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。
规模化部署无人出租车车队要求整个开发周期内都提供海量算力：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。
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。
训练计算机：NVIDIA DGX
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 NVIDIA DGX 系统上进行训练。
NVIDIA Alpamayo 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。
仿真与验证计算机：运行于 NVIDIA RTX PRO 的 NVIDIA Omniverse 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。NVIDIA Omniverse NuRec 模型可基于传感器数据重建真实驾驶场景；NVIDIA Cosmos 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。
车载计算机与传感器架构：搭载 DRIVE AGX 的 NVIDIA DRIVE Hyperion
NVIDIA DRIVE Hyperion 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。DRIVE Hyperion 10 搭载两颗基于 NVIDIA Blackwell 架构构建的 NVIDIA DRIVE AGX Thor 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。
NVIDIA Halos 通过 Halos OS 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。
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。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
在全球范围内，Uber、May Mobility、Bolt、Lyft、Grab、文远知行、Waymo等出行平台正与 NVIDIA 共同加速无人出租车服务的规模化落地。
打造无人出租车智能驾驶能力
在这些服务背后，Wayve、日产、Uber、Autobrains、VinFast、Zoox、Momenta、小马智行、Tensor、Waabi、TIER IV、五十铃、联想、SWM、元戎启行等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。
推动无人出租车进入量产
随着这些系统从研发迈向量产，特斯拉、梅赛德斯-奔驰、Stellantis、Wayve、Uber、Lucid、Nuro、现代汽车、起亚、吉利汽车、极氪等汽车制造商正将 NVIDIA 技术整合到无人出租车的车型项目中。
以上为摘要内容，请点击“阅读原文”或扫描下方二维码阅读完整内容：
