物理 AI 驱动出行:全球无人出租车领先企业如何借助 NVIDIA 技术构建未来

    作为物理AI首个实现商业突破的领域，全球无人驾驶出租车市场规模预计将在2035年达到4,000亿美元，届时投入运营的商用车辆将超过600万辆。如今，无人出租车车队已在全球部分交通最繁忙、路况最复杂的街道上运送乘客。

   部署单辆无人出租车已颇具挑战，而将其扩展为车队，则对计算能力提出了更高的要求——这意味着数千辆车都必须提供同样安全、可靠的服务。

    为满足这些要求，无人出租车在整个开发周期内都需要海量算力：从AI模型的准备与训练，到驾驶行为的仿真与验证，再到车端的实时处理。

    NVIDIA为AI训练、仿真与安全验证打造了开放平台，其中包括库、软件开发工具包、工作流与模型，开发者可将这些与自己的技术栈结合使用。

    目前，开展商业化规模运营的主要无人出租车项目，都在使用NVIDIA的模块化技术栈，涵盖AI训练、仿真和车端计算，并根据需要组合使用这些能力，以支持车队的规模化开发与部署。

    什么是无人驾驶出租车技术栈？

    无人出租车技术栈，是用于开发、验证和部署自动驾驶汽车的一整套端到端技术，覆盖数据处理与AI模型训练、仿真、安全验证以及车端实时计算。

    NVIDIA的无人出租车和辅助驾驶汽车平台将这些能力整合为三台计算机解决方案：模型训练计算机、仿真与验证计算机，以及车载计算机。

    1.训练计算机：NVIDIADGX

    随着无人出租车项目不断将日益增长的车队数据转化为能力更强的模型，其智能化水平也在持续提升。驾驶模型可在NVIDIADGX系统上进行训练。

    NVIDIAAlpamayo产品组合涵盖开放的视觉-语言-动作(VLA)推理模型、仿真框架与物理AI数据集，为开发者提供可根据自身数据、需求和技术栈灵活调整的基础构件。其推理模型能够将复杂驾驶情境拆解为多个更小的步骤，逐步推理并选择最安全的行驶轨迹，从而帮助应对辅助驾驶汽车面临的长尾挑战。

    NVIDIA还提供物理AI数据集、强化学习蓝图，以及用于后训练和蒸馏的方法指导，帮助开发者针对目标车型优化模型。

    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，VLA推理模型的轨迹预测准确度得到提升，最小平均位移误差(即预测路径相对参考路线的平均偏差)从2.08降至1.18，降幅达43%。

    2.仿真与验证计算机：运行于NVIDIARTXPRO的NVIDIAOmniverse和Cosmos

    无人出租车项目不能仅依靠真实道路里程来覆盖罕见的长尾驾驶场景。NVIDIAOmniverseNuRec模型可基于传感器数据重建真实驾驶场景；NVIDIACosmos世界基础模型则能生成符合物理规律的场景变体，使开发者能够将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、光照与传感器条件的组合。

    NVIDIACosmos生成的场景变体可将真实世界的极端案例扩展为数千种涵盖驾驶行为与场景内容的合成组合，从而丰富辅助驾驶车辆的训练数据，加快模型部署。

    在NVIDIARTXPRO服务器上运行的NVIDIAOmniverse和Cosmos支持闭环仿真与验证。NVIDIAAlpaSim仿真框架进一步完善了推理模型的训练与评估工作流，帮助开发者在部署前发现潜在薄弱环节。

    3.车载计算机与传感器架构：搭载DRIVEAGX的NVIDIADRIVEHyperion

    NVIDIADRIVEHyperion是NVIDIA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。DRIVEHyperion10搭载两颗基于NVIDIABlackwell架构构建的NVIDIADRIVEAGXThor系统级芯片，并配备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。其冗余计算与感知设计可在传感器或计算组件发生故障时，支持车辆继续安全运行。

    双DRIVEAGXThor的设计旨在运行包括VLA模型在内的现代AI工作负载，为感知、推理、路径规划和驾驶决策提供支持。

    NVIDIAHalos通过HalosOS为量产落地提供安全基础，并构建了更完整的验证与认证框架，涵盖独立审查、系统验证、大规模仿真，以及从云端到车端的持续测试。

    采用NVIDIA无人出租车技术栈的行业领先企业

    NVIDIA的无人出租车生态覆盖亚洲、欧洲、中东和北美。如今，这些地区的商业化无人出租车服务正在不断发展。在这些市场中，出行服务提供商、辅助驾驶软件开发商与汽车制造商正采用NVIDIA的“三台计算机”解决方案，用于训练AI模型、仿真并验证驾驶行为，以及规模化部署辅助驾驶车辆。

