Physical AI แห่งอนาคต: ผู้นำ Robotaxi ระดับโลกเลือกใช้เทคโนโลยี NVIDIA ขับเคลื่อนยานยนต์ไร้คนขับ

ตลาด robotaxi ทั่วโลก ซึ่งถือเป็นความสำเร็จเชิงพาณิชย์ครั้งแรกของ physical AI’s คาดการณ์ว่าจะมีมูลค่าสูงถึง 400 พันล้านดอลลาร์ภายในปี 2035 โดยจะมีรถยนต์เชิงพาณิชย์เปิดใช้งานมากกว่า 6 ล้านคัน เพื่อให้บริการขนส่งผู้คนผ่านเส้นทางที่ซับซ้อนและพลุกพล่านที่สุดในโลก

การติดตั้งรถยนต์ไร้คนขับเป็นเพียงความท้าทายด่านแรก แต่การขยายขนาดฝูงรถถือเป็นความท้าทายด้านคอมพิวเตอร์ที่ยากยิ่งกว่า เพราะต้องรักษาประสิทธิภาพ ความปลอดภัย และความน่าเชื่อถือให้คงที่ในรถยนต์จำนวนหลายพันคันพร้อมๆ กัน

การตอบสนองความต้องการดังกล่าวจำเป็นต้องใช้พลังประมวลผลมหาศาลตลอดวงจรการพัฒนา ตั้งแต่การเตรียมข้อมูลและการฝึกฝนโมเดล AI ไปจนถึงการจำลองสถานการณ์เพื่อตรวจสอบพฤติกรรมการขับขี่ ตลอดจนการประมวลผลแบบ Real-time ภายในตัวรถ

NVIDIA จึงได้มอบแพลตฟอร์มแบบเปิดสำหรับ AI training, simulation และ safety validation พร้อมเครื่องมือครบชุดทั้ง Library, SDK และโมเดลต่างๆ ที่นักพัฒนาสามารถนำไปบูรณาการเข้ากับระบบของตนเองได้อย่างยืดหยุ่น

ปัจจุบันโครงการ Robotaxi รายใหญ่ที่ดำเนินการในระดับเชิงพาณิชย์เกือบทั้งหมด ต่างพัฒนาบนระบบ Modular Stack ของ NVIDIA ซึ่งครอบคลุมทั้งการฝึกฝน AI, การจำลองเหตุการณ์ และ in-vehicle computing เพื่อขับเคลื่อนการขยายฝูงรถในวงกว้าง

Robotaxi Technology Stack คืออะไร?

Robotaxi technology stack คือชุดเทคโนโลยีแบบครบวงจร (End-to-End) ที่ใช้ในการพัฒนา ตรวจสอบ และติดตั้งรถยนต์ไร้คนขับ (AVs) เริ่มตั้งแต่การจัดการข้อมูล การฝึกโมเดล AI ไปจนถึงการจำลองสถานการณ์เสมือนจริง และการประมวลผลข้อมูลสดภายในรถขณะขับขี่

AV platform ของ NVIDIA ได้รวมความสามารถเหล่านี้ไว้ในโซลูชันคอมพิวเตอร์ 3 ประเภทหลัก ได้แก่ คอมพิวเตอร์สำหรับฝึกโมเดล (Model Training), คอมพิวเตอร์สำหรับการจำลองและตรวจสอบ (Simulation and Validation) และคอมพิวเตอร์ที่ติดตั้งในตัวรถ (In-vehicle)

1. Training Computer: NVIDIA DGX

ความฉลาดของ Robotaxi ก้าวหน้าขึ้นจากการนำข้อมูลจริงจากฝูงรถมาพัฒนาเป็นโมเดลที่ฉลาดขึ้นเรื่อยๆ โดยใช้ระบบ NVIDIA DGX เป็นขุมพลังหลักในการฝึกฝน

พอร์ตโฟลิโอ NVIDIA Alpamayo ซึ่งประกอบด้วยโมเดล VLA (Vision Language Action), เฟรมเวิร์กจำลองสถานการณ์ และชุดข้อมูล Physical AI ช่วยให้นักพัฒนามีรากฐานในการปรับแต่งระบบตามเงื่อนไขของตนเอง โดยเฉพาะการใช้ Reasoning Models เพื่อแก้ปัญหาที่ซับซ้อนในเหตุการณ์ที่เกิดขึ้นได้ยาก (Long-tail) ด้วยการวิเคราะห์ทีละขั้นตอนเพื่อเลือกเส้นทางที่ปลอดภัยที่สุด

นอกจากนี้ NVIDIA ยังจัดเตรียมชุดข้อมูลเสริมความแข็งแกร่ง (Reinforcement Learning) และสูตรการทำ Post-training เพื่อช่วยให้โมเดลทำงานได้อย่างเหมาะสมที่สุดเมื่อนำไปใช้กับรถยนต์จริง

จากการทดสอบพบว่าการใช้ข้อมูล Meta-action และกระบวนการคิดแบบ Chain-of-thought ช่วยลดความผิดพลาดในการคาดการณ์เส้นทาง (Minimum Average Displacement Error) ของโมเดล VLA ลงได้ถึง 43% โดยลดจาก 2.08 เหลือเพียง 1.18

2. Simulation and Validation Computer: NVIDIA Omniverse และ Cosmos บน NVIDIA RTX PRO

นักพัฒนาไม่สามารถพึ่งพาเพียงการวิ่งจริงบนท้องถนนเพื่อเก็บข้อมูลเหตุการณ์หายากได้ NVIDIA Omniverse NuRec จึงเข้ามาช่วยสร้างเหตุการณ์จริงขึ้นใหม่จากข้อมูลเซ็นเซอร์ ขณะที่ NVIDIA Cosmos จะสร้างตัวแปรทางกายภาพที่หลากหลาย ทั้งพฤติกรรมการจราจร สภาพอากาศ และแสง เพื่อเปลี่ยนเหตุการณ์จริงเพียงไม่กี่กรณีให้กลายเป็นสถานการณ์จำลองนับล้านรูปแบบ

