自動駕駛明星公司的聯合創辦人。

此外,據36氪了解,除了吳新宙離開,7月末小鵬汽車另一名智駕骨幹——自動駕駛AI負責人劉蘭個川也已離職,其不久前才代表小鵬汽車參加了2023年全球電腦視覺與圖型識別會議(CVPR),並發表了演說。

針對上述訊息,36氪向小鵬汽車和吳新宙本人都發去求證,截至發稿,未獲回應。

編按:小鵬汽車CEO何小鵬以及吳新宙本人皆已在社群媒體上,證實離職消息。

小鵬團隊動盪,已經數十人離開?

據36氪了解,因合作關係,吳新宙和Nvidia創始人兼CEO黃仁勳交流頗多,據北美員工講述,吳新宙經常會在內部會議上透露和黃仁勳的一些會面內容。

有傳聞稱,吳新宙加入Nvidia後,將任全球副總裁,向黃仁勳匯報。針對此消息,有Nvidia人士向36氪分析,如果吳出任全球副總裁職務,在Nvidia的級別並不算高,還無法向黃仁勳匯報,上面還有高級副總裁Dwight。

因此,如果吳新宙向黃仁勳匯報,那職級更可能是高級副總裁,可以統管智駕軟硬體,這也意味著Nvidia的智駕大業務,包括智駕晶片、軟體算法、自動駕駛,未來的中央計算等會面臨重整。

NVIDIA-COMPUTEX-2023-Keynote-PR-1.jpg
有傳聞稱,吳新宙加入Nvidia後,將任全球副總裁,向黃仁勳匯報。
圖/ NVIDIA

「這應該是老黃(Nvidia公司創始人兼CEO黃仁勳)給自動駕駛軟體業務的最後一次機會,如果再搞不好,就會shutdown。」有Nvidia人士向36氪分析。

實際上,吳新宙的離開不算意外。小鵬汽車的智駕團隊從年初開始就處於小幅動盪狀態,數十名中層員工已經離開,分別加入大卓科技、輕舟智行等行業公司,「每家公司都接收了10-20個小鵬工程師。」消息人士說道。

而小鵬北美團隊也有多名中高層離開,甚至已有部分員工加入到Nvidia公司。

分別有在職和離職人士向36氪分析,研發團隊調整,可能和「鐵娘子」王鳳英加入後推行的經營策略有一定關係,「王來了以後,要求降本增效,嚴控研發預算,智駕團隊就很難受,吳新宙曾有些怨言。」

此外,地緣關係也逐漸複雜,小鵬汽車也有意收縮吳新宙駐紮的北美研發團隊,將戰略重心轉移國內。知情人士透露,去年底開始,小鵬北美團隊的招人名額已經開始被限制,想拿到預算也變得困難,有工程師甚至自己帶計算資源做開發。

小鵬智駕的靈魂人物

吳新宙是小鵬打造「智慧駕駛」標籤的靈魂人物。其本科畢業於清華大學,後在美國伊利諾伊大學香檳分校獲得碩士及博士學位。吳新宙曾在晶片公司高通工作十餘年,主導自動駕駛解決方案。

自2019年3月加入小鵬汽車,吳新宙全面主導小鵬的自動駕駛技術路徑與落地,搭建了智駕核心團隊與架構。

小鵬吳新宙
圖/ 小鵬官網

在職期間,吳新宙將其過往積累的工程化能力全方位落地,不僅帶領團隊基於Nvidia Xavier晶片30 TOPS算力平台推出了高速NGP功能,更是於2021年將小鵬汽車的感知算法模塊推倒重來,引入transformer+BEV等感知新技術,全面學習特斯拉的技術路徑。

但一路以來,小鵬汽車智駕團隊的包袱並不算輕。為盡快落地,小鵬比同行多使用了更早一代的Nvidia Xavier晶片,這也導致了小鵬G3、P5、P7、G9等多款車型的智駕硬體均不一致,為後期的功能更新與數據驅動都帶來了挑戰。

