NVIDIA 发布面向无人驾驶出租车的模块化全栈方案，并将其归纳为“三台计算机”：负责模型训练的 DGX、负责仿真与验证的 Omniverse 与 Cosmos（运行于 RTX PRO 服务器），以及负责车端实时计算的 Hyperion 计算与传感器架构。NVIDIA 援引行业预测称，无人出租车市场规模有望在 2035 年达到 4000 亿美元，届时投入运营的商用车辆将超过 600 万辆。
训练侧，驾驶模型在 DGX 系统上训练。NVIDIA Alpamayo 产品组合提供开放的视觉-语言-动作（VLA）推理模型、仿真框架与物理 AI 数据集，其推理模型能够把复杂驾驶情境拆解为更小的步骤逐步推理，选择最安全的行驶轨迹。在一项高难度的自动驾驶评估中，加入元动作与思维链推理数据后，最小平均位移误差从 2.08 降至 1.18，降幅达 43%。
仿真侧，Omniverse NuRec 模型可基于传感器数据重建真实驾驶场景，Cosmos 世界基础模型生成符合物理规律的场景变体，把数千个真实世界的极端案例扩展为数百万种驾驶行为、交通、天气、光照与传感器条件组合。在 RTX PRO 服务器上运行的 Omniverse 与 Cosmos 支持闭环仿真与验证，AlpaSim 仿真框架则补齐推理模型的训练与评估流程，帮助在部署前发现薄弱环节。
车端，Hyperion 是面向 L4 级无人出租车打造的模块化车端计算与传感器参考架构。Hyperion 10 搭载两颗基于 Blackwell 架构的 NVIDIA DRIVE AGX Thor 系统级芯片，配备 14 个高清摄像头、9 个毫米波雷达、3 个激光雷达和 12 个超声波传感器，实现实时 360 度传感器融合；冗余计算与感知设计可在传感器或计算组件故障时支持车辆继续安全运行。NVIDIA Halos 则通过 Halos OS 提供量产落地的安全基础，并覆盖独立审查、系统验证、大规模仿真与从云端到车端的持续测试。
生态层面，Uber 正扩大基于 Hyperion 的车队规模，计划到 2028 年将服务拓展至 28 个城市，并与 NVIDIA 基于 Cosmos 共同构建无人出租车 AI 数据工厂，用于筛选车队驾驶数据中的罕见场景。Lyft 计划把 Hyperion 作为未来无人驾驶车队的参考架构；Waymo 与 NVIDIA 合作构建其自动驾驶计算系统；文远知行计划通过与 Grab 的合作，把采用 Hyperion 和 DRIVE AGX Thor 的 GXR 推向东南亚主要市场。
从开发到量产，参与者还在继续增加：Wayve、日产与 Uber 的原型车融合了日产整车工程、Wayve 具身 AI 与 Hyperion 平台；Autobrains 分别与 Uber、VinFast 在慕尼黑和东南亚推进项目；小马智行基于 Hyperion 与 DRIVE AGX Thor 开发新一代自动驾驶域控制器；Tensor 的 L4 级 Robocar 车载超级计算机采用 8 颗 DRIVE AGX Thor；梅赛德斯-奔驰、NVIDIA 与 Uber 则基于全新 S 级轿车打造无人出租车生态，采用 Hyperion、全栈 DRIVE AV L4 软件与 Alpamayo 开放模型。
WeChat
Profile