
英偉達宣佈與 Uber 合作推進自動駕駛開發,Uber 股價漲 3.5%

英偉達 Drive 在社交平台上發帖稱,將使用 Uber 收集的多樣化駕駛場景數據——包括機場接送、複雜路口和多變天氣條件,對英偉達 Cosmos World 基礎模型進行後訓練。消息公佈後,Uber 股價週四午後攀升至盤中高點,一度漲幅達 3.5%,隨後漲幅收窄。
芯片巨頭英偉達披露與網約車平台優步(Uber)合作細節,Uber 股價上漲。
10 月 23 日,英偉達 Drive 在社交平台上發帖稱,與 Uber 正在探索如何利用大規模真實駕駛數據訓練的基礎模型加速自動駕駛技術進步。
(英偉達 Drive 宣佈與 Uber 合作)
帖文表示英偉達使用了 Uber 收集的多樣化駕駛場景數據——包括機場接送、複雜路口和多變天氣條件,對英偉達 Cosmos World 基礎模型進行後訓練。
該合作依託英偉達 DGX Cloud 基礎設施,旨在實現三大技術目標:
• 實現更高精度的仿真模擬,顯著減少異常情況。
• 縮短模型訓練後的迭代週期,支持可擴展的機器學習運維(MLOps)。
• 在罕見或極端場景下,模型表現更加穩定可靠。
消息公佈後,Uber 股價週四午後攀升至盤中高點,一度漲幅達 3.5%,隨後漲幅收窄。
(Uber 週四股價一度加速上行)
Uber 數據優勢凸顯
Uber 的全球運營網絡為自動駕駛模型訓練提供了獨特的數據價值。
根據英偉達今年 8 月發佈的白皮書,Uber 的出行和配送服務每月在全球範圍內運送超過 10 億人次和物品。
更重要的是,Uber 車輛的運營時間更多集中在對個人用户而言較為罕見的複雜情況——如惡劣天氣、機場接送和擁擠活動等場景。
這意味着與私人車輛相比,Uber 車輛每天閒置或停放的時間更少,而用於收集高價值極端案例場景的時間更多。
(Uber 汽車與普通私家車在數據收集方面的對比)
以機場接送為例,Uber 全天候運營覆蓋了各種天氣和光照條件,而這些場景在其他情況下很難充分採樣。
密集的交通、不可預測的行人移動、頻繁的變道和突然停車,使機場接送區成為獨特的挑戰性環境。
Uber 還可以通過乘客評分、反饋以及車載遙測數據來衡量司機技能,捕捉頻繁剎車和加速等指標,進一步提升數據價值。

