NVIDIA 聯手 Uber 等「四巨頭」!Cosmos+Hyperion 10,2028 劍指 10 萬輛 L4 Robotaxi 產量

NVIDIA 再次出招!聯手 Uber、Stellantis、Foxconn 打造「全球最龐大」L4 Robotaxi 網絡,搶佔無人計程車市場。

NVIDIA 聯手 Uber 等「四巨頭」!Cosmos+Hyperion 10,2028 劍指 10 萬輛 L4 Robotaxi 產量

NVIDIAUber 建立戰略合作,打造全球最大 L4 等級(完全自動駕駛)Robotaxi 網路,目標 2027 年起擴展至 10 萬輛規模。StellantisLucidMercedes-Benz 等車廠加入,採用 NVIDIA DRIVE AGX Hyperion 10 平台與 DRIVE AV 軟體,加速無人駕駛商業化。


NVIDIA × Uber:全球最大 L4 移動網路啟動

NVIDIA 與 Uber 合作,整合 NVIDIA DRIVE AGX Hyperion 10 平台與 DRIVE AV 軟體,打造 L4 等級 Robotaxi 與無人配送車隊。Uber 將建構全球共乘網路,結合人類司機與機器人司機,預計 2027 年啟動規模化,長期目標達 10 萬輛。

雙方共同開發基於 NVIDIA Cosmos 世界基礎模型的 AI 資料工廠,用於蒐集、處理與訓練自動駕駛所需資料,加速模型迭代與安全驗證。


Hyperion 10 平台:讓任何車輛 L4-Ready

NVIDIA DRIVE AGX Hyperion 10 是參考級生產計算與感測器架構,核心特色:

  • L4 就緒:支援任何車輛(轎車、貨車、長途貨運)快速升級至完全自動駕駛。
  • 標準化硬體:整合驗證過的感測器與計算單元,降低開發門檻。
  • 軟體定義:搭配 DRIVE AV 軟體,實現 AI 定義的車隊管理。

NVIDIA 並推出 Halos Certified Program,業界首個實體 AI 安全認證系統,評估自動駕駛車與機器人的物理安全標準。


生態系擴張:車廠與物流巨頭齊聚

多間領導車廠與物流業者加入 L4 生態:

  • 乘用車:Stellantis、Lucid、Mercedes-Benz 開發 L4 乘用車,與 Uber 合作部署 Robotaxi。
  • 長途貨運AuroraVolvo Autonomous SolutionsWaabi 導入 L4 技術於貨運車隊。
  • 其他合作夥伴AvrideMay MobilityMomentaNuroPony.aiWayveWeRide 擴大 L4 應用場景。

Stellantis 並與 NVIDIA、Uber、Foxconn 合作,計畫 2028 年量產,Uber 將於美國啟動後,於全球選定城市部署 5,000 輛 Stellantis 無人車。


市場影響:Robotaxi 商業化加速

NVIDIA 執行長 Jensen Huang 表示:「我們正讓世界準備好迎接 Robotaxi。」此合作加速 L4 商業化,挑戰傳統交通模式。Uber 憑其全球叫車網路,結合 NVIDIA 的 AI 算力,構築領先優勢。

分析師預測,L4 市場將於 2030 年前爆發,涵蓋乘用、物流與配送。NVIDIA 透過標準化平台降低進入門檻,吸引更多 OEM 與新創加入。


Source

NVIDIA Makes the World Robotaxi-Ready With Uber Partnership to Support Global Expansion

Stellantis ties up with Nvidia, Uber to advance robotaxi development

Stellantis, NVIDIA, Uber and Foxconn sign MoU to explore Level 4 robotaxi

Nvidia and Uber Join Forces to Accelerate Autonomous Driving

Read more

為什麼你的 CV 明明不差,卻還是對不上理想 program?我用這套 keyword 分析法找答案

為什麼你的 CV 明明不差,卻還是對不上理想 program?我用這套 keyword 分析法找答案

選校不是只看排名,而是看 fit 這句話很多人都聽過。 但真正知道怎麼做到的人,其實不多。 大部分人的做法是: 先把 CV 整理好,去官網看一下 program 介紹,感覺不錯就投。 這樣做最大的問題是: 你是用自己的框架去看 program, 而不是用 program 的框架來看自己。 只要這個順序錯了,不管你把 CV 改得多流暢,方向都還是可能不對。 我自己曾經繞過的彎路 申請前期,我花了很多時間優化 CV。 我把每一條 bullet point 改得更精準,數字更清楚,動詞更有力。 改完之後,自己也覺得好像不錯。 但投了幾間之後,我一直有一種說不上來的感覺: 好像哪裡不太對。 後來我把其中一間學校的 program handbook 仔細讀了一遍, 才發現這個 program 真正在意的能力方向, 和我 CV 裡強調的重點其實有明顯錯位。