即便如此,小鵬還能相對保持智駕領先公司的能力已相當不易。有小鵬汽車人士向36氪表示,未來小鵬還更加徹底地學習特斯拉的路徑,小鵬下一代車型已經在考慮砍掉激光雷達。

不過,小鵬智能駕駛面臨著相當大的競爭壓力。今年以來,華為、理想等企業紛紛宣布其在城市NOA領域的快速進展,並將城市NOA(導航輔助駕駛)的數字分別提到了45城和100城。而小鵬的目標是今年開通50座城市,內部人士稱,這個數字還有可能被提高。

近段時間,吳新宙都在廣州和北京來回跑,「開城的壓力很大。」

不過,也有小鵬汽車人士向36氪表示,小鵬的自動駕駛大框架已經搭建成熟,更多是後續的工程落地工作,「吳新宙在不在,短期影響不會那麼明顯。」

小鵬汽車
小鵬的自動駕駛大框架已經搭建成熟,更多是後續的工程落地工作,吳新宙的離職,短期內影響不大。
圖/ 小鵬官網

吳新宙:精英形象、東方「內核」

幫助小鵬汽車在行業樹立起智駕標杆,吳新宙功不可沒。

小鵬多位在職和離職工程師向36氪評價,吳新宙留給人的最大印象是「反差」:海外精英、長相斯文,但行事相當果斷,十足的「東方式」管理風格。

據了解,吳新宙在高通之前,曾於三星任職,後者同樣是家亞洲公司。有小鵬離職高層向36氪回憶,吳新宙加入小鵬後第一次回國就任,聚餐期間,逐個敬酒,乾脆利索,「和他的精英形象相差很大」。

而吳新宙的管理風格,也十分凶悍,有員工用「壓力測試」來形容,「今天你在外地,說明天到廣州總部開會,就必須得到」。

「你覺得他從美國大公司出來,是海外精英,不了解中國公司,但實際上,參與內部人事權力角逐,絲毫不落下風。」

小鵬吳新宙
吳新宙的管理風格十分凶悍,有員工用「壓力測試」來形容。
圖/ 36kr

小鵬汽車智駕團隊一度結構複雜,先前一把手是前特斯拉高管谷俊麗,吳新宙加入後,與谷俊麗一度同時擔任智駕副總裁職務,而國內的智駕團隊也需要整合融入。如今,谷俊麗和曾擔任廣州智駕系統總監的肖志光都已經在幾次的架構調整中,離開小鵬,吳新宙最終成為小鵬汽車智駕實權掌舵人。

「落地」同樣是吳新宙的主標籤。小鵬人士評價,吳盡可以能接觸到任何人,層級完全擋不住他,「只要他關注,天天跟底層的人開會。」

小鵬人士的一個共識是,這種「強悍」的融入式管理風格,才是吳新宙在一團亂麻的背景下,將小鵬汽車高階智駕推向量產的關鍵。

而接下來,吳新宙顯然將進入一家不再有太多東方色彩的科技巨頭,開始新征程。

再一次,從0到1

近日,Nvidia市值突破兆美元,是另一個晶片巨頭英特爾市值的八倍。黃仁勳甚至表示,Nvidia是智慧浪潮得以成型和推進的原因。

但智慧浪潮下,Nvidia在汽車智慧晶片與軟體領域的表現還不如人意。

在高階智慧晶片領域,Nvidia的統治力毋庸置疑,但事實上,能夠真正將其智慧晶片能力發揮效果的,當前只有頭部蔚小理等玩家。Nvidia高端智慧晶片實際出貨量並不大,實際營收也不高。今年2月1日-4月30日,Nvidia自動駕駛晶片和軟體收入為2.96億美元,在其71.92億美元的總營收面前,存在感並不高。

然而對手已經從四面八方而來。比如高通正在從座艙領域切入,侵蝕自動駕駛晶片市場。

更大的危機在於,智慧軟硬體一體化趨勢中,Nvidia缺失的軟體服務環節。

國內晶片公司地平線就是現成的案例。地平線用低算力晶片、隨叫隨到的售後服務,籠絡住部分車企心理。在車企今年廣泛尋求性價比、國產替代的背景下,Nvidia的市場焦慮真切存在。同時,地平線還在著手預研更大算力的智慧晶片J6與城市NOA算法,與Nvidia高端晶片抗衡。

