Η αγορά των robotaxi διαμορφώνεται ως μία από τις πρώτες μεγάλες εμπορικές εφαρμογές του physical AI, με την NVIDIA να υποστηρίζει ότι η τεχνολογική της πλατφόρμα χρησιμοποιείται σήμερα από όλα τα μεγάλα προγράμματα που λειτουργούν ήδη σε εμπορική κλίμακα. Σύμφωνα με τα στοιχεία που παραθέτει η εταιρεία, η παγκόσμια αγορά μπορεί να φτάσει τα 400 δισ. δολάρια έως το 2035, ενώ πάνω από 6 εκατομμύρια εμπορικά οχήματα αναμένεται να βρίσκονται σε λειτουργία. Το κρίσιμο ζήτημα, ωστόσο, δεν είναι μόνο η ανάπτυξη ενός αυτόνομου οχήματος, αλλά η ασφαλής και αξιόπιστη επέκταση ενός ολόκληρου στόλου σε διαφορετικές πόλεις και συνθήκες κυκλοφορίας.
Σε αυτό το σημείο η NVIDIA προβάλλει τη δική της προσέγγιση, παρουσιάζοντας μια ανοιχτή και αρθρωτή στοίβα τεχνολογιών που καλύπτει όλο τον κύκλο ζωής ενός robotaxi. Η προσέγγιση συνδέει την εκπαίδευση μοντέλων τεχνητής νοημοσύνης, την προσομοίωση και την επικύρωση της οδηγικής συμπεριφοράς, καθώς και την επεξεργασία δεδομένων σε πραγματικό χρόνο μέσα στο όχημα. Η εταιρεία δεν περιορίζεται σε ένα μόνο επίπεδο της υποδομής, αλλά επιχειρεί να καλύψει το σύνολο, από το cloud έως το αυτοκίνητο, με βιβλιοθήκες, SDKs, ροές εργασίας και μοντέλα που μπορούν να συνδυαστούν με τεχνολογίες τρίτων.
Η πρόκληση δεν είναι το όχημα, αλλά ο στόλος
Η μετάβαση από ένα πειραματικό αυτόνομο όχημα σε έναν εμπορικό στόλο χιλιάδων μονάδων δημιουργεί πολύ διαφορετικές απαιτήσεις. Ένα robotaxi πρέπει να αποδίδει με τον ίδιο τρόπο σε πολύπλοκες διασταυρώσεις, διαφορετικά καιρικά φαινόμενα, απρόβλεπτη συμπεριφορά άλλων οδηγών και σπάνια περιστατικά που δεν εμφανίζονται εύκολα στις δοκιμές πεδίου. Για να επιτευχθεί αυτό, απαιτείται τεράστια υπολογιστική ισχύς σε όλα τα στάδια ανάπτυξης και λειτουργίας. Η NVIDIA υποστηρίζει ότι αυτή ακριβώς η ανάγκη είναι που μετατρέπει την αυτόνομη οδήγηση σε πρόβλημα συνολικής υπολογιστικής αρχιτεκτονικής.
Η εταιρεία οργανώνει αυτή την αρχιτεκτονική γύρω από τρεις υπολογιστές: τον υπολογιστή εκπαίδευσης μοντέλων, τον υπολογιστή προσομοίωσης και επικύρωσης και τον υπολογιστή μέσα στο όχημα. Με αυτό το σχήμα επιχειρεί να περιγράψει μια ενιαία αλυσίδα, όπου τα δεδομένα στόλου τροφοδοτούν την εκπαίδευση, τα μοντέλα δοκιμάζονται εκτενώς σε συνθετικά και πραγματικά σενάρια και έπειτα μεταφέρονται σε παραγωγικά συστήματα οδήγησης. Η λογική αυτή δείχνει ότι η κλιμάκωση των robotaxi δεν βασίζεται μόνο στην πρόοδο της AI, αλλά και στη δυνατότητα επαναλαμβανόμενης και μετρήσιμης επικύρωσης.
