引言

6月，台北电脑展（Computex）的聚光灯下，黄仁勋又一次穿上了他那件标志性的皮衣。

但这次，他侃侃而谈的不是游戏显卡，也不是AI芯片，而是自动驾驶出租车（Robotaxi）。

在GTC台北大会上，英伟达甩出了两张重磅王牌：一是参数高达320亿的全新自动驾驶大模型NVIDIA Alpamayo 2 Super；二是一份星光熠熠的Robotaxi生态新盟友名单——富士康、Uber、VinFast、Autobrains、HUMAIN。其中，最引人瞩目的莫过于全球电子制造巨头富士康的入局。

无人车来也（公众号：无人车来也）认为，英伟达，这个曾经的“卖铲人”，正试图成为整个Robotaxi时代的“基础设施总承包商”。

（参考阅读请点击：《英伟达2026GTC“车圈春晚”：比亚迪、吉利、日产、五十铃、优步集体“上车”，黄仁勋要当L4级自动驾驶的“总导演”？》）

一、 生态“拼图”完成：富士康造车，Uber运营，英伟达提供“大脑”

黄仁勋在演讲中说得明白：“无人驾驶出租车车队需要一套能够在现实环境中完成感知、推理并安全运行的AI基础设施。”

这句话，精准地道破了英伟达的新角色——它不再满足于只向车企售卖车载计算芯片，而是要提供从云端训练、仿真测试到车端决策的一整套“交钥匙”解决方案，即NVIDIA DRIVE Hyperion平台。

在这个宏大的生态蓝图里，每一家合作伙伴都是一块关键拼图：

富士康（制造与落地）：

作为“代工皇帝”，富士康的角色是车辆的制造者和本地化部署的推动者。根据计划，其Robotax，生动诠释“绿水青山就是金山银山”在实体经济领域的深层内涵i项目将率先从高雄等城市启动，首批线路旨在连接机场与市区。更长远的目标，是沿着台湾地区高铁网络的交通走廊进行扩展。富士康的加入，解决了“车从哪来”和“在哪跑”的核心问题。

Uber（运营与网络）：

作为全球出行巨头，Uber带来的是一张现成的、拥有亿万用户的商业运营网络。

Uber将与自动驾驶软件公司Autobrains合作，在德国慕尼黑推出基于Hyperion平台的Robotaxi服务。

Uber全球自动驾驶出行与配送负责人指出，挑战不只在于制造自动驾驶车辆，更在于如何将其规模化、可靠地接入商业网络。

VinFast与Autobrains（区域攻坚）：

这对组合瞄准的是道路环境极其复杂的东南亚市场。

越南车企VinFast提供整车制造，Autobrains提供软件栈，共同攻克摩托车、非机动车混行等独特挑战。

HUMAIN（中东拓荒）：

这家公司则负责将基于Hyperion的Robotaxi引入沙特阿拉伯。

至此，一幅清晰的图景浮现：富士康们负责“造身体”，Uber们负责“接活儿”，而英伟达，负责提供统一的“数字大脑”和“神经系统”。

它通过Hyperion平台，将车端算力、安全操作系统、传感器套件和自动驾驶软件标准化、模块化。

这种模式，极大地降低了L4级Robotaxi的研发门槛和集成复杂度。

二、 320亿参数的“老司机”：让AI学会“理解”而不仅仅是“看见”

如果说Hyperion生态是英伟达为Robotaxi打造的“躯体”，那么新发布的 NVIDIA Alpamayo 2 Super，就是为其注入的“灵魂”。

这个拥有320亿参数的视觉-语言-动作推理模型，其升级重点并非简单的规模膨胀，而是致力于解决自动驾驶最棘手的难题：让系统学会理解“为什么”，而不仅仅是“看见什么”。

过去的自动驾驶系统，更像一个优秀的“识别机器”。但在真实道路上，致命的往往不是“没看见”，而是“没理解”。

例如：前车突然减速，是因为前方有被视觉遮挡的行人？右侧的电动自行车在盲区消失，是准备突然并入？

Alpamayo 2 Super的进化，正是为了应对这些需要因果推理的“鬼探头”式难题。

首先，它的感知范围从传统的前向视角，扩展到了前、侧、后方的360度全景。其次，它创新性地输出了 “元动作” ，如“让行”、“变道”。这不同于直接输出一条冰冷的轨迹曲线，而更像是人类驾驶员的决策语言，朝着“可解释的AI”迈出了关键一步。