NVIDIA
智慧軟硬體一體化趨勢中,Nvidia少了軟體服務部分,是一項劣勢。
圖/ NVIDIA

地平線不是個案。近日據36氪報導,中國自動駕駛軟體算法公司Momenta也在籌備進入智慧晶片賽道,並且為此挖來了OPPO旗下晶片公司前哲庫近十名高管,目標就是尋求配合度更高的智慧軟硬體一體方案。

不管是晶片公司地平線,還是軟體公司Momenta,都在朝著軟硬體一體的方向靠攏。行業極度「內捲」下,「軟硬體全家桶」可以保證這批智慧創業者在浪潮中的話語權與存活率。

這或許也是Nvidia想將自動駕駛軟體技術握在手中的原因。如果吳新宙加盟,Nvidia能更準確地捕捉車企在高階智慧領域的需求;更重要的是,可以將其在小鵬積累的智慧軟體工程化實戰經驗標準化、提煉出來開放給更多車企,抓取更多市場份額。

但當下Nvidia的智慧生態,幾乎與吳新宙2019年加盟小鵬汽車時差不多:目標遠大,但仍需從頭開始。從0-1,是AI晶片巨頭也逃不過的命運。

延伸閱讀:Nvidia黃仁勳深夜炸鍋:地表最強晶片GH200問世!

本文授權轉載自:36kr

責任編輯:錢玉紘

關鍵字: #Nvidia
往下滑看下一篇文章
AI NAS 何時才值得部署?QNAP 拆解地端 AI 的成本、算力與資料門檻
AI NAS 何時才值得部署?QNAP 拆解地端 AI 的成本、算力與資料門檻

當資料不能離開企業,運算就得靠近:AI 先改寫儲存架構

AI 帶來的第一個變化,不只是運算能力提高,而是企業必須重新決定資料放在哪裡。

儲存架構大致分為雲端與地端兩塊,QNAP 身為資料安全的守護者,長期發展的是地端網路儲存設備(NAS),並擴展至 25GbE、100GbE 高速網路交換器產品線,提供完整的儲存與高速網路基礎架構。威聯通科技(QNAP)總經理劉文義解釋,當資料因合規要求或敏感度不能上雲,就必須留在靠近使用者與應用的地方;運算需求一旦增加,承接資料的裝置也自然被推向地端 AI。

不能上雲的名單比想像中長。醫療業持有大量醫療個資,金融與保險業受到合規與法規限制,部分大學院校與設計公司也不希望資料被雲端存取。對這些組織而言,問題並不是雲端好不好用,而是一開始就沒有把核心資料全面上雲的選項。

qnap2.jpg
威聯通科技(QNAP)總經理暨威強電集團(IEI)董事長 劉文義
圖/ 數位時代

真正讓更多企業回頭計算的,則是長期成本。劉文義指出,資料上傳雲端可能免費,下載卻會按流量收費;當企業把一年、兩年、三年的費用加總回推,可能會發現,購買一台同等容量的 NAS,還能使用 7-10 年。資料規模愈大、存取愈頻繁,總持有成本的差距就愈值得評估。

這並不代表雲端與地端只能二選一。雲端仍適合模型訓練、程式開發與波動大的工作負載;地端則較適合高頻存取、對延遲敏感,或不能離開企業邊界的資料。企業真正要回答的,是每一類資料與任務應該放在哪裡。

依 QNAP 觀察,客戶過去關心的是需要幾 TB、幾 PB,或備份速度有多快;現在更常問的是,機器裡的資料要如何被 AI 活用。QNAP 也從 2021 年起,把公司發展定調在 AI 與高速網路的融合,試圖讓 NAS 從資料保存的位置,進一步成為資料被調用的位置。

當資料量持續擴大,搜尋與管理方式也會跟著改變。「在 NAS 裡放入 AI Agent 會越來越不可或缺。」劉文義舉例,當照片累積到 10 萬、20 萬張,要找出其中幾張特定畫面,已不可能只靠人工翻找。此時,能理解內容、接受自然語言指令的 AI 工具,會從加分功能逐漸變成必要條件。

從資料治理到地端推論:AI NAS 如何進入企業工作流?

