10萬輛！英偉達聯手Uber，為L4商業化按下加速鍵

當整個行業還在思考如何將L4 級自動駕駛商業化落地，英偉達與 Uber 的聯手直接扔下了一顆改寫游戲規則的重磅炸彈。

2025 年 10 月28日的 GTC 大會上，英偉達發布全新的DRIVE AGX Hyperion 10 （后簡稱 DRIVE Hyperion 10）自動駕駛平臺。

教主黃仁勛宣布，與Uber達成合作，幫助Uber逐步擴大其全球自動駕駛車隊的規模，計劃自 2027 年起逐步擴展至 10 萬輛。

這不是一次簡單的技術合作，而是芯片巨頭與出行巨頭的「雙向奔赴」—— 通過「技術全棧+出行生態+數據閉環」的三重綁定，給出自己對于L4商業化落地的思考。

01 DRIVE AGX Hyperion 10

我們要從DRIVE Hyperion 10說起，這是這次合作的基礎。

NVIDIA DRIVE AGX Hyperion是英偉達推出的自動駕駛參考平臺，你可以理解為這是一套系統級解決方案。

DRIVE Hyperion 10則是最新版本，專為 L4 級自動駕駛設計，集成了2000 TOPS 超高算力、精簡高效的傳感器套件和完整的安全冗余架構。

通俗一點，這就是一套L4級別的「交鑰匙」解決方案。

在感知系統上，英偉達展現了「算法自信」：相比前代，Hyperion 10 在硬件上精簡了 2 個激光雷達和 8 個超聲波傳感器，僅用 14 顆高清攝像頭、9 個毫米波雷達、1 個激光雷達和 12 個超聲波傳感器的組合，就實現了 360 度無死角感知。

這是因為英偉達自動駕駛方案融采用端到端系統架構，全新的推理視覺語言動作 (Reasoning VLA) 模型融合了視覺理解、自然語言推理與動作生成，使智能汽車具備類人認知水平。通過在車端運行 VLA 模型，智能汽車能夠實時解讀復雜多變的真實路況，例如車流的突然變化、無序的交叉路口以及難以預測的人類行為。

除了NVIDIA DRIVE AGX 車規級車載計算平臺，英偉達還有用于訓練 AI 模型和開發輔助駕駛軟件的 NVIDIA DGX 平臺、用于仿真模擬驗證訓練輔助駕駛的NVIDIA OVX 平臺。

這次大會上，英偉達和Uber還會共同構建一個基于 NVIDIA Cosmos? 世界基礎模型開發平臺的數據工廠，用于整理并處理自動駕駛車輛研發所需的數據。

這意味著，英偉達已經形成自動駕駛「數據-訓練-部署-優化」的完整數據飛輪閉環工作流。

隨著DRIVE Hyperion 10的發布，英偉達正式構建起了從輔助駕駛到自動駕駛的全棧式解決方案。

英偉達可以提供自動駕駛所需的系統架構、AI 超級計算硬件和完整的軟件堆棧，借助從云端到汽車的開放式模塊化架構，制造商可以使用精選解決方案，也可以完整開發工作流，選擇自己想要的套餐。

這意味著，在L4上，英偉達和客戶的合作方式將更多元和靈活。

比如，主機廠可以完全選擇交鑰匙方式打造自己定制化的L4解決方案，典型比如奔馳、Stellantis、Lucid，三家都在基于DRIVE AGX Hyperion 10 打造自己的的 L4 級自動駕駛乘用車。

軟件能力更強的公司，則可以基于英偉達車載計算平臺，堆自己的軟件棧，打造自己的自動駕駛車隊，典型的比如小馬智行、文遠知行，他們都在Thor上打造自己的自動駕駛軟件棧。

這也代表著英偉達完成從芯片供應商向全棧自動駕駛解決方案提供商的戰略轉型。

02 10萬L4自動駕駛車隊

聊完平臺，我們就可以展開聊聊這次合作細節。

首先，10萬+的L4自動駕駛車隊不局限于無人駕駛出租車，還包括自動駕駛貨送和配送。

其次，這些車輛將與 NVIDIA 和其他 Uber 生態系統合作伙伴合作開發，大家分工明確。

英偉達負責技術，提供軟硬一體的全棧解決方案。

生態合作伙伴們負責制造，整車平臺開發與系統集成。

比如這次十萬臺計劃，Stellantis就是首批向Uber交付L4自動駕駛汽車的OEM廠商之一。

Stellantis將基于英偉達交鑰匙的方案打造自己的 K0 中型廂式貨車和 STLA 小型貨車，首批提供至少5000輛無人車給Uber，初期會在美國進行運營，未來幾年會逐步擴大試點項目和測試規模。

