NVIDIAはrobotaxi向けに、DGX、Alpamayo、Omniverse、Cosmos、DRIVE Hyperion、DRIVE AGX Thor、Halosを組み合わせたtraining、simulation、in-vehicle computingの三層構成を説明しました。 自動運転AIはmodel単体ではなく、corner case収集、synthetic data、closed-loop simulation、安全検証、車載推論を継続する運用問題です。fleet拡大前にvalidation evidenceとincident responseを確認する必要があります。 NVIDIAがrobotaxi向けfull-stack platformを整理しました NVIDIAは2026年9月10日、robotaxi事業者が同社技術でどのように開発、検証、運行を拡大しているかを公式blogで説明しました。記事は、robotaxiをphysical AIの最初の商用breakthroughと位置づけ、2035年に市場規模が4,000億ドル、commercial vehiclesが600万台超へ拡大するという外部予測を引用しています。 training、simulation、in-vehicle computingの三層構成です NVIDIAの構成は、AI modelを育てるtraining computer、simulation and validation computer、real-time処理を担うin-vehicle computerの三層です。DGX、Alpamayo portfolio、Omniverse NuRec、Cosmos、AlpaSim、DRIVE Hyperion、DRIVE AGX Thor、NVIDIA Halosを組み合わせ、rare scenariosの生成、closed-loop simulation、安全検証、車載推論を一つのplatformとして扱います。 主要mobility企業との採用状況を列挙しています 記事では、UberがNVIDIA DRIVE Hyperion fleetを2028年までに28都市へ拡大する計画や、Autobrains、Avride、Lucid、May Mobility、Mercedes-Benz、Momenta、Nissan、Nuro、Pony.ai、Stellantis、Waabi、Wayve、WeRide、Zooxとの協力が紹介されています。Lyft、Grab、Bolt、Waymoなどの取り組みも挙げ、各地域でcommercial robotaxi serviceを支えるecosystemとして見せています。 自動運転AIはmodel単体でなく継続検証の問題です robotaxiの拡大では、走行できるmodelを作るだけでなく、corner caseを継続的に集め、synthetic variationsで増やし、安全性を再検証し、車載computeへ展開する仕組みが必要です。NVIDIAはopen platformを強調していますが、実務では各社のdata、sensor構成、地域規制、責任分界が結果を左右します。導入側はfleet拡大の前に、simulation evidence、independent validation、incident responseを確認する必要があります。