Nuro自动驾驶技术“零样本”落地东京,英伟达与Uber押注全球扩张

硅谷明星公司Nuro正试图用AI大模型打破自动驾驶的地域壁垒。

一、 东京路测：从加州到东京的“无缝切换”

Nuro此次在东京的测试并非简单的技术复制，而是一次对AI泛化能力的极限挑战。

1. 无本地数据训练Nuro声称其系统采用了“零样本自动驾驶”技术。这意味着软件在进入东京之前，并未使用任何日本本地的驾驶数据进行训练。系统依靠其端到端的AI基础模型，直接适应了日本的左行交通规则、密集车流以及完全不同的路标和车道标线。

2. 安全员仍在岗尽管技术宣称先进，但出于安全考虑，目前的测试车辆仍配备了人类安全员作为后备。Nuro尚未公布何时会移除安全员，也未透露在东京部署的具体车队规模。

3. 严苛的安全验证在正式上路前，Nuro在拉斯维加斯进行了封闭场地测试，并利用大规模仿真模拟了极端场景。上路初期，系统运行在“影子模式”下，即AI模拟决策但不实际控制车辆，直到验证通过后才逐步开放全自主模式。

二、 战略转型：从造车到卖技术

Nuro的东京扩张并非偶然，而是其两年前战略大转型的直接成果。

1. 放弃造车，转向授权Nuro最初专注于开发低速无人配送车。然而，高昂的研发成本和行业整合浪潮迫使公司在2024年彻底改变了商业模式。Nuro放弃了自造配送车的重资产模式，转而专注于向汽车制造商和出行服务商授权其自动驾驶技术。

2. 资本重新押注这一转型得到了资本市场的认可。2025年，Nuro完成了2.03亿美元的E轮融资，新投资者包括英伟达、Uber等。Uber更是计划进行“数亿美元”的投资。

三、 技术核心：端到端AI模型

Nuro此次敢于“空降”东京的底气，源于其底层技术架构的革新。

1. 通用基础模型Nuro的自动驾驶堆栈建立在一个端到端的AI基础模型之上。与传统的模块化架构不同，该模型能够像人类一样，通过观察环境直接学习驾驶的底层逻辑，而不是死记硬背特定城市的规则。

2. 与Wayve路线趋同这种“端到端”的AI策略与英国自动驾驶公司Wayve高度相似。两家公司都认为，未来的自动驾驶不应依赖于海量的本地数据标注和地图更新，而应具备更强的泛化能力和适应性。

四、 行业影响：自动驾驶的“全球化”拐点

Nuro的东京测试如果成功，将对整个自动驾驶行业产生深远影响。

1. 打破地域壁垒传统的自动驾驶系统进入新城市通常需要数月的数据收集和本地化调优。Nuro的“零样本”能力若能验证成功，将大幅降低自动驾驶全球扩张的时间和金钱成本，使技术真正具备“全球化”属性。

2. 轻资产模式验证Nuro从“造车”转向“卖技术”的转型，也反映了自动驾驶行业的一个趋势：纯粹的硬件制造门槛高、利润薄，而基于AI的软件授权和解决方案可能成为更可持续的商业模式。

Nuro将东京视为“全球部署复合效益的起点”。如果这套系统能在东京复杂的左行交通中安全运行，那么将其复制到世界其他地区将不再是遥不可及的梦想。

声明：本文基于公开报道及行业分析，旨在提供信息参考，不构成任何投资建议。自动驾驶技术仍处于发展阶段，实际应用需以官方公告和法律法规为准。

一键三连「点赞」「分享」「爱心」

关注我，每天推送最新科技热点。