9月11日、NVIDIAが「Physical AI Takes the Wheel: How the World's Robotaxi Leaders Are Building With NVIDIA Technologies」と題した記事を公開した。この記事では、ロボタクシー市場における主要プレイヤーがNVIDIAの全スタックAIプラットフォームをどのように採用・活用しているかについて詳しく紹介されている。
ロボタクシー市場と「3コンピュータ構成」という設計思想
ロボタクシー市場は2035年までに4,000億ドル規模に達し、600万台以上の商用車が無人運行される見込みだとGoldman Sachsは予測している。Waymoをはじめとした各社がすでに商用サービスを展開しているが、1台の自動運転車を走らせることと、数千台規模のフリートを安全・安定に運用することは、まったく別次元の計算機科学的課題だ。
NVIDIAはこの課題に対し、3つの「コンピュータ」から成るフルスタックプラットフォームという構成を提示している。
- トレーニングコンピュータ（NVIDIA DGX）
- シミュレーション＆検証コンピュータ（NVIDIA Omniverse + Cosmos on RTX PRO）
- 車載コンピュータ（NVIDIA DRIVE Hyperion + DRIVE AGX Thor）
この3層構成の何が重要かというと、各レイヤーがモジュラーな「オープンプラットフォーム」として設計されており、各企業が自社の技術スタックと組み合わせて使える点だ。NVIDIAが特定の完成系を押し付けるのではなく、ライブラリ・SDK・ワークフロー・モデルを提供するインフラ企業として機能している。
最も注目すべき技術：シミュレーションによる「ロングテール問題」の解決
自動運転開発で長年の壁となってきたのがロングテール問題だ。滅多に起きないが致命的な走行シナリオ（工事現場での急停車、予測不能な歩行者の飛び出しなど）を、実走行だけで網羅的に収集・学習させることは現実的ではない。
NVIDIAの回答が**NVIDIA Omniverse NuRec** と Cosmos世界基盤モデルの組み合わせだ。
- NuRec：センサーデータから実世界の走行シナリオを再構成する
- Cosmos：それをベースに、交通状況・天候・照明・センサー条件などを物理的に正確な形で変化させた大量の合成バリエーションを生成する
記事中の図によれば、「数千件の実世界コーナーケース」から「行動・コンテンツにまたがる数千の合成バリエーション」を生成できるとされており、これを**NVIDIA RTX PRO Server**上でクローズドループシミュレーションとして回すことで、デプロイ前にモデルの弱点を特定できる。
さらに、VLA（Vision Language Action）モデルに対してメタアクションとチェーン・オブ・ソート推論データを追加した結果、軌道予測精度を示す最小平均変位誤差（minimum average displacement error）が2.08から1.18へ、43%改善したとのデータも示されている。複雑な走行状況を小さなステップに分解して推論する手法（Chain-of-Thought）を自動運転の判断に適用した形だ。
車載コンピュータ：DRIVE Hyperion 10の構成
車両側の基準アーキテクチャとして提示されているのがDRIVE Hyperion 10だ。BlackwellアーキテクチャベースのDRIVE AGX Thor SoCをデュアル構成で搭載し、以下のセンサー群と組み合わせる。
- HDカメラ×14
- レーダー×9
- LiDAR×3
- 超音波センサー×12
冗長化されたコンピューティングとセンシング設計により、センサーや計算コンポーネントが一部故障しても走行を継続できるフェイルオペレーショナル設計を実現している。安全基盤として**NVIDIA Halos**がHalos OSと認証フレームワークを提供し、クラウドから車両まで継続的なテストをカバーする。
採用企業の広がり：事実上の業界標準へ
記事が列挙している採用企業・連携プロジェクトの数は圧巻だ。主なものを整理する。
フリート展開・ライドシェア側：
- Uber：DRIVE Hyperion搭載フリートを2028年までに28都市に拡大。NVIDIAと共同でCosmos上のロボタクシーAIデータファクトリーを構築中
- Lyft：DRIVE Hyperionを将来の自律フリートの基準アーキテクチャとして採用予定
- Bolt：欧州でのAV開発・展開にNVIDIA技術を活用
AV開発企業側：
- Wayve・Nissan・Uber：3社共同でグローバルロボタクシープログラムを推進
- Pony.ai：DRIVE Hyperion＋DRIVE AGX Thorで新世代自動運転ドメインコントローラを開発
- Zoox：車載コンピューティングとクラウドベースのトレーニング・シミュレーションにNVIDIA DRIVEを使用
- Waabi：10億ドルの資金調達と同時に、DRIVE AGX Thor上のWaabi Driverプラットフォームでロボタクシー市場に参入
自動車メーカー側：
- Tesla：自動運転ニューラルネットワークのトレーニングにNVIDIAスーパーコンピュータを使用
- Mercedes-Benz：新型SクラスをベースにしたロボタクシーエコシステムをUber・NVIDIAと共同開発。DRIVE Hyperion＋DRIVE AV L4フルスタックソフトウェア＋Alpamayoモデルを採用
- Hyundai Motor・Kia：DRIVE Hyperionベースのデータドリブン自動運転システムを開発。合弁会社Motionalとの連携拡大も検討中
これだけの企業が同一のプラットフォームスタックを採用しているという状況は、「業界の事実上の標準基盤」になりつつある段階とも読める。
まとめ
NVIDIAが提示しているのは単なるGPUチップの話ではなく、トレーニング→シミュレーション→車載実行という自動運転開発のライフサイクル全体をカバーするフルスタックのオープンプラットフォームだ。特にシミュレーション側（Cosmos＋NuRec）によるロングテール問題へのアプローチと、VLAモデルへのChain-of-Thought推論の適用は、自動運転AIの開発アプローチとして技術的に注目される点だ。
※編集部の考察：WaymoからTesla、Uberに至るまで競合関係にある企業群が同じ基盤を採用している構図は、NVIDIAが「中立的なインフラ企業」として機能していることの証左でもある。一方で、開発サイクルの上流から下流までNVIDIA製品への依存度が高まるほど、将来的なベンダーロックインへの懸念も生じ得る。オープンプラットフォームと謳いつつも、学習済みモデルや認証フレームワーク（Halos）との連携が深まるほど他プラットフォームへの移行コストは上昇する——この点は、各社の調達戦略において中長期的に意識されるべき論点だろう。
詳細はPhysical AI Takes the Wheel: How the World's Robotaxi Leaders Are Building With NVIDIA Technologiesを参照していただきたい。
