„Uberの運転データ×NVIDIAのCosmos“ — Der Tag, an dem die KI für autonomes Fahren die „Realität“ verschlingt

1）Was passiert ist: Die Straße selbst wird zum „Lern-Datensatz“

Der Halbleiter-Riese NVIDIA hat die Fahrdaten von Uber in sein eigenes Weltmodell für autonomes Fahren, „Cosmos World“, integriert, um die Reproduzierbarkeit und Sicherheit in „realen Herausforderungen“ wie komplexen Kreuzungen, Flughafenabholungen und schlechtem Wetter zu verbessern. Die Berechnungen werden von der AI-Plattform des Unternehmens, einschließlich DGX Cloud, durchgeführt. Die Partnerschaft wurde bereits auf der CES 2025 angekündigt, aber das konkrete Bild der „Modellverstärkung durch Ubers Fahrdaten“ hat nun erneut Aufmerksamkeit erregt. TechCrunch

In Reaktion auf diese Nachricht stieg die Uber-Aktie am 23. Oktober (Donnerstag, USA) zeitweise um 3,5%. Der Markt beginnt, eine Prämie auf die Dreieinigkeit von „Realwelt-Daten × generative Simulation × HPC“ zu setzen, die als „physische KI“ bezeichnet wird. Investing.com

2）Technische Details: Cosmos World × DGX Cloud × reale Fahrdaten

NVIDIAs Cosmos besteht aus einer Gruppe von „Weltmodellen“, die für Robotik und autonomes Fahren entwickelt wurden, sowie aus einer Datenverarbeitungs- und Anpassungspipeline. Es führt groß angelegte generative physische Simulationen durch, um seltene Ereignisse, die in der realen Welt auftreten können (wie Schneereifenspuren, das Verschwinden von weißen Linien bei nächtlichem Regen oder Fahrspurverengungen durch Bauarbeiten), „sicher“ in großen Mengen zu synthetisieren. Durch die nachträgliche Integration der realen Daten von Uber wird versucht, Verzerrungen in der Simulation zu korrigieren und die Robustheit gegenüber Ereignissen außerhalb der Verteilung zu erhöhen. Bereits bei der Erklärung auf der CES 2025 wurde gezeigt, dass die Kombination von Cosmos und DGX Cloud ein „Hebel für die Entwicklungsgeschwindigkeit“ ist. TechCrunch

3）Erste Reaktionen von Markt und sozialen Medien: Doppelte Spitzen von Zustimmung und Vorsicht

Während die Aktienkurse empfindlich reagierten, gibt es in den sozialen Medien sowohl positive als auch besorgte Stimmen.

• Zustimmung: Beiträge von Investoren und privaten Medien, die die Synergie von „Realität × generative Simulation“ bewerten, häufen sich, wobei die nachträgliche Lernphase von Cosmos mit Uber-Daten als „Booster für Präzision und Sicherheit“ angesehen wird. X (formerly Twitter)

• Aktienseitige Begeisterung: Es gibt auch Beiträge, die die Aufwärtsbewegung von Uber und die Symbolik der „NVDA×UBER“-Partnerschaft betonen. X (formerly Twitter)

• Vorsicht: Gleichzeitig werden Fragen zur Reichweite der Datenteilung, zur umfassenden Anonymisierung und zur Transparenz der Nutzerzustimmung aufgeworfen (allgemeine Punkte, die in zukünftigen IR- und Blog-Veröffentlichungen detailliert offengelegt werden sollten). Diese Bedenken sind nicht auf einzelne Beiträge auf X beschränkt, sondern als standardmäßige Punkte bei der allgemeinen Datennutzung zu betrachten.

Auch in den Medien wird von Investitionsmedien und Nachrichtenseiten die „Nutzung realer Fahrdaten“ betont. Investing.com, GuruFocus, TipRanks und andere heben den Anstieg der Uber-Aktien sowie die Punkte der nachträglichen Lernphase von Cosmos und der Nutzung von DGX Cloud hervor. Investing.com　GuruFocus

4）Industrielle Auswirkungen: Auswirkungen auf Waymo/Tesla/Robotaxi-Allianzen

Uber hat seine Strategie von der Entwicklung eines vollständigen Stacks für autonomes Fahren auf „Plattform-Kooperation“ umgestellt und seine Robotaxi-Dienste in Zusammenarbeit mit Unternehmen wie Waymo ausgeweitet. Die Zusammenarbeit mit NVIDIA verstärkt die „Verbindung von Lernen und Transport“ im gesamten AV-Ökosystem weiter. Die Integration von Waymo in die Uber-App zur Erweiterung des Dienstes und die Nachrichten über die Kapitalbeschaffung und Uber-Kooperation von Akteuren wie Nuro und Avride stehen in direktem Zusammenhang. AP News