Εκπαίδευση μοντέλων με NVIDIA DGX και Alpamayo
Στο πρώτο επίπεδο βρίσκεται η εκπαίδευση των μοντέλων οδήγησης σε συστήματα NVIDIA DGX. Η εταιρεία αναφέρει ότι τα προγράμματα robotaxi μετατρέπουν συνεχώς μεγαλύτερους όγκους δεδομένων από τον στόλο τους σε πιο ικανά μοντέλα, αξιοποιώντας το χαρτοφυλάκιο NVIDIA Alpamayo. Εκεί εντάσσονται ανοικτά μοντέλα vision-language-action, πλαίσια προσομοίωσης και σύνολα δεδομένων για physical AI, τα οποία οι ομάδες ανάπτυξης μπορούν να προσαρμόσουν στις δικές τους ανάγκες.
Ιδιαίτερη έμφαση δίνεται στα μοντέλα συλλογισμού, που σύμφωνα με την NVIDIA βοηθούν στην αντιμετώπιση των λεγόμενων long-tail προβλημάτων της αυτόνομης οδήγησης. Η βασική ιδέα είναι ότι πολύπλοκες κυκλοφοριακές καταστάσεις αναλύονται σε μικρότερα βήματα, ώστε το σύστημα να επιλέγει την ασφαλέστερη τροχιά. Η εταιρεία παραθέτει επίσης ένα συγκεκριμένο αποτέλεσμα αξιολόγησης, σύμφωνα με το οποίο η προσθήκη δεδομένων meta-action και chain-of-thought βελτίωσε κατά 43% την ακρίβεια πρόβλεψης τροχιάς ενός VLA μοντέλου. Η απόκλιση από τη διαδρομή αναφοράς μειώθηκε από 2,08 σε 1,18, στοιχείο που χρησιμοποιείται ως ένδειξη της επίδρασης του reasoning στη συμπεριφορά του μοντέλου.
Προσομοίωση, σύνθεση σεναρίων και επικύρωση
Το δεύτερο επίπεδο αφορά την προσομοίωση και την επικύρωση, όπου η NVIDIA τοποθετεί τα Omniverse και Cosmos σε servers με NVIDIA RTX PRO. Η εταιρεία επισημαίνει ότι τα πραγματικά χιλιόμετρα δοκιμών δεν αρκούν για να καλύψουν όλα τα σπάνια ή οριακά περιστατικά που μπορεί να συναντήσει ένα robotaxi. Γι’ αυτό προτείνει μια διαδικασία στην οποία πραγματικά σενάρια ανακατασκευάζονται από δεδομένα αισθητήρων μέσω των μοντέλων Omniverse NuRec. Στη συνέχεια, τα Cosmos world foundation models δημιουργούν φυσικά πειστικές παραλλαγές αυτών των σεναρίων.
Το πρακτικό αποτέλεσμα αυτής της προσέγγισης είναι ότι μερικές χιλιάδες δύσκολες περιπτώσεις από τον δρόμο μπορούν να μετατραπούν σε εκατομμύρια συνδυασμούς συμπεριφοράς, κυκλοφορίας, φωτισμού, καιρικών συνθηκών και χαρακτηριστικών αισθητήρων. Η προσομοίωση κλειστού βρόχου επιτρέπει στους προγραμματιστές να εξετάζουν πώς αντιδρά το μοντέλο όταν οι αποφάσεις του επηρεάζουν διαδοχικά την εξέλιξη του σεναρίου. Παράλληλα, το πλαίσιο AlpaSim επεκτείνει αυτή τη ροή εργασίας για την εκπαίδευση και αξιολόγηση μοντέλων αυτόνομης οδήγησης που βασίζονται σε reasoning, με στόχο τον εντοπισμό αδυναμιών πριν από την ανάπτυξη στον δρόμο.
