"ข้อมูลการขับขี่ของ Uber × Cosmos ของ NVIDIA" — วันที่ AI ขับเคลื่อนอัตโนมัติจะกลืนกิน "ความเป็นจริง"

1）เกิดอะไรขึ้น: ถนนกลายเป็น "ชุดข้อมูลการเรียนรู้"

บริษัทเซมิคอนดักเตอร์ยักษ์ใหญ่ NVIDIA ได้รวมข้อมูลการขับขี่จริงของ Uber เข้ากับโมเดลโลกสำหรับการขับขี่อัตโนมัติของตนเอง "Cosmos World" เพื่อเพิ่มความสามารถในการจำลองและความปลอดภัยในสถานที่ที่ซับซ้อน เช่น ทางแยกที่ซับซ้อน การรับส่งที่สนามบิน และสภาพอากาศที่ไม่ดี การคำนวณจะดำเนินการโดยแพลตฟอร์ม AI ของบริษัท เช่น DGX Cloud การร่วมมือครั้งนี้ได้รับการประกาศในงาน CES 2025 แต่ครั้งนี้การใช้ข้อมูลการขับขี่ของ Uber เพื่อเสริมสร้างโมเดลได้รับความสนใจอีกครั้ง TechCrunch

ในข่าวนี้ หุ้นของ Uber เพิ่มขึ้น 3.5% ในวันที่ 23 ตุลาคม (วันพฤหัสบดีในสหรัฐฯ) ตลาดเริ่มให้ความสำคัญกับ "AI ทางกายภาพ" ที่ประกอบด้วย "ข้อมูลโลกจริง × การจำลองการสร้าง × HPC" Investing.com

2）เนื้อหาทางเทคนิค: Cosmos World × DGX Cloud × ข้อมูลการขับขี่จริง

Cosmos ของ NVIDIA ประกอบด้วยกลุ่ม "โมเดลโลก" ที่ออกแบบมาสำหรับหุ่นยนต์และการขับขี่อัตโนมัติ และท่อการประมวลผลข้อมูลและการปรับแต่ง การจำลองทางกายภาพที่สร้างขึ้นจะถูกดำเนินการในขนาดใหญ่ เพื่อสร้างเหตุการณ์ที่เกิดขึ้นได้ยากในโลกจริง (เช่น รอยยางบนหิมะ เส้นสีขาวที่หายไปในคืนที่มีฝนตก การลดเลนเนื่องจากการก่อสร้าง) ในปริมาณมากอย่าง "ปลอดภัย" จากนั้นข้อมูลจริงของ Uber จะถูกนำมาใช้ในการเรียนรู้เพิ่มเติมเพื่อปรับปรุงความแม่นยำของการจำลองและเพิ่มความทนทานต่อเหตุการณ์ที่อยู่นอกการกระจาย ในการอธิบายที่ CES 2025 ก็ได้แสดงให้เห็นว่าการรวมกันของ Cosmos และ DGX Cloud เป็น "การเพิ่มความเร็วในการพัฒนา" TechCrunch

3）ปฏิกิริยาเริ่มต้นของตลาดและโซเชียลมีเดีย: ความชื่นชมและความระมัดระวัง

ในขณะที่ราคาหุ้นตอบสนองอย่างรวดเร็ว บนโซเชียลมีเดียมีการประเมินและความกังวลร่วมกัน

• ความชื่นชม: นักลงทุนและสื่อบุคคลต่างๆ ได้โพสต์ประเมินผลกระทบของ "โลกจริง × การจำลองการสร้าง" และมองว่าการเรียนรู้เพิ่มเติมของ Cosmos ด้วยข้อมูลของ Uber เป็น "ตัวเพิ่มความแม่นยำและความปลอดภัย" X (formerly Twitter)

• ความร้อนแรงด้านหุ้น: มีโพสต์ที่เน้นถึงการเพิ่มขึ้นของ Uber และความสำคัญของการร่วมมือ "NVDA × UBER" X (formerly Twitter)

