Две дороги к роботакси

На CES и на улицах Остина: два принципиально разных плана

В начале января на выставке Consumer Electronics Show в Лас-Вегасе Nvidia представила Alpamayo — открытое семейство больших визуально-языковых моделей действия и сопутствующие инструменты симуляции, разработанные для обучения автомобилей «рассуждать» в необычных дорожных ситуациях. Компания позиционировала эту технологию как качественный скачок в области того, что она называет «физическим ИИ», и продвигала этот подход как обучаемую модульную платформу, которую автопроизводители могут интегрировать в свои транспортные средства.

Полгода назад в Остине, штат Техас, Tesla незаметно начала разрешать небольшому парку модифицированных автомобилей Model Y перевозить приглашенных пассажиров в рамках своего пилотного проекта Robotaxi — наглядной демонстрации десятилетней ставки компании на программное обеспечение для вождения, обучаемое на данных автопарка и использующее только камеры. Этот запуск — изначально ограниченный и контролируемый — продемонстрировал противоположный путь: Tesla поставляет ПО внутри автомобилей, которые сама же строит и использует для накопления реального опыта вождения.

Платформа против продукта: как расходятся инженерные философии

Публичная стратегия Nvidia ориентирована прежде всего на платформу. Компания продает чипы, связующее ПО, наборы сенсоров и операционную среду (DRIVE Hyperion и DRIVE AGX/Thor). В январе компания особо отметила сторонние проверки безопасности и экосистему партнеров-автопроизводителей, которые могут внедрять части этого стека, а не перестраивать их с нуля. Такая модель позволяет традиционным автоконцернам и новым производителям электромобилей ускорить развитие за счет аутсорсинга вычислений и софта, сохраняя при этом свободу в выборе датчиков и архитектуры автомобиля.

Вычислительные мощности для обучения: облачные кластеры, открытые модели и судьба Dojo

До недавнего времени Tesla следовала по пути разработки специализированного решения с Dojo — проектом собственного суперкомпьютера, заявленного как основа для исследований Full Self‑Driving и, в конечном итоге, гуманоидных роботов. В 2025 году Tesla реорганизовала часть своей вычислительной стратегии, и в отчетах с середины 2025 года описывается сворачивание программы Dojo, поскольку компания переключилась на другие планы по чипам и кластерам. Это изменение иллюстрирует центральное противоречие: создание суперкомпьютера мирового класса для обучения в частном порядке обходится дорого и идет медленно, в то время как покупка или совместная аренда современных ускорителей позволяет масштабироваться быстрее, но лишает части контроля.

Ставка Nvidia иная: предоставить высокопроизводительные вычисления (свои GPU и SoC DRIVE) и открытый рабочий процесс «учитель-ученик», где большая модель-«рассуждатель», такая как Alpamayo, может быть дистиллирована в более мелкие сети времени выполнения, работающие внутри автомобиля. Компания также анонсировала набор инструментов симуляции и открытых датасетов, призванных позволить многим игрокам обучаться, тестировать и проводить валидацию без перестраивания каждого элемента инфраструктуры. Такой подход снижает барьер для традиционных автопроизводителей при внедрении продвинутых систем помощи водителю и, в конечном итоге, более высоких уровней автономии.

Сенсоры и проблема «длинного хвоста»

Две компании также расходятся во мнениях относительно датчиков. Референсный дизайн Hyperion от Nvidia явно поддерживает мультимодальные наборы сенсоров — камеры, радары и, все чаще, лидары. На CES и в анонсах платформы DRIVE Hyperion компания подчеркивала партнерство с поставщиками лидаров. Nvidia утверждает, что более глубокое объединение данных с различных датчиков помогает системам воспринимать глубину и обнаруживать опасности в условиях плохой видимости или в редких сценариях.

Tesla удвоила ставку на стратегию «только камеры», утверждая, что водители-люди используют только зрение и что хорошо обученная нейронная сеть может извлекать данные о глубине и движении из видео. Преимущество заключается в более низкой стоимости оборудования и упрощенной интеграции, а также в огромных объемах видео с эксплуатируемого парка Tesla, которое позволяет постоянно улучшать модели. Недостатком — на который неоднократно указывали регуляторы и эксперты по безопасности — является неопределенность в отношении редких событий и вопрос о том, способны ли системы, работающие только на зрении, так же хорошо справляться с необычными обстоятельствами, как мультимодальные стеки.

