10万辆！英伟达联手Uber，为L4商业化按下加速键

当整个行业还在思考如何将L4 级自动驾驶商业化落地，英伟达与 Uber 的联手直接扔下了一颗改写游戏规则的重磅炸弹。

2025 年 10 月28日的 GTC 大会上，英伟达发布全新的DRIVE AGX Hyperion 10 （后简称 DRIVE Hyperion 10）自动驾驶平台。

教主黄仁勋宣布，与Uber达成合作，帮助Uber逐步扩大其全球自动驾驶车队的规模，计划自 2027 年起逐步扩展至 10 万辆。

这不是一次简单的技术合作，而是芯片巨头与出行巨头的「双向奔赴」—— 通过「技术全栈+出行生态+数据闭环」的三重绑定，给出自己对于L4商业化落地的思考。

01 DRIVE AGX Hyperion 10

我们要从DRIVE Hyperion 10说起，这是这次合作的基础。

NVIDIA DRIVE AGX Hyperion是英伟达推出的自动驾驶参考平台，你可以理解为这是一套系统级解决方案。

DRIVE Hyperion 10则是最新版本，专为 L4 级自动驾驶设计，集成了2000 TOPS 超高算力、精简高效的传感器套件和完整的安全冗余架构。

通俗一点，这就是一套L4级别的「交钥匙」解决方案。

在感知系统上，英伟达展现了「算法自信」：相比前代，Hyperion 10 在硬件上精简了 2 个激光雷达和 8 个超声波传感器，仅用 14 颗高清摄像头、9 个毫米波雷达、1 个激光雷达和 12 个超声波传感器的组合，就实现了 360 度无死角感知。

这是因为英伟达自动驾驶方案融采用端到端系统架构，全新的推理视觉语言动作 (Reasoning VLA) 模型融合了视觉理解、自然语言推理与动作生成，使智能汽车具备类人认知水平。通过在车端运行 VLA 模型，智能汽车能够实时解读复杂多变的真实路况，例如车流的突然变化、无序的交叉路口以及难以预测的人类行为。

除了NVIDIA DRIVE AGX 车规级车载计算平台，英伟达还有用于训练 AI 模型和开发辅助驾驶软件的 NVIDIA DGX 平台、用于仿真模拟验证训练辅助驾驶的NVIDIA OVX 平台。

这次大会上，英伟达和Uber还会共同构建一个基于 NVIDIA Cosmos™ 世界基础模型开发平台的数据工厂，用于整理并处理自动驾驶车辆研发所需的数据。

这意味着，英伟达已经形成自动驾驶「数据-训练-部署-优化」的完整数据飞轮闭环工作流。

随着DRIVE Hyperion 10的发布，英伟达正式构建起了从辅助驾驶到自动驾驶的全栈式解决方案。

英伟达可以提供自动驾驶所需的系统架构、AI 超级计算硬件和完整的软件堆栈，借助从云端到汽车的开放式模块化架构，制造商可以使用精选解决方案，也可以完整开发工作流，选择自己想要的套餐。

这意味着，在L4上，英伟达和客户的合作方式将更多元和灵活。

比如，主机厂可以完全选择交钥匙方式打造自己定制化的L4解决方案，典型比如奔驰、Stellantis、Lucid，三家都在基于DRIVE AGX Hyperion 10 打造自己的的 L4 级自动驾驶乘用车。

软件能力更强的公司，则可以基于英伟达车载计算平台，堆自己的软件栈，打造自己的自动驾驶车队，典型的比如小马智行、文远知行，他们都在Thor上打造自己的自动驾驶软件栈。

这也代表着英伟达完成从芯片供应商向全栈自动驾驶解决方案提供商的战略转型。

02 10万L4自动驾驶车队

聊完平台，我们就可以展开聊聊这次合作细节。

首先，10万+的L4自动驾驶车队不局限于无人驾驶出租车，还包括自动驾驶货送和配送。

其次，这些车辆将与 NVIDIA 和其他 Uber 生态系统合作伙伴合作开发，大家分工明确。

英伟达负责技术，提供软硬一体的全栈解决方案。

生态合作伙伴们负责制造，整车平台开发与系统集成。

比如这次十万台计划，Stellantis就是首批向Uber交付L4自动驾驶汽车的OEM厂商之一。

Stellantis将基于英伟达交钥匙的方案打造自己的 K0 中型厢式货车和 STLA 小型货车，首批提供至少5000辆无人车给Uber，初期会在美国进行运营，未来几年会逐步扩大试点项目和测试规模。