• ความระมัดระวัง: ในขณะเดียวกัน มีคำถามเกี่ยวกับขอบเขตการแชร์ข้อมูล การทำให้ข้อมูลไม่ระบุตัวตน และความโปร่งใสของการยินยอมของผู้ใช้ (เป็นประเด็นทั่วไปที่ต้องมีการเปิดเผยรายละเอียดใน IR และบล็อกในอนาคต)

ในด้านการรายงาน สื่อการลงทุนและเว็บไซต์ข่าวต่างๆ ได้เน้นย้ำถึง "การใช้ข้อมูลการขับขี่จริง" Investing.com, GuruFocus, TipRanks เป็นต้น ได้จับประเด็นการเพิ่มขึ้นของหุ้น Uber และการใช้ Cosmos และ DGX Cloud Investing.com　GuruFocus

4）ผลกระทบทางอุตสาหกรรม: การแพร่กระจายไปยัง Waymo/Tesla/กลุ่มรถแท็กซี่อัตโนมัติ

Uber ได้เปลี่ยนทิศทางจากการพัฒนาการขับขี่อัตโนมัติแบบฟูลสแต็กไปสู่ "การร่วมมือแพลตฟอร์ม" และขยายรถแท็กซี่อัตโนมัติผ่านความร่วมมือกับ Waymo การร่วมมือกับ NVIDIA จะเชื่อมต่อ "การเรียนรู้และการจัดส่ง" ของระบบนิเวศ AV ทั้งหมดให้แข็งแกร่งยิ่งขึ้น การรวม Waymo เข้ากับแอป Uber เพื่อขยายบริการ และข่าวการระดมทุนและการร่วมมือกับ Uber ของผู้เล่นรอบข้างเช่น Nuro และ Avride ก็มีความเกี่ยวข้องกัน AP News

ทางฝั่ง NVIDIA กำลังพิจารณาการลงทุนขนาดใหญ่ในกลุ่มใหม่เช่น Wayve และการร่วมมือกับบริษัทต่างๆ ผ่านการเชื่อมต่อในรถยนต์และศูนย์ข้อมูล เพื่อขยายฐาน "AI ทางกายภาพ" การใช้ข้อมูล Uber ในครั้งนี้อยู่ในแนวทางกลยุทธ์นี้อย่างธรรมชาติ Reuters

5）ทำไม "ข้อมูลการขับขี่จริง × โมเดลโลก" ถึงได้ผล

ความท้าทายที่แท้จริงในด้านการขับขี่อัตโนมัติคือวิธีการเรียนรู้และตรวจสอบกรณีที่เกิดขึ้นน้อยแต่มีความเสี่ยงสูง การเรียนรู้แบบไฮบริดที่ขยายเหตุการณ์ที่เกิดขึ้นได้ยากด้วยข้อมูลสังเคราะห์และแก้ไขด้วยเสียงรบกวนและลักษณะเฉพาะของโลกจริง (เช่น พฤติกรรมที่ไม่จำเป็นต้องเป็นแนวปฏิบัติที่ดีที่สุดของการขับขี่ของมนุษย์ ความหลากหลายของป้ายท้องถิ่น ความไม่คาดคิดของการก่อสร้างถนน) มีประสิทธิภาพในการทำให้ทั่วไปนอกการกระจาย โมเดลโลกเช่น Cosmos สามารถเร่งวงจร "การสร้าง → การประเมิน → การปรับปรุงเล็กน้อย" เนื่องจากมีการรวมกฎทางกายภาพ การไหลของการจราจร และปฏิสัมพันธ์อย่างต่อเนื่อง ด้วยทรัพยากรที่ยืดหยุ่นของ DGX Cloud ทำให้ throughput ของ MLOps เพิ่มขึ้น วงจร "การเรียนรู้เพิ่มเติมของโมเดล + ข้อมูลสังเคราะห์" นี้เป็นจุดโฟกัสทางเทคนิคที่ข่าวแต่ละฉบับเน้นย้ำ GuruFocus

