NVIDIA模块化三计算机平台用于AI训练、仿真和车内计算是基础技术

全球机器人出租车市场预计到2035年将达到4000亿美元，超过600万辆商业车辆投入运营，无人驾驶车队已经在世界上最繁忙、最复杂的街道上运送乘客。部署一辆无人驾驶汽车是一个挑战；将车队扩展到数千辆车代表了下一级别的计算挑战，需要在所有车辆上提供相同的安全、可靠的性能。

满足这些需求需要在机器人出租车开发生命周期中投入大量计算资源，从准备和训练AI模型到模拟和验证驾驶行为，以及车辆内的实时处理。NVIDIA提供了一个开放的AI训练、模拟和安全验证平台，包括库、软件开发工具包、工作流程和模型，开发者可以与自己的技术栈一起使用。目前在商业规模运营的每一个主要机器人出租车项目都运行在NVIDIA的模块化堆栈上，涵盖AI训练、模拟、车内计算或三者的组合。

机器人出租车技术栈是用于开发、验证和部署自动驾驶汽车的端到端技术集合，从数据和AI模型训练到模拟、安全验证和实时车内计算。NVIDIA的机器人出租车和自动驾驶汽车平台将这些功能整合在一个三计算机解决方案中：训练计算机、模拟和验证计算机以及车内计算机。

训练计算机使用NVIDIA DGX系统，其中机器人出租车智能随着程序将不断增长的车队数据转化为日益能力强大的模型而进步。NVIDIA的Alpamayo组合包括开放式推理视觉语言动作模型、模拟框架和物理AI数据集，为开发者提供可以适应自己数据、需求和技术栈的构建块。在一项具有挑战性的自动驾驶评估中，添加元动作和思维链推理数据改进了视觉语言动作模型的轨迹预测精度，将最小平均位移误差降低了43%，从2.08降低到1.18。

模拟和验证计算机运行在NVIDIA RTX PRO服务器上的NVIDIA Omniverse和Cosmos上。NVIDIA Omniverse NuRec模型从传感器数据重建真实驾驶场景，而NVIDIA Cosmos世界基础模型生成其物理基础变化，使开发者能够将数千个真实角落情况转化为数百万种驾驶行为、交通、天气、照明和传感器条件的组合。NVIDIA AlpaSim模拟框架扩展了用于训练和评估基于推理的自动驾驶模型的工作流程，帮助开发者在部署前识别弱点。

车内计算机使用NVIDIA DRIVE Hyperion，这是NVIDIA为4级无人驾驶出租车设计的模块化车内计算和传感器参考架构。DRIVE Hyperion 10配备双NVIDIA DRIVE AGX Thor片上系统，基于NVIDIA Blackwell平台，配有14个高清摄像头、9个雷达、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。其冗余计算和传感设计支持在传感器或计算组件故障时进行故障运行驾驶。

NVIDIA的机器人出租车生态系统跨越商业机器人出租车服务正在出现的每一个地区：亚洲、欧洲、中东和北美。Uber正在扩展其NVIDIA DRIVE Hyperion车队，计划到2028年覆盖28个城市。Lyft计划将NVIDIA DRIVE Hyperion用作未来自动驾驶车队的参考架构。Waymo与NVIDIA合作帮助构建其自动驾驶计算系统。WeRide计划通过与Grab的合作将其基于DRIVE Hyperion和DRIVE AGX Thor的车辆推向东南亚的关键市场。其他采用NVIDIA平台的合作伙伴包括Wayve、Nissan、Autobrains、Zoox、Momenta、Pony.ai、Tensor、Waabi、TIER IV、Isuzu、Lenovo和DeepRoute.ai等，其中Wayve、Nissan和Uber正在开发一个全球机器人出租车项目，使用结合了Nissan的车辆工程、Wayve的具身AI和NVIDIA DRIVE Hyperion平台的原型车。