เมื่อทำงานบน NVIDIA RTX PRO Servers ระบบจะรองรับทั้ง Closed-loop Simulation และการตรวจสอบความถูกต้อง โดยมีเฟรมเวิร์ก NVIDIA AlpaSim ช่วยระบุจุดอ่อนของโมเดลก่อนจะนำไปใช้งานจริงบนถนน

3. In-Vehicle Computer และ Sensor Architecture: NVIDIA DRIVE Hyperion พร้อม DRIVE AGX

NVIDIA DRIVE Hyperion คือสถาปัตยกรรมอ้างอิงสำหรับคอมพิวเตอร์และเซ็นเซอร์ในรถ Robotaxi ระดับ 4 โดยรุ่น Hyperion 10 ใช้ชิป NVIDIA DRIVE AGX Thor สองตัวที่สร้างบนสถาปัตยกรรม NVIDIA Blackwell

ระบบนี้มาพร้อมเซ็นเซอร์รอบคัน ทั้งกล้องความละเอียดสูง 14 ตัว, เรดาร์ 9 ตัว, Lidar 3 ตัว และอัลตราโซนิก 12 ตัว เพื่อสร้างการรับรู้แบบ 360 องศา และมีการออกแบบระบบสำรอง (Redundant) เพื่อให้รถยังคงทำงานได้แม้มีส่วนประกอบใดขัดข้อง

ในส่วนของความเชื่อมั่น NVIDIA Halos ได้จัดเตรียม Halos OS และระบบตรวจสอบคุณภาพที่ครอบคลุมตั้งแต่บนคลาวด์ไปจนถึงตัวรถ เพื่อให้มั่นใจว่าระบบการขับขี่อัตโนมัติพร้อมสำหรับการผลิตจริง

ผู้นำ Robotaxi ที่ไว้วางใจ NVIDIA Technology Stack

ปัจจุบันระบบนิเวศ Robotaxi ของ NVIDIA ครอบคลุมผู้ให้บริการทั่วโลก ทั้งในเอเชีย ยุโรป ตะวันออกกลาง และอเมริกาเหนือ โดยมีการนำสถาปัตยกรรมคอมพิวเตอร์ทั้งสามส่วนไปใช้อย่างกว้างขวาง

การขยายบริการ Robotaxi ทั่วโลก

• Uber มีแผนขยายฝูงรถที่ใช้ NVIDIA DRIVE Hyperion ไปยัง 28 เมืองภายในปี 2028 พร้อมสร้าง Data Factory ร่วมกับ NVIDIA เพื่อพัฒนาโมเดลสำหรับสถานการณ์ที่หาได้ยาก
• May Mobility เตรียมเปิดให้บริการเรียกรถไร้คนขับผ่านเครือข่าย Uber โดยใช้ระบบซอฟต์แวร์บนแพลตฟอร์ม NVIDIA DRIVE
• Bolt และ Lyft ต่างเลือกใช้เทคโนโลยีของ NVIDIA เป็นมาตรฐานอ้างอิงสำหรับฝูงรถในอนาคต
• WeRide ร่วมกับ Grab วางแผนนำรถรุ่น GXR ที่ใช้ DRIVE AGX Thor บุกตลาดเอเชียตะวันออกเฉียงใต้
• Waymo ร่วมมือกับ NVIDIA ในการสร้างระบบคอมพิวเตอร์อัตโนมัติของตนเอง

การสร้างความฉลาดให้กับ Robotaxi

นักพัฒนา AI ระดับโลกต่างใช้เครื่องมือจาก NVIDIA เพื่อสร้างซอฟต์แวร์ขับเคลื่อนอัตโนมัติที่ล้ำสมัย อาทิ Wayve ที่พัฒนาร่วมกับ Nissan, Autobrains ที่ร่วมกับ Uber และ VinFast, รวมไปถึง Zoox, Momenta, Pony.ai, Waabi, TIER IV และ DeepRoute.ai ที่ต่างเลือกชิปตระกูล DRIVE AGX Thor มาเป็นหัวใจหลักในระบบประมวลผล

การนำ Robotaxi เข้าสู่กระบวนการผลิตจริง

ผู้ผลิตรถยนต์รายใหญ่กำลังผสานเทคโนโลยี NVIDIA เข้ากับสายการผลิต เช่น Tesla ที่ฝึกโครงข่ายประสาทบนซูเปอร์คอมพิวเตอร์ NVIDIA, Mercedes-Benz ที่ร่วมมือกับ Uber พัฒนา Robotaxi บนพื้นฐานของ S-Class รวมถึงกลุ่ม Stellantis, Lucid, Hyundai Motor, Kia, และ Geely ที่ต่างมุ่งมั่นพัฒนายานยนต์อัตโนมัติระดับ L4 บนแพลตฟอร์ม NVIDIA DRIVE ทั้งสิ้น

เรียกได้ว่าตั้งแต่ระดับคลาวด์ไปจนถึงรถยนต์จริง เกือบทุกขั้นตอนการพัฒนา Robotaxi ในปัจจุบันล้วนขับเคลื่อนอยู่บนขุมพลังประมวลผลของ NVIDIA

สำรวจ แพลตฟอร์มสำหรับการพัฒนา robotaxi ที่สมบูรณ์ของ NVIDIA