    在全球范围内扩大无人出租车服务规模

    Uber正在扩大其基于NVIDIADRIVEHyperion的车队规模，计划到2028年将服务拓展至28个城市。Uber还与NVIDIA基于NVIDIACosmos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。此外，Uber和NVIDIA还与Autobrains、Avride、Lucid、MayMobility、梅赛德斯-奔驰、Momenta、日产、Nuro、小马智行、Stellantis、Waabi、Wayve、文远知行以及Zoox展开合作，共同将基于NVIDIA技术的无人出租车服务引入Uber平台。

    MayMobility计划通过Uber的网络运营无人驾驶网约车服务，同时基于NVIDIADRIVE平台开发其软件技术栈。

    Bolt使用NVIDIA技术在欧洲开发并规模化部署辅助驾驶汽车。

    Lyft计划将NVIDIADRIVEHyperion作为未来无人驾驶车队的参考架构。目前，搭载NVIDIADRIVE的MayMobility车辆也已在Lyft亚特兰大的服务网络中运营。

    通过与Grab的合作，文远知行计划将采用DRIVEHyperion和DRIVEAGXThor的GXR推向东南亚主要市场。

    Waymo与NVIDIA合作，共同构建其自动驾驶计算系统。

    打造无人出租车智能驾驶能力

    在这些服务背后，自动驾驶汽车开发商正在使用NVIDIA加速计算、仿真和车载平台，构建无人出租车所需的智能驾驶能力，并由运营商和汽车制造商将其部署到车队中。

    Wayve、日产和Uber正在开发一项面向全球市场的无人出租车项目，其原型车融合了日产的车辆工程能力、Wayve的具身AI，以及NVIDIADRIVEHyperion平台。

    Autobrains正分别与Uber和VinFast合作，在慕尼黑、和东南亚开发无人出租车项目。项目基于NVIDIADRIVEHyperion，并由Autobrains的代理式AI技术提供支持。

    Zoox使用NVIDIADRIVE提供车端计算能力，并开展基于云端的训练与仿真。

    Momenta正基于运行DRIVEOS的NVIDIADRIVEAGX开发其软件技术栈。

    小马智行基于NVIDIADRIVEHyperion和DRIVEAGXThor开发了新一代自动驾驶域控制器。

    Tensor正在开发L4级Robocar，其车载超级计算机采用8颗NVIDIADRIVEAGXThor系统级芯片。

    Waabi通过与Uber的部署合作进入无人出租车市场，其WaabiDriver平台基于NVIDIADRIVEAGXThor构建。

    TIERIV和五十铃正在部署基于NVIDIADRIVEHyperion和DRIVEAGXThor的L4级自动驾驶巴士。

    联想正为SWM的下一代无人出租车项目提供基于NVIDIADRIVEAGXThor的AD1L4级域控制器。

    元戎启行正在开发新一代无人出租车，采用NVIDIADRIVEHyperion平台与DRIVEAGXThor。

    推动无人出租车进入量产

    随着这些系统从研发迈向量产，汽车制造商正将NVIDIA技术整合到无人出租车的车型项目中。

    特斯拉在NVIDIA超级计算机上训练其自动驾驶神经网络。

    梅赛德斯-奔驰、NVIDIA与Uber正在合作打造基于全新S级轿车的无人出租车生态系统。该项目采用NVIDIADRIVEHyperion架构、全栈NVIDIADRIVEAVL4软件，以及NVIDIAAlpamayo开放AI模型、仿真工具和数据集，以支持基于推理、安全优先的自动驾驶能力。

    Stellantis、Wayve与Uber正在合作开发并部署L4级无人出行服务，采用NVIDIADRIVEHyperion与AI计算技术。

    Lucid、Nuro与Uber正在使用NVIDIADRIVEAGXThor开发面向全球的无人出租车服务。

    现代汽车与起亚正在深化与NVIDIA的合作，开发基于NVIDIADRIVEHyperion的数据驱动型自动驾驶系统。NVIDIA还将探索深化与现代汽车集团旗下合资公司Motional的合作，共同推进L4级无人出租车服务。

    吉利汽车及其生态合作伙伴计划采用DRIVEHyperion开发无人出租车并实现商业化。

    作为吉利汽车集团旗下品牌，极氪已采用DRIVEAGXThor打造中央域控制器。

    从云端到车端，NVIDIA加速计算贯穿无人出租车平台几乎所有环节的开发。