AI NAS 不是「多了 AI 功能的 NAS」,而是 NAS 在企業工作流裡換了位置。
依 QNAP 觀察,目前客戶大致分布在一條導入光譜上。人數最多的一群,仍在把資料集中、分類、清理與建立權限。這一步看似與 AI 無關,卻決定後續系統能不能找到正確資料、辨識版本,並把答案交給有權限的人。

中間一群開始建置私有的檢索增強生成(RAG)知識庫。RAG 並不是重新訓練一個模型,而是在模型回答前,先從企業的 SOP、合約、法規或技術文件中取回相關內容,再產生附有來源依據的答案。QNAP 以 Qsirch 的語意搜尋能力協助建構這類應用,協助企業建立私有知識庫;而走在最前面的少數企業,則已經嘗試地端推論與 AI Agent。

模型的選擇權,QNAP 刻意留給客戶。知識庫背後採用哪一個模型,可由企業依需求決定,不綁定單一 AI 供應商。QNAP 也以 QuAgent AI 助理與模型情境協定(MCP)相關能力,讓管理者透過自然語言查詢狀態、調整設定,並讓 NAS 成為 AI Agent 可調用的資料節點。

不過,劉文義沒有把這條路說得太容易。他坦言,目前 NAS 硬體的 AI 運算能力仍有限。一般企業期待的應用,可能需要約 300 到 800 TOPS,甚至 1,000 TOPS,因此多數方案會以 NVIDIA 顯示卡補足算力;一張卡約需新台幣 10 萬至 12 萬元,一張算不完,就得配置 2 張或 4 張。

「整體成本可能是過去單獨一台 NAS 的 5 倍到 10 倍,並不是大部分中小企業都能接受。」除了硬體,使用者還需要 AI 應用的 Know-how、程式背景與開發資源,這些都是落地成本。

QNAP 則是透過算力分級讓各規模與需求的企業都可以有適合的解決方案。在 Computex 2026 搶先亮相的 QNAP AI NAS 中,一類是採用含有 iGPU 與專屬 NPU 的處理器平台,以一百多 TOPS 的範圍,可順暢使用 AI 應用程式;另一類機種則可安裝 1 張或 2 張 NVIDIA 顯示卡,處理更大的運算量。

同時 QNAP 也在軟體端也持續開發,目標是讓 NAS 裡的資料更有效率地被 AI 工具調用,讓資料成為有價值的知識。

從規格走到現場:能源公司如何導入私有 LLM?

本地 AI 實際落地部署會是什麼模樣?劉文義舉了一家約 50 多人的能源公司為例。這家公司原本想用 NAS 搭配雲端 AI 建置內部資料庫,但很快遇到兩個瓶頸:一是員工查詢時明顯出現卡頓;二是專利、技術與合約都高度敏感,高層不願上傳至公有雲,擔心機密資料會有外洩的疑慮。

後來,該公司導入 QNAP AI NAS 的旗艦機種 QAI-h1290FX,搭配顯示卡與全快閃 SSD,在地端部署私有大型語言模型,把數十年來封存的靜態檔案交給 AI 調用,進行跨檔案摘要與精準搜尋。員工因此省下翻找合約與報告的時間,核心機密也能留在企業內部。

這個案例說明,若任務範圍明確,有些應用不必動用雲端大型模型,地端運算量就可能足以支應。

但不同企業的資料量、查詢方式與模型大小不同,導入前仍需要概念驗證(POC)與技術人員評估。

而且,資料留在地端並不等於自動安全。企業仍要處理帳號權限、網路隔離、備份復原、漏洞修補與日常維運。地端的價值,是讓資料邊界與控制權回到企業手上;相對地,安全責任也會更直接地回到企業。

哪些企業現在該做,哪些再等?先看重複性與三個條件

能不能導入地端 AI,不只由產業標籤決定,也要看工作是否重複,以及場景能不能被清楚定義。劉文義觀察,第一批走進來的,除了受法規限制的醫療、金融與保險業,也包括利用地端 AI 加速資料處理的科技業,以及會計、律師等有大量重複文書工作的專業服務業,因為效益較容易被看見。

工廠也是可預期的場景。一條生產線可能有 10 台、20 台機器,每台處理與儲存資料的 Protocol 都不同,需要相對應的儲存裝置;生產過程累積的影像與紀錄可能要保存 3 年到 5 年。當企業要跨設備調用這些資料,AI Agent 與地端資料節點就有發揮空間。

「重複性資料處理越多,或重複性動作越多的產業,越容易透過導入 AI 提高工作效率。」反過來說,較傳統、人力密集,或仍高度依賴人工判斷的製造業,短期內未必能快速導入地端 AI。