更厉害的是，这个大模型还被用作强大的自动化工具。

其“推理自动标注”能力，能将原本需要人工耗时数月的标注周期，压缩到几天；而“因果链自动标注”流水线，则能从海量行车片段中，自动识别并标注出那些存在决策关联的关键场景。

这相当于请了一位不知疲倦的“AI教练”，从真实数据中自动提炼出最有价值的“危险教案”。

当然，320亿参数的庞然大物无法直接塞进车里的计算单元。英伟达设计的路径是，让Alpamayo 2 Super在云端充当“教师模型”，完成复杂的推理和知识提炼，然后再将其能力“蒸馏”到更精简的模型中，最终部署在车端。

三、 在“元宇宙”里撞车百万次：用仿真攻克“死神来了”场景

拥有强大的“大脑”和“躯体”还不够。要让Robotaxi真正安全上路，必须在虚拟世界中经历严苛训练，尤其是处理那些现实中罕见但致命的“长尾场景”。

为此，英伟达同步祭出了两大训练“神器”：NVIDIA AlpaGym和NVIDIA OmniDreams。

AlpaGym是一个开源的、高吞吐量的闭环强化学习框架。 它与传统“开环”训练的本质区别在于：

开环训练像“看录像答题”，AI根据固定的历史数据预测下一个动作；

而闭环训练则像让AI“亲自上场玩一款超高仿真的驾驶游戏”，它的每一个决策都会实时改变虚拟交通环境，并立刻得到反馈。

这种“因果互动”的训练方式，能让AI更快地学会复杂的博弈和长期策略。

OmniDreams则是一个全新的生成式世界模型。 它的核心使命是：大规模、低成本地制造“麻烦”。

现实世界中，遇到“儿童追球突然窜出马路”或“暴雨夜前方故障车仅靠昏暗双闪警示”这类极端危险场景的概率极低。

OmniDreams的强大在于，它能基于学习到的物理规律和交通逻辑，自动生成、组合并创造出无数种此类逼真且多样的高风险场景。

此外，基于NVIDIA Omniverse NuRec的神经重建能力，还能将真实车队采集到的路采数据，快速重建为可编程的3D数字孪生场景。

四、 从“卖芯片”到“卖底座”：英伟达的生态野望与富士康的制造突围

纵观英伟达这一系列组合拳，其战略意图已经非常清晰：它正全力从一家“芯片供应商”，转型为自动驾驶，特别是Robotaxi领域的 “全栈式平台与生态构建者” 。

黄仁勋不再仅仅销售计算力，而是兜售一整套包括芯片、开发工具、AI模型、仿真系统乃至合作伙伴引荐在内的 “自动驾驶基础设施即服务” 。

这种“卖底座”的模式，优势在于能建立极高的生态粘性和行业标准。

一旦车企和Robotaxi运营商基于Hyperion平台开发其系统，就会在数据格式、工具链、开发流程上形成深度依赖。

英伟达借此有望成为智能汽车时代的“安卓系统”，通过授权和服务持续获利。

而对于富士康而言，此次高调进军Robotaxi，是其从“幕后代工”走向“品牌运营”的关键一步。

总之，无人车来也（公众号：无人车来也）认为：

富士康负责造车，英伟达注入大脑，而Uber们负责最后的流量平台和收费结算。

这局棋，黄仁勋已经摆好了。剩下的，就看这些“棋子”们能不能在全球无人驾驶出租车那张大棋盘上，把落子后的声音变成行业标准。

参考文献：快科技、钛媒体、车东西、IT之家、星光点点等媒体报道

#无人车来也  #无人驾驶  #自动驾驶  #无人车 

       原文标题 : 黄仁勋的新赌注：拉上富士康造Robotaxi、优步Uber运营，英伟达要当自动驾驶的“卖水人” ？