Uber 進軍歐洲無人計程車市場：攜手 Autobrains 與 NVIDIA，慕尼黑成首站

三層式架構：各司其職的關鍵分工

這項計畫並未嘗試用單一、包山包海的端到端神經網路來應付所有駕駛情境，而是採取一種分層架構，將硬體、軟體與營運面的任務清楚切分。

1. Autobrains 的「代理式 AI」（Agentic AI）
核心的創新在於，Autobrains 決定將自動駕駛任務「化整為零」，交由一群各自專精的獨立代理人（Agents）來負責。每個代理人只專注於特定的駕駛場景或決策面向——例如十字路口動線、高速公路匯入車流、與行人的互動等——並持續評估周遭環境，提出相應的駕駛行動建議 。系統會即時匯總這些代理人的判斷，而不是把命運交給單一模型。這種架構設計的初衷，就是要比傳統那種難以解釋的「黑盒子」模型來得更透明、更容易稽核。

2. NVIDIA DRIVE Hyperion 平台
上述軟體運行於 NVIDIA 專為機器人計程車打造的平台上。這套平台整合了車載超級電腦 DRIVE AGX、Halos 安全系統、多模態感測器套件，以及 NVIDIA 的 DRIVE AV 軟體堆疊。該平台旨在符合業界最嚴苛的功能安全標準，並提供一個標準化的基礎，讓合作夥伴不必從頭打造安全驗證架構，就能在此基礎上開發 。

3. Uber 的叫車服務網路
Uber 則貢獻其市場平台、乘客端應用程式，以及長年累積的車隊營運經驗。Uber 扮演乘客與自動駕駛車隊之間的橋樑，負責需求媒合與整體顧客體驗 。

「不挑車廠」的設計與標準化感測器

這項合作案中一個很務實的決策，就是聚焦於「隨插即用」的車輛整合。Autobrains 的代理式 AI 天生就被設計成能與標準車規感測器配置和高效能加速運算搭配運作，而不是非得要特規的感測器不可 。

這種不挑車廠的設計，意味著這套技術可以整合到各大車廠的不同車款平台上，大幅降低了未來車隊擴張的門檻。過去，業界動輒使用笨重又昂貴的特製感測器陣列，往往拖慢商業化腳步；如今，此合作案選擇避開這條老路，目的就是要在商業層面上，真正實現可大規模擴張的自動駕駛叫車服務 。

為何選址慕尼黑？

選擇慕尼黑並非偶然。根據官方新聞稿，這座巴伐利亞首府雀屏中選，是基於環境、產業與法規的綜合考量 ：

• 複雜的駕駛環境：慕尼黑同時具備密集的市區街道與高速道路網路，為系統提供了具代表性的多元真實世界挑戰。
• 汽車工業重鎮：這座城市正是德國汽車工業的心臟地帶，鄰近潛在的製造與工程合作夥伴。
• 友善的法規環境：德國的《自動駕駛法》被視為一個對於Level 4商業化部署相對有利的框架。

不過，這一切仍存在變數。該服務目前尚待監管機關批准，雙方並未提供具體的啟動日期，僅表達了「一經核可，即刻展開營運」的意圖 。

布局全球的機器人計程車生態系

Uber 與 Autobrains 的宣布僅是 NVIDIA 在 GTC 台北大會上揭示的更大藍圖中的一塊拼圖。NVIDIA 宣布大規模擴張其 DRIVE Hyperion 生態系，將此平台定位為機器人計程車開發與部署的全球標準 。同步揭露的合作案還包括：

• Foxconn 正為台灣開發 Level 4 機器人計程車隊，預計從高雄的機場到市區路線開始，目標在 2028 年正式推出服務 。
• VinFast 與 Autobrains 正攜手為東南亞打造 Level 4 計畫，結合了 VinFast 的車輛製造能力與 Autobrains 的自動駕駛軟體堆疊 。
• HUMAIN 正致力於將搭載 DRIVE Hyperion 的機器人計程車引進中東，尤其是沙烏地阿拉伯 。

這些協議共同描繪出一幅景象：業界正在協力推動一個以平台為基礎、橫跨多個市場的機器人計程車生態系，而慕尼黑計畫正是這個版圖中，關鍵的歐洲錨點。