此外，Uber还投资了美国造车新势力Lucid和自动驾驶初创公司Nuro，三家将共同打造专属于 Uber 平台的自动驾驶出租车项目。

计划6年内在美国和国际数十个市场建造和部署 20000 辆或更多 Lucid-Nuro 无人驾驶出租车，2026 年下半年在美国旧金山湾区首次商业部署。

当然，除了主机厂，自动驾驶驾驶科技公司们则是另一股力量。Aurora、Avride、May Mobility、Momenta、Motional、Nuro、Pony.ai、Waabi、Wayve 和 WeRide也都是生态合作伙伴。

拿我们自主的无人驾驶公司小马智行和文远知行来说，他们会把自己的无人驾驶汽车接入Uber全球网络，提供无人驾驶出行服务。

至于Uber，承担运营主导职责。将自动驾驶车辆与现有人类司机服务整合进统一平台，负责车队端到端运营，包括远程协助、充电、清洁、维护和客户支持。

此外，NVIDIA 和 Uber 正在合作开发一个机器人出租车数据工厂，通过双方互补协作与技术闭环，加速 L4 级自动驾驶模型的训练优化与商业化落地。

具体来看，Uber 将负责收集超 300 万小时针对自动驾驶出租车场景的专属驾驶数据，为 L4 级模型的训练与验证提供真实场景支撑；NVIDIA 则提供 GPU 硬件、Cosmos 平台及配套工具，承担数据整理、搜索、仿真及自动驾驶技术栈的持续迭代任务。

经 Cosmos 平台处理后，原始数据会转化为标注数据与合成训练素材，反哺 NVIDIA 的 VLA（视觉 - 语言 - 动作）大模型训练，再借助 DGX Cloud 云端算力，大幅缩短模型迭代周期并提升极端场景适应能力，最终形成「数据喂养模型→模型优化体验→产生更多数据」的良性循环。

这个数据工厂的核心目标就是缩短 L4 级自动驾驶技术从试点测试到盈利性自主部署的路径，推动L4商业化进程。

03 L4商业化新解法

现在，全球 L4 级自动驾驶还是处于初级阶段，成本高、场景单一、盈利模糊是普遍痛点。英伟达与 Uber 的 10 万辆计划，是真的在加速L4规模化商用的到来，L4生态联盟的各环参与者都能从中受益。

同时此举也会重塑网约车市场格局，更将倒逼城市交通基础设施升级、相关法律法规完善，甚至改变物流、货运等关联行业的发展路径。

而对于英伟达来说，意义更多。

此前，外界对英伟达的认知多停留在「芯片供应商」层面，即便后续其推出了辅助驾驶系统解决方案，这块业务的行业号召力与市场统治力，也始终未能媲美其核心芯片业务的地位。

但如今这一局面已明显不同：在当前行业内系统级 L4 技术方案尚处于相对真空的窗口期，英伟达凭借这套 L4 系统级解决方案，率先完成了市场卡位。

而且，不同于特斯拉的「自研芯片+自有车队+独享数据」垂直路线，英伟达不造车、不直接运营，而是通过输出全栈技术绑定 Uber 的出行网络，再联动车企、硬件厂商形成联盟，用「技术赋能 + 数据共享」构建比特斯拉更广阔的生态壁垒。

英伟达抛出的这颗「重磅炸弹」，炸碎的是行业的技术壁垒和商业困局，炸开的是自动驾驶规模化商用的全新天地。

未来几年，随着生态联盟的持续扩张和技术的不断迭代，自动驾驶行业将彻底告别「小打小闹」的试点时代，迈入由 AI 主导的规模化发展新纪元 —— 而这一切，都将刻上「NVIDIA」的印记。

此外，这种先发优势，将会带动更多主机厂和技术公司向英伟达AI生态靠拢，进一步巩固英伟达的行业主导地位。

同时，也会迫使其他自动驾驶玩家加速调整战略，思考自己的下一步打法——是继续深化和英伟达合作抱紧大腿？还是在英伟达平台上，打造自己不可替代的核心能力？还是自立门户，谋求新机？

这是一个好问题。

完。