Auf der Seite von NVIDIA wird die Präsenz als universelle Basis für „physische KI“ durch die Prüfung großer Investitionen in aufstrebende Kräfte wie Wayve und die Zusammenarbeit mit verschiedenen Unternehmen im Bereich Fahrzeug- und Datenzentrumserweiterung gestärkt. Die Nutzung von Uber-Daten passt natürlich in diese Strategie. Reuters

5）Warum „reale Fahrdaten × Weltmodell“ effektiv ist

Die echte Herausforderung im autonomen Fahren besteht darin,seltene, aber gefährliche Fällezu lernen und zu validieren. Hybrides Lernen, das seltene Ereignisse durch synthetische Daten „verstärkt“ und gleichzeitig mit dem Rauschen und den Eigenheiten der realen Welt (Verhaltensweisen, die nicht unbedingt Best Practices des menschlichen Fahrens sind, Variationen lokaler Schilder, plötzliche Straßenarbeiten usw.) korrigiert, ist effektiv für die Verallgemeinerung außerhalb der Verteilung. Weltmodelle wie Cosmos können kontinuierliche physikalische Gesetze, Verkehrsflüsse und Interaktionen internalisieren und den Zyklus von **„Generierung → Bewertung → Feinabstimmung“** beschleunigen, was in Verbindung mit den flexiblen Ressourcen von DGX Cloud die Durchsatzrate von MLOps erhöht. Dieser „Modell-Nachlern-Loop + synthetische Daten“ ist der technische Fokus, den die Nachrichtenmedien in dieser Ankündigung hervorgehoben haben. GuruFocus

6）Unvermeidliche Themen: Datenschutz, Governance und Regulierung

Bei der Nutzung realer Fahrdaten ist eine klare Governance erforderlich, einschließlichdes Niveaus der Anonymisierung und Pseudonymisierung,des Umgangs mit Innen- und Außenkameras,des Einwilligungsprozesses für die Zweitnutzungunddes Umfangs der Bereitstellung an Dritte. Die globale Operation von Uber erfordert die Berücksichtigung regionaler Unterschiede, da auch die extraterritoriale Anwendung von GDPR in Europa, US-Bundesstaatengesetzen und dem japanischen Datenschutzgesetz eine Rolle spielt. Investoren und Nutzer befinden sich in einer Phase, in der sie die „technisch optimale Lösung“ und die „gesellschaftliche Akzeptanz“ als Bewertungskriterien betrachten.

7）KPI und Meilensteine: Drei Punkte, die beobachtet werden sollten

1. Externe Offenlegung von Sicherheits-KPIs: Dritte-Validierung von Disengagement-Raten, Kollisionsvermeidungsindikatoren, Szenarioabdeckung usw.

2. Verkürzung des Zeitraums von Lernen bis Kommerzialisierung: Zyklus der Cosmos-Generierung und des Feedbacks aus realen Fahrten. TechCrunch

3. Umfang der Implementierung auf der Transportplattform: AV-Angebotsgebiete, Anzahl der Fahrzeuge und Fahrstrecken in der Uber-App (einschließlich der Erweiterung der Waymo-Integration). AP News

8）Aktualisierung der Wettbewerbslandschaft: Wer kann die „Realität“ am besten nutzen?

• Waymo: Führend bei der kommerziellen Implementierung des fahrerlosen Fahrens, hält die „Nachfrageseite“ durch die Zusammenarbeit mit Uber. AP News

• Tesla: Verfolgt einen eigenen Weg mit der Massenproduktion von End-to-End-AI-Fahrzeugen (nicht direkt mit diesem Fall verbunden, aber ein Wettbewerber bei der Verallgemeinerung außerhalb der Verteilung).

• Wayve: Ein aufstrebendes AV-Unternehmen mit dem Konzept des Weltmodells. Hohe Kompatibilität mit NVIDIAs Kapital- und Rechenressourcen. Reuters

• Nuro/Avride etc.: Fokussiert auf die Bereiche Lieferung und Robotaxi, mit fortschreitender Integration in das Uber-Netzwerk und Kapitalverbindungen. SiliconANGLE

Fazit: Der entscheidende Faktor ist nicht die Datenmenge selbst, sondern das Produkt aus „Datenvielfalt × richtige Kennzeichnung × Ausdruckskraft des Weltmodells × schnelles MLOps“. Der Schlüssel zur nächsten Stufe wird sein, wie schnell NVIDIAs „physische KI“ die „Realität“ von Uber aufnehmen kann.