Регулирование, инциденты и общественное доверие

Операционная безопасность и пристальное внимание общественности являются суровым испытанием для обеих стратегий. Системы FSD и Autopilot от Tesla стали объектом многочисленных запросов со стороны регулирующих органов и постоянного пополнения базы данных отчетов об инцидентах, поданных американскому регулятору безопасности. В 2025 году Национальное управление безопасностью движения на трассах (NHTSA) начало предварительную оценку, охватывающую миллионы автомобилей после сообщений об инцидентах с проездом на красный свет и сменой полосы движения, что подчеркивает как юридические риски, так и политическое внимание, сопровождающее развертывание технологий ранними последователями.

Nvidia сделала акцент на сторонних оценках безопасности, включая взаимодействие с авторитетными органами по безопасности автомобилей, как часть пакета, который более четко вписывается в существующие регуляторные рамки, на которые полагаются автопроизводители. Предложение компании — сертифицированные компоненты, открытые наборы данных и объяснимые цепочки рассуждений от Alpamayo — специально разработано, чтобы помочь OEM-производителям соответствовать требованиям безопасности и аудита при масштабировании функций автономности.

Рыночная динамика и путь к масштабированию

Стратегически Nvidia и Tesla преследуют пересекающиеся конечные цели — крупные автономные парки и сервисы роботакси, но с разным соотношением риска и вознаграждения. Nvidia продает свои решения на огромном рынке автопроизводителей, которые, вероятно, предпочтут модульные, проверенные платформы для интеграции в существующие производственные линии; это открывает множество путей получения дохода без капиталоемкости строительства автомобилей или управления автопарками. Первой реакцией рынка на анонсы Nvidia на CES стал резкий рост акций поставщиков лидаров и сенсоров, что отражает веру инвесторов в то, что мультивендорный платформенный подход ускоряет рост экосистемы.

Преимущество Tesla в случае успеха её вертикально интегрированной стратегии — это уникальный сквозной продукт: автомобиль, операционный «мозг», обученный на миллиардах миль реального пробега, и сервисы, монетизирующие эти автомобили как роботакси. Но такая модель концентрирует операционные, регуляторные и репутационные риски в одном месте, а недавняя реорганизация собственных вычислительных мощностей Tesla подчеркивает, насколько дорогостоящим и хрупким может быть этот путь.

Конвергенция, конкуренция и что дальше

Несмотря на различия, пути компаний могут сойтись. Открытый маршрут Nvidia «учитель-ученик» облегчает автопроизводителям (и, возможно, в теории даже для Tesla) внедрение моделей на основе логических рассуждений; массивный парк Tesla по-прежнему остается преимуществом в данных для сквозного обучения. Обе стороны будут оцениваться не только по сложности их моделей и чипов, но и по безопасности в реальных условиях, прозрачным метрикам обработки сложных сценариев и готовности регуляторов сертифицировать беспилотную эксплуатацию.

Для потребителей и городов ближайшая перспектива будет выглядеть хаотично: смешанные автопарки, лоскутное одеяло из правил в разных юрисдикциях и постепенное развертывание сервисов с участием операторов-контролеров и геозонированием. Для инвесторов и технологов вопрос заключается в том, склонится ли отрасль к модульным платформам, делающим автономию широко доступной, или к нескольким вертикально интегрированным победителям, захватившим весь стек. В любом случае, гонка роботакси теперь напоминает состязание на нескольких трассах: на одной полосе — миллионы потребительских автомобилей, собирающих данные, на другой — стандартизированные платформы и открытые модели, обещающие более быструю валидацию и широкое внедрение.

Источники

• Пресс-материалы NVIDIA (анонсы Alpamayo, DRIVE Hyperion и DRIVE AGX)
• Национальное управление безопасностью движения на трассах (материалы предварительной оценки и расследований систем помощи водителю)
• Отчеты TÜV SÜD и независимых экспертов по оценке безопасности автомобилей, упомянутые в материалах поставщиков
• Публичные заявления и отчетность компании Tesla касательно FSD, пилотных проектов Robotaxi и стратегии вычислений