Η αρχιτεκτονική μέσα στο όχημα
Στο τρίτο επίπεδο βρίσκεται το NVIDIA DRIVE Hyperion, η αρθρωτή αρχιτεκτονική αναφοράς της εταιρείας για robotaxi έτοιμα για επίπεδο 4. Η έκδοση DRIVE Hyperion 10 συνδυάζει δύο συστήματα NVIDIA DRIVE AGX Thor, βασισμένα στην πλατφόρμα NVIDIA Blackwell, με ένα εκτεταμένο πακέτο αισθητήρων. Σύμφωνα με την περιγραφή της εταιρείας, περιλαμβάνει 14 κάμερες υψηλής ευκρίνειας, εννέα radar, τρία lidar και 12 υπερηχητικούς αισθητήρες, ώστε να επιτυγχάνεται σύντηξη δεδομένων 360 μοιρών σε πραγματικό χρόνο.
Η έμφαση εδώ δίνεται στον πλεονασμό, τόσο στο υπολογιστικό όσο και στο αισθητηριακό επίπεδο. Η NVIDIA αναφέρει ότι η σχεδίαση υποστηρίζει fail-operational οδήγηση, δηλαδή συνέχιση της λειτουργίας ακόμη και αν αποτύχει ένας αισθητήρας ή ένα υπολογιστικό υποσύστημα. Τα διπλά DRIVE AGX Thor προορίζονται να εκτελούν σύγχρονα φορτία AI, συμπεριλαμβανομένων VLA μοντέλων, για αντίληψη, συλλογισμό, σχεδιασμό πορείας και ενέργειες οδήγησης. Σε επίπεδο ασφάλειας, το NVIDIA Halos προστίθεται ως έτοιμη βάση για παραγωγική χρήση, μαζί με ένα ευρύτερο πλαίσιο επικύρωσης, επιθεώρησης και συνεχών δοκιμών από το cloud έως το όχημα.
Οι συνεργασίες που δείχνουν την κλίμακα
Η πιο ουσιαστική διάσταση της ανακοίνωσης είναι ο κατάλογος των συνεργασιών που παρουσιάζει η NVIDIA σε Ασία, Ευρώπη, Μέση Ανατολή και Βόρεια Αμερική. Η Uber σχεδιάζει την επέκταση του στόλου της που βασίζεται σε NVIDIA DRIVE Hyperion σε 28 πόλεις έως το 2028, ενώ μαζί με τη NVIDIA αναπτύσσει και ένα robotaxi AI data factory πάνω στο NVIDIA Cosmos για τη διαχείριση σπάνιων σεναρίων από δεδομένα στόλου. Η εταιρεία αναφέρει επίσης συνεργασίες της Uber με τις Autobrains, Avride, Lucid, May Mobility, Mercedes-Benz, Momenta, Nissan, Nuro, Pony.ai, Stellantis, Waabi, Wayve, WeRide και Zoox για υπηρεσίες robotaxi που θα στηρίζονται σε τεχνολογίες NVIDIA.
Παράλληλα, άλλοι μεγάλοι παίκτες ακολουθούν διαφορετικές εκδοχές της ίδιας στοίβας. Η May Mobility αναπτύσσει το λογισμικό της στην πλατφόρμα NVIDIA DRIVE και λειτουργεί ήδη οχήματα στο δίκτυο της Lyft στην Ατλάντα. Η WeRide, μέσω συνεργασίας με τη Grab, σχεδιάζει να φέρει το GXR σε βασικές αγορές της Νοτιοανατολικής Ασίας, ενώ η Waymo συνεργάζεται με τη NVIDIA για το αυτόνομο υπολογιστικό της σύστημα. Το ενδιαφέρον δεν περιορίζεται στις υπηρεσίες ride-hailing, αφού οι TIER IV και Isuzu προωθούν επίσης αυτόνομα λεωφορεία επιπέδου 4 πάνω στην ίδια οικογένεια τεχνολογιών.
