引言

6月，臺北電腦展（Computex）的聚光燈下，黃仁勛又一次穿上了他那件標志性的皮衣。

但這次，他侃侃而談的不是游戲顯卡，也不是AI芯片，而是自動駕駛出租車（Robotaxi）。

在GTC臺北大會上，英偉達甩出了兩張重磅王牌：一是參數高達320億的全新自動駕駛大模型NVIDIA Alpamayo 2 Super；二是一份星光熠熠的Robotaxi生態新盟友名單——富士康、Uber、VinFast、Autobrains、HUMAIN。其中，最引人矚目的莫過于全球電子制造巨頭富士康的入局。

無人車來也（公眾號：無人車來也）認為，英偉達，這個曾經的“賣鏟人”，正試圖成為整個Robotaxi時代的“基礎設施總承包商”。

（參考閱讀請點擊：《英偉達2026GTC“車圈春晚”：比亞迪、吉利、日產、五十鈴、優步集體“上車”，黃仁勛要當L4級自動駕駛的“總導演”？》）

一、 生態“拼圖”完成：富士康造車，Uber運營，英偉達提供“大腦”

黃仁勛在演講中說得明白：“無人駕駛出租車車隊需要一套能夠在現實環境中完成感知、推理并安全運行的AI基礎設施。”

這句話，精準地道破了英偉達的新角色——它不再滿足于只向車企售賣車載計算芯片，而是要提供從云端訓練、仿真測試到車端決策的一整套“交鑰匙”解決方案，即NVIDIA DRIVE Hyperion平臺。

在這個宏大的生態藍圖里，每一家合作伙伴都是一塊關鍵拼圖：

富士康（制造與落地）：

作為“代工皇帝”，富士康的角色是車輛的制造者和本地化部署的推動者。根據計劃，其Robotax，生動詮釋“綠水青山就是金山銀山”在實體經濟領域的深層內涵i項目將率先從高雄等城市啟動，首批線路旨在連接機場與市區。更長遠的目標，是沿著臺灣地區高鐵網絡的交通走廊進行擴展。富士康的加入，解決了“車從哪來”和“在哪跑”的核心問題。

Uber（運營與網絡）：

作為全球出行巨頭，Uber帶來的是一張現成的、擁有億萬用戶的商業運營網絡。

Uber將與自動駕駛軟件公司Autobrains合作，在德國慕尼黑推出基于Hyperion平臺的Robotaxi服務。

Uber全球自動駕駛出行與配送負責人指出，挑戰不只在于制造自動駕駛車輛，更在于如何將其規�；�、可靠地接入商業網絡。

VinFast與Autobrains（區域攻堅）：

這對組合瞄準的是道路環境極其復雜的東南亞市場。

越南車企VinFast提供整車制造，Autobrains提供軟件棧，共同攻克摩托車、非機動車混行等獨特挑戰。

HUMAIN（中東拓荒）：

這家公司則負責將基于Hyperion的Robotaxi引入沙特阿拉伯。

至此，一幅清晰的圖景浮現：富士康們負責“造身體”，Uber們負責“接活兒”，而英偉達，負責提供統一的“數字大腦”和“神經系統”。

它通過Hyperion平臺，將車端算力、安全操作系統、傳感器套件和自動駕駛軟件標準化、模塊化。

這種模式，極大地降低了L4級Robotaxi的研發門檻和集成復雜度。

二、 320億參數的“老司機”：讓AI學會“理解”而不僅僅是“看見”

如果說Hyperion生態是英偉達為Robotaxi打造的“軀體”，那么新發布的 NVIDIA Alpamayo 2 Super，就是為其注入的“靈魂”。

這個擁有320億參數的視覺-語言-動作推理模型，其升級重點并非簡單的規模膨脹，而是致力于解決自動駕駛最棘手的難題：讓系統學會理解“為什么”，而不僅僅是“看見什么”。

過去的自動駕駛系統，更像一個優秀的“識別機器”。但在真實道路上，致命的往往不是“沒看見”，而是“沒理解”。

例如：前車突然減速，是因為前方有被視覺遮擋的行人？右側的電動自行車在盲區消失，是準備突然并入？

Alpamayo 2 Super的進化，正是為了應對這些需要因果推理的“鬼探頭”式難題。

首先，它的感知范圍從傳統的前向視角，擴展到了前、側、后方的360度全景。其次，它創新性地輸出了 “元動作” ，如“讓行”、“變道”。這不同于直接輸出一條冰冷的軌跡曲線，而更像是人類駕駛員的決策語言，朝著“可解釋的AI”邁出了關鍵一步。