此外，Uber還投資了美國造車新勢力Lucid和自動駕駛初創公司Nuro，三家將共同打造專屬于 Uber 平臺的自動駕駛出租車項目。

計劃6年內在美國和國際數十個市場建造和部署 20000 輛或更多 Lucid-Nuro 無人駕駛出租車，2026 年下半年在美國舊金山灣區首次商業部署。

當然，除了主機廠，自動駕駛駕駛科技公司們則是另一股力量。Aurora、Avride、May Mobility、Momenta、Motional、Nuro、Pony.ai、Waabi、Wayve 和 WeRide也都是生態合作伙伴。

拿我們自主的無人駕駛公司小馬智行和文遠知行來說，他們會把自己的無人駕駛汽車接入Uber全球網絡，提供無人駕駛出行服務。

至于Uber，承擔運營主導職責。將自動駕駛車輛與現有人類司機服務整合進統一平臺，負責車隊端到端運營，包括遠程協助、充電、清潔、維護和客戶支持。

此外，NVIDIA 和 Uber 正在合作開發一個機器人出租車數據工廠，通過雙方互補協作與技術閉環，加速 L4 級自動駕駛模型的訓練優化與商業化落地。

具體來看，Uber 將負責收集超 300 萬小時針對自動駕駛出租車場景的專屬駕駛數據，為 L4 級模型的訓練與驗證提供真實場景支撐；NVIDIA 則提供 GPU 硬件、Cosmos 平臺及配套工具，承擔數據整理、搜索、仿真及自動駕駛技術棧的持續迭代任務。

經 Cosmos 平臺處理后，原始數據會轉化為標注數據與合成訓練素材，反哺 NVIDIA 的 VLA（視覺 - 語言 - 動作）大模型訓練，再借助 DGX Cloud 云端算力，大幅縮短模型迭代周期并提升極端場景適應能力，最終形成「數據喂養模型→模型優化體驗→產生更多數據」的良性循環。

這個數據工廠的核心目標就是縮短 L4 級自動駕駛技術從試點測試到盈利性自主部署的路徑，推動L4商業化進程。

03 L4商業化新解法

現在，全球 L4 級自動駕駛還是處于初級階段，成本高、場景單一、盈利模糊是普遍痛點。英偉達與 Uber 的 10 萬輛計劃，是真的在加速L4規?；逃玫牡絹?，L4生態聯盟的各環參與者都能從中受益。

同時此舉也會重塑網約車市場格局，更將倒逼城市交通基礎設施升級、相關法律法規完善，甚至改變物流、貨運等關聯行業的發展路徑。

而對于英偉達來說，意義更多。

此前，外界對英偉達的認知多停留在「芯片供應商」層面，即便后續其推出了輔助駕駛系統解決方案，這塊業務的行業號召力與市場統治力，也始終未能媲美其核心芯片業務的地位。

但如今這一局面已明顯不同：在當前行業內系統級 L4 技術方案尚處于相對真空的窗口期，英偉達憑借這套 L4 系統級解決方案，率先完成了市場卡位。

而且，不同于特斯拉的「自研芯片+自有車隊+獨享數據」垂直路線，英偉達不造車、不直接運營，而是通過輸出全棧技術綁定 Uber 的出行網絡，再聯動車企、硬件廠商形成聯盟，用「技術賦能 + 數據共享」構建比特斯拉更廣闊的生態壁壘。

英偉達拋出的這顆「重磅炸彈」，炸碎的是行業的技術壁壘和商業困局，炸開的是自動駕駛規?；逃玫娜绿斓?。

未來幾年，隨著生態聯盟的持續擴張和技術的不斷迭代，自動駕駛行業將徹底告別「小打小鬧」的試點時代，邁入由 AI 主導的規?；l展新紀元 —— 而這一切，都將刻上「NVIDIA」的印記。

此外，這種先發優勢，將會帶動更多主機廠和技術公司向英偉達AI生態靠攏，進一步鞏固英偉達的行業主導地位。

同時，也會迫使其他自動駕駛玩家加速調整戰略，思考自己的下一步打法——是繼續深化和英偉達合作抱緊大腿？還是在英偉達平臺上，打造自己不可替代的核心能力？還是自立門戶，謀求新機？

這是一個好問題。

完。