全球 Robotaxi 市场——物理 AI（Physical AI）的首个商业化突破——预计到 2035 年将达到 4000 亿美元规模，届时将有超过 600 万辆商用车辆投入运营。目前，无人驾驶车队已在全球一些最繁忙、最复杂的街道上运送乘客。
部署一辆无人驾驶汽车是一项挑战，而将车队规模化则是更高层级的计算挑战：这意味着要在数千辆车上交付同样安全、可靠的性能。满足这些需求，需要在 Robotaxi 开发全生命周期中投入海量算力，从 AI 模型的准备与训练，到驾驶行为的仿真与验证，再到车内的实时处理。
NVIDIA 提供用于 AI 训练、仿真和安全验证的开放平台，包含库、软件开发工具包（SDK）、工作流和模型，开发者可将其与自身技术栈配合使用。如今，每一个实现商业规模运营的主要 Robotaxi 项目，都运行在 NVIDIA 的模块化技术栈之上，覆盖 AI 训练、仿真、车载计算，或三者组合，以规模化开发和部署车队。
什么是 Robotaxi 技术栈？
Robotaxi 技术栈是用于开发、验证和部署自动驾驶汽车（AV）的端到端技术集合——从数据与 AI 模型训练，到仿真、安全验证以及实时车载计算。NVIDIA 的 Robotaxi 与自动驾驶平台将这些能力整合为“三计算机”方案：模型训练计算机、仿真与验证计算机，以及车载计算机。
一、训练计算机：NVIDIA DGX
随着各项目将不断增长的车辆数据转化为能力更强的模型，Robotaxi 的智能水平持续提升。驾驶模型可在 NVIDIA DGX 系统上进行训练。NVIDIA Alpamayo 系列开放推理视觉语言动作（VLA）模型、仿真框架和物理 AI 数据集，为开发者提供可依据自身数据、需求和技术栈进行适配的构建模块。其推理模型通过将复杂驾驶场景拆解为更小的步骤、逐步推理并选择最安全的行驶轨迹，帮助应对自动驾驶的长尾难题。NVIDIA 还提供物理 AI 数据集、强化学习蓝图，以及用于后训练和蒸馏的配方，帮助开发者针对目标车辆优化模型。
二、仿真与验证计算机：运行在 NVIDIA RTX PRO 上的 NVIDIA Omniverse 与 Cosmos
Robotaxi 项目无法仅依靠物理里程来覆盖罕见的长尾驾驶场景。NVIDIA Omniverse 与 Cosmos 运行在 NVIDIA RTX PRO 之上。
三、车载计算机
按照 NVIDIA 的三计算机方案，车载计算机负责车辆内的实时处理，与训练端和仿真验证端共同构成端到端的开发与部署链路。