輝達在其官方部落格中詳細介紹了面向機器人計程車的全棧開放平台，並指出目前所有實現商業化規模運營的主要機器人計程車專案，都在使用輝達的模組化技術棧。該市場被輝達視為物理AI的首個商業化突破，預計到2035年規模將達到4000億美元，屆時將有超過600萬輛商業車輛投入運營。

部署一輛無人駕駛汽車是一回事，將車隊規模化則是更高層級的計算挑戰——需要在數千輛車上交付同樣安全、可靠的效能。輝達認為，這要求在機器人計程車開發的整個生命週期中投入大量算力，從準備和訓練AI模型，到模擬和驗證駕駛行為，再到車內的即時處理。為此，輝達提供了一套開放平台，涵蓋AI訓練、模擬和安全驗證，並配套庫、軟體開發工具包、工作流和模型，開發者可將其與自有技術棧結合使用。

輝達將機器人計程車技術棧定義為開發、驗證和部署自動駕駛汽車所需的端到端技術集合，其平台將相關能力整合為“三計算機”方案：模型訓練計算機、模擬與驗證計算機、車載計算機。

在訓練環節，駕駛模型可在NVIDIA DGX系統上訓練。輝達的Alpamayo系列開放推理視覺語言動作（VLA）模型、模擬框架和物理AI資料集，為開發者提供可適配自身資料、需求和技術棧的構建模組。其推理模型通過將複雜駕駛場景拆解為更小步驟、逐一推理並選擇最安全軌跡，來應對長尾自動駕駛難題。輝達還提供物理AI資料集、強化學習藍圖以及後訓練和蒸餾配方。在一項具有挑戰性的自動駕駛評測中，加入元動作和思維鏈推理資料後，VLA模型的軌跡預測準確率得到提升，最小平均位移誤差從2.08降至1.18，降幅達43%。

在模擬與驗證環節，機器人計程車專案無法僅靠物理里程來覆蓋罕見的長尾駕駛場景。輝達的Omniverse NuRec模型可從感測器資料重建真實駕駛場景，而Cosmos世界基礎模型則生成基於物理的變體，使開發者能將數千個真實極端案例轉化為數百萬種駕駛行為、交通、天氣、光照和感測器條件的組合。這些能力執行在NVIDIA RTX PRO伺服器上，支援閉環模擬與驗證。AlpaSim模擬框架則擴充套件了訓練和評估基於推理的自動駕駛模型的工作流，幫助開發者在部署前發現弱點。

在車載計算與感測器架構方面，NVIDIA DRIVE Hyperion是面向L4級機器人計程車的模組化車載計算與感測器參考架構。DRIVE Hyperion 10搭載雙NVIDIA DRIVE AGX Thor系統級晶片，基於NVIDIA Blackwell平台，並配備14個高畫質攝像頭、9個雷達、3個雷射雷達和12個超聲波感測器，實現即時360度感測器融合。其冗餘計算和感測設計支援在感測器或計算元件失效時仍能繼續行駛。雙DRIVE AGX Thor旨在執行包括VLA模型在內的現代AI工作負載，用於感知、推理、路徑規劃和駕駛動作。NVIDIA Halos通過Halos OS提供生產就緒的安全基礎，並覆蓋從雲端到車端的獨立檢查、系統驗證、大規模模擬和持續測試的驗證與認證框架。

輝達的機器人計程車生態覆蓋亞洲、歐洲、中東和北美等商業機器人計程車服務正在興起的地區。移動出行提供商、自動駕駛開發商和汽車製造商正在採用其三計算機架構來訓練AI模型、模擬驗證駕駛行為並規模化部署自動駕駛車輛。

在具體合作方面，優步正在擴充套件其搭載NVIDIA DRIVE Hyperion的車隊，計劃到2028年覆蓋28個城市。優步與輝達還在基於NVIDIA Cosmos構建機器人計程車AI資料工廠，用於整理車隊駕駛資料中的罕見場景。雙方還與Autobrains、Avride、Lucid、May Mobility、Mercedes-Benz、Momenta、Nissan、Nuro、Pony.ai、Stellantis、Waabi、Wayve、WeRide和Zoox合作，將輝達賦能的機器人計程車服務引入優步平台。May Mobility計劃通過優步網路運營自動駕駛網約車服務，同時在NVIDIA DRIVE平台上開發其軟體棧。Bolt利用輝達技術在歐洲開發和擴充套件自動駕駛汽車。Lyft計劃將NVIDIA DRIVE Hyperion作為未來自動駕駛車隊的參考架構。May Mobility的車輛目前也在Lyft位於亞特蘭大的網路上運營。

從產業視角看，輝達正試圖將機器人計程車從單一車輛部署推向車隊規模化，其開放平台策略意在成為自動駕駛開發者的底層算力與工具底座。隨著優步、Lyft等出行平台和多家自動駕駛公司接入，輝達在物理AI領域的生態卡位進一步清晰，但該市場的商業化節奏仍取決於各地監管進展與運營成本。