依 QNAP 提供的資料,企業也可用「高頻、大量、敏感」三個條件做第一輪判斷:資料是否被頻繁調用?規模是否大到雲端傳輸與長期費用開始變得明顯?內容是否涉及個資、法規、智慧財產或商業機密?三個條件愈集中,地端部署愈值得評估;三者都不成立時,使用雲端 API 往往更簡單,也可能更划算。

可以先等的企業,大致也有三種。第一,資料仍分散、版本混亂、權限不清,急著上 AI 只會把混亂放大,先完成集中與治理,效率就可能先提升。第二,找不到一個具體且反覆發生的業務痛點,只因為「別人都在做」而採購,設備很可能變成昂貴的展示品。第三,使用量仍小、需求偶發,現階段雲端的彈性反而更有優勢。

因此,POC 不應只驗證「模型答不答得出來」,還要回答三個問題:資料由誰負責,誰可以存取?導入後能節省多少查找時間、傳輸成本或人工作業?正式上線後,誰負責資料、模型與資安維運?只有當效益與責任都能被量化,才適合從展示走向正式部署。

企業願意把部分資料留在自己的機房,動力最終仍回到資料主權。QNAP 的主要市場分布在歐洲、美洲與亞太,其中歐洲占比將近一半,而歐洲也正是全球推動資料主權的最大動力。

QNAP 的產品已取得 ISO 27001、ISO 27017 與 ISO 27018 等多項認證,並滿足 GDPR、HIPAA 等資料保護與法規遵循需求;累積至今,已售出約數百萬台裝置,協助企業打造智慧、安全的儲存方案。

至於普及時間點,劉文義提出一個明確的價格與效能交會點:地端應用若要順暢運作,運算量可能至少要達到 300 至 600 TOPS,甚至 800 TOPS,同時價格要落在新台幣 5 萬至 8 萬元。目前符合這些條件的硬體方案仍很有限。

qnap3.png
「AI NAS 不是多了 AI 功能,而是改寫了資料在工作流的位置。」威聯通科技總經理劉文義坦言,地端算力成本高昂,QNAP 透過「算力分級」與開放模型架構,助企業逐步建構私有 RAG 知識庫與 AI 團隊。
圖/ 數位時代

「預測約兩、三年後,應該很快會看到符合一般大眾期待、具備合理 CP 值的產品。那個時間點,就會是 AI 落地最蓬勃發展的時候。」在此之前,企業真正能先做的,不是搶著買最大的模型或最昂貴的顯示卡,而是把資料治理、使用權限與高價值場景準備好。

QNAP 以「資料煉油廠」比喻自己的角色:原油再多,沒有整理、提煉與配送的過程,也無法成為可用的能源。這個定位也點出地端 AI 的競賽條件——不是誰先買到算力,而是誰的資料先準備好被調用。模型會持續更換,但企業自己的資料層則會長期存在。

AI NAS 不是把模型塞進儲存設備,而是在資料必須留在企業內時,讓搜尋、推論與管理靠近資料的地端節點。

QNAP World Tour 2026 台北場將於 2026 年 9 月 18 日(五)舉行,現場將聚焦 AI 應用、儲存備份、網通產品、資安與監控,並安排 Live Demo,適合 IT 管理者、系統整合商與企業決策者參加。

活動地點:新板希爾頓酒店|如意 AB 廳

活動時間:09:20–16:00

地址:新北市板橋區民權路 88 號 2F

立即報名:https://bnex.tw/9f7my4

2026 QNAP 台灣企業資安韌性大調查,填問券抽好禮,倒數計時:https://www.surveycake.com/s/q4abw

登入數位時代會員

開啟專屬自己的主題內容,

每日推播重點文章

閱讀會員專屬文章

請先登入數位時代會員

看更多獨享內容

請先登入數位時代會員

開啟收藏文章功能,

請先登入數位時代會員

開啟訂閱文章分類功能,

請先登入數位時代會員

我還不是會員, 註冊去!
追蹤我們
台達電全解讀
© 2026 Business Next Media Corp. All Rights Reserved. 本網站內容未經允許,不得轉載。
106 台北市大安區光復南路102號9樓