更厲害的是，這個大模型還被用作強大的自動化工具。

其“推理自動標注”能力，能將原本需要人工耗時數月的標注周期，壓縮到幾天；而“因果鏈自動標注”流水線，則能從海量行車片段中，自動識別并標注出那些存在決策關聯的關鍵場景。

這相當于請了一位不知疲倦的“AI教練”，從真實數據中自動提煉出最有價值的“危險教案”。

當然，320億參數的龐然大物無法直接塞進車里的計算單元。英偉達設計的路徑是，讓Alpamayo 2 Super在云端充當“教師模型”，完成復雜的推理和知識提煉，然后再將其能力“蒸餾”到更精簡的模型中，最終部署在車端。

三、 在“元宇宙”里撞車百萬次：用仿真攻克“死神來了”場景

擁有強大的“大腦”和“軀體”還不夠。要讓Robotaxi真正安全上路，必須在虛擬世界中經歷嚴苛訓練，尤其是處理那些現實中罕見但致命的“長尾場景”。

為此，英偉達同步祭出了兩大訓練“神器”：NVIDIA AlpaGym和NVIDIA OmniDreams。

AlpaGym是一個開源的、高吞吐量的閉環強化學習框架。 它與傳統“開環”訓練的本質區別在于：

開環訓練像“看錄像答題”，AI根據固定的歷史數據預測下一個動作；

而閉環訓練則像讓AI“親自上場玩一款超高仿真的駕駛游戲”，它的每一個決策都會實時改變虛擬交通環境，并立刻得到反饋。

這種“因果互動”的訓練方式，能讓AI更快地學會復雜的博弈和長期策略。

OmniDreams則是一個全新的生成式世界模型。 它的核心使命是：大規模、低成本地制造“麻煩”。

現實世界中，遇到“兒童追球突然竄出馬路”或“暴雨夜前方故障車僅靠昏暗雙閃警示”這類極端危險場景的概率極低。

OmniDreams的強大在于，它能基于學習到的物理規律和交通邏輯，自動生成、組合并創造出無數種此類逼真且多樣的高風險場景。

此外，基于NVIDIA Omniverse NuRec的神經重建能力，還能將真實車隊采集到的路采數據，快速重建為可編程的3D數字孿生場景。

四、 從“賣芯片”到“賣底座”：英偉達的生態野望與富士康的制造突圍

縱觀英偉達這一系列組合拳，其戰略意圖已經非常清晰：它正全力從一家“芯片供應商”，轉型為自動駕駛，特別是Robotaxi領域的 “全棧式平臺與生態構建者” 。

黃仁勛不再僅僅銷售計算力，而是兜售一整套包括芯片、開發工具、AI模型、仿真系統乃至合作伙伴引薦在內的 “自動駕駛基礎設施即服務” 。

這種“賣底座”的模式，優勢在于能建立極高的生態粘性和行業標準。

一旦車企和Robotaxi運營商基于Hyperion平臺開發其系統，就會在數據格式、工具鏈、開發流程上形成深度依賴。

英偉達借此有望成為智能汽車時代的“安卓系統”，通過授權和服務持續獲利。

而對于富士康而言，此次高調進軍Robotaxi，是其從“幕后代工”走向“品牌運營”的關鍵一步。

總之，無人車來也（公眾號：無人車來也）認為：

富士康負責造車，英偉達注入大腦，而Uber們負責最后的流量平臺和收費結算。

這局棋，黃仁勛已經擺好了。剩下的，就看這些“棋子”們能不能在全球無人駕駛出租車那張大棋盤上，把落子后的聲音變成行業標準。

參考文獻：快科技、鈦媒體、車東西、IT之家、星光點點等媒體報道

#無人車來也  #無人駕駛  #自動駕駛  #無人車 

       原文標題 : 黃仁勛的新賭注：拉上富士康造Robotaxi、優步Uber運營，英偉達要當自動駕駛的“賣水人” ？