Από την ανάπτυξη στην παραγωγή
Η εικόνα ολοκληρώνεται με τις αυτοκινητοβιομηχανίες και τους προμηθευτές που μεταφέρουν αυτές τις υποδομές από το στάδιο ανάπτυξης στην παραγωγή. Η Tesla χρησιμοποιεί NVIDIA supercomputers για την εκπαίδευση των νευρωνικών δικτύων αυτόνομης οδήγησης, ενώ η Mercedes-Benz συνεργάζεται με τη NVIDIA και την Uber για ένα οικοσύστημα robotaxi βασισμένο στη νέα S-Class. Σε αυτή την περίπτωση, η βάση περιλαμβάνει την αρχιτεκτονική NVIDIA DRIVE Hyperion, το λογισμικό NVIDIA DRIVE AV L4 και τα ανοικτά μοντέλα και εργαλεία του NVIDIA Alpamayo.
Αντίστοιχα, οι Stellantis, Wayve και Uber συνεργάζονται για υπηρεσίες κινητικότητας χωρίς οδηγό επιπέδου 4, αξιοποιώντας το DRIVE Hyperion και τις υπολογιστικές τεχνολογίες AI της NVIDIA. Οι Lucid, Nuro και Uber κινούνται προς μια παγκόσμια υπηρεσία robotaxi με DRIVE AGX Thor, ενώ οι Hyundai Motor και Kia επεκτείνουν τη συνεργασία τους με τη NVIDIA σε συστήματα αυτόνομης οδήγησης που βασίζονται σε δεδομένα. Η Geely σχεδιάζει εμπορική αξιοποίηση robotaxi με το οικοσύστημά της, και η Zeekr έχει ήδη υιοθετήσει το DRIVE AGX Thor για κεντρικό domain controller. Όλα αυτά ενισχύουν το βασικό συμπέρασμα της ανακοίνωσης, ότι η μάχη στα robotaxi κρίνεται όλο και περισσότερο στην υπολογιστική υποδομή που συνδέει μοντέλα, προσομοίωση, ασφάλεια και παραγωγική λειτουργία.
Τι σημαίνει η στρατηγική της NVIDIA για την αγορά
Το πιο σημαντικό στοιχείο δεν είναι μόνο ο αριθμός των συνεργατών, αλλά ο τρόπος με τον οποίο η NVIDIA επιχειρεί να καθιερωθεί ως ο κοινός τεχνολογικός παρονομαστής σε μια κατακερματισμένη αγορά. Αντί να τοποθετείται αποκλειστικά ως προμηθευτής chip, προτείνει ένα πλήρες πλαίσιο ανάπτυξης και λειτουργίας, όπου η εκπαίδευση, η προσομοίωση, η πιστοποίηση και η υπολογιστική ισχύς μέσα στο όχημα συνδέονται σε ενιαία ροή. Για τους κατασκευαστές και τους παρόχους υπηρεσιών, αυτό μπορεί να μειώνει τον χρόνο ενοποίησης διαφορετικών εργαλείων και να επιταχύνει τη μετάβαση από τα πιλοτικά προγράμματα σε εμπορικές υπηρεσίες.
Ταυτόχρονα, η ίδια η ανακοίνωση δείχνει ότι η αγορά robotaxi παραμένει πεδίο έντονου ανταγωνισμού, όπου διαφορετικοί παίκτες επιλέγουν κοινές υποδομές αλλά διατηρούν ξεχωριστά μοντέλα, λογισμικό και επιχειρησιακές στρατηγικές. Η NVIDIA δεν ισχυρίζεται ότι προσφέρει ένα έτοιμο καθολικό σύστημα, αλλά ένα αρθρωτό οικοσύστημα πάνω στο οποίο οι συνεργάτες της χτίζουν τις δικές τους λύσεις. Αυτό είναι πιθανό να εξηγεί γιατί η παρουσία της εκτείνεται ταυτόχρονα σε υπηρεσίες μετακίνησης, εταιρείες AV, αυτοκινητοβιομηχανίες και προμηθευτές domain controllers. Σε μια αγορά όπου η ασφάλεια και η κλιμάκωση είναι εξίσου κρίσιμες, αυτή η οριζόντια θέση ίσως αποδειχθεί το σημαντικότερο ανταγωνιστικό της πλεονέκτημα.