6）ประเด็นที่หลีกเลี่ยงไม่ได้: ความเป็นส่วนตัว การกำกับดูแล กฎระเบียบ

ในการใช้ข้อมูลการขับขี่จริงระดับการทำให้ข้อมูลส่วนบุคคลไม่ระบุตัวตนหรือใช้นามแฝง, การจัดการกล้องภายในและภายนอกรถ, กระบวนการยินยอมสำหรับการใช้งานรอง, ขอบเขตการให้ข้อมูลแก่บุคคลที่สามเป็นสิ่งที่ต้องมีการกำกับดูแลที่ชัดเจน กฎหมาย GDPR ของยุโรป กฎหมายของรัฐต่างๆ ในสหรัฐฯ และกฎหมายคุ้มครองข้อมูลส่วนบุคคลของญี่ปุ่นที่มีผลบังคับใช้ข้ามเขตแดน จะต้องมีการปรับตัวตามภูมิภาคในการดำเนินงานทั่วโลกของ Uber นักลงทุนและผู้ใช้ต่างก็เข้าสู่ขั้นตอนที่ประเมินความสมดุลระหว่าง "ทางออกทางเทคนิคที่ดีที่สุด" และ "การยอมรับทางสังคม"

7）KPI และไมล์สโตน: 3 จุดที่ควรจับตามอง

1. การเปิดเผย KPI ด้านความปลอดภัยภายนอก: อัตราการยกเลิกการควบคุม ตัวชี้วัดการหลีกเลี่ยงการชน การครอบคลุมสถานการณ์ที่มีการตรวจสอบโดยบุคคลที่สาม

2. การลดช่องว่างระหว่างการเรียนรู้และการใช้งานเชิงพาณิชย์: วงจรการสร้าง Cosmos และการป้อนกลับการขับขี่จริง TechCrunch

3. ขนาดการใช้งานบนแพลตฟอร์มการจัดส่ง: พื้นที่ให้บริการ AV จำนวนรถและระยะทางในการขับขี่ในแอป Uber (การขยายการรวม Waymo เป็นต้น) AP News

8）การอัปเดตแผนที่การแข่งขัน: ใครสามารถใช้ "ความเป็นจริง" ได้ดีที่สุด

• Waymo: นำหน้าในด้านการใช้งานเชิงพาณิชย์ของการขับขี่อัตโนมัติแบบไร้คนขับ ถือ "ด้านความต้องการ" ผ่านการร่วมมือกับ Uber AP News

• Tesla: เส้นทางเฉพาะในการเปิดตัวรถ AI แบบ end-to-end (ไม่เกี่ยวข้องโดยตรงกับกรณีนี้ แต่เป็นคู่แข่งในการทำให้ทั่วไปนอกการกระจาย)

• Wayve: ผู้มาใหม่ใน AV ที่มีแนวคิดโมเดลโลก มีความเข้ากันได้สูงกับทรัพยากรทุนและการคำนวณของ NVIDIA Reuters

• Nuro/Avride เป็นต้น: มุ่งเน้นในด้านการจัดส่งและรถแท็กซี่อัตโนมัติ การร่วมมือกับเครือข่ายและทุนของ Uber กำลังดำเนินไป SiliconANGLE

สรุป: สิ่งที่จะตัดสินผู้ชนะไม่ใช่ปริมาณข้อมูล แต่เป็น "ความหลากหลายของข้อมูล × การติดป้ายที่ถูกต้อง × ความสามารถในการแสดงของโมเดลโลก × MLOps ที่รวดเร็ว" การที่ AI ทางกายภาพของ NVIDIA จะสามารถรวม "ความเป็นจริง" ของ Uber ได้เร็วแค่ไหนจะเป็นกุญแจสำคัญในขั้นตอนต่อไป