📱Engadget•較早收集於 70m
Nuro 在東京測試自動駕駛車輛
💡Nuro 東京 AV 測試基準 Level 4 在混亂街道—全球 AV 開發者關鍵洞見。（48字）
⚡ 30-Second TL;DR
有什麼變化
Nuro 在東京測試少量自動駕駛車輛，依日本法律配備人類駕駛員
為什麼重要
東京測試驗證 Nuro 的 AV 技術在多元國際市場的適用性，有助加速全球機器人計程車部署。透過多功能平台與 Waymo 區隔，可擴展至配送等應用。顯示 Uber 積極擴張 AV 策略。
下一步行動
評估 Nuro 的 Level 4 自動駕駛堆疊，以適應左手駕駛城市環境的 AV 模型。
誰應關注：Developers & AI Engineers
關鍵要點
- •Nuro 在東京測試少量自動駕駛車輛，依日本法律配備人類駕駛員
- •目標 Level 4 自動駕駛，作為可擴展至多應用的通用平台
- •Uber 計劃到 2027 年部署 10 萬輛 AV，包括 2 萬輛 Nuro/Lucid 機器人計程車
- •東京複雜街道壓力測試 AV 系統能力
🧠 深度解析
背景與延伸：來自公開資料，非原文內容。引用 4 個來源。
🔑 增強重點摘要
📊 競品分析▸ Show
| 公司 | 主要焦點 | 國際擴張狀態 | 融資背景 |
|---|---|---|---|
| Nuro | 配送機器人與自動駕駛軟體 | 首次國際測試(東京) | Nvidia、Uber、SoftBank(9.4 億美元) |
| Waymo(Alphabet) | 機器人計程車 | 多個美國城市 | Alphabet 內部 |
| Zoox(Amazon) | 自動駕駛車隊 | 美國為主 | Amazon 內部 |
| Wayve(英國) | 端到端 AI 自動駕駛 | 歐洲為主 | 最近融資 12 億美元 |
🛠️ 技術深入
• 端到端 AI 架構：Nuro 的自動駕駛堆棧基於端到端 AI 基礎模型，系統可在駕駛過程中學習，無需預先訓練特定地區的駕駛數據[1] • 零樣本遷移能力：該「零樣本自動駕駛」方法使軟體能夠自主應對日本的左側行駛規則、密集城市交通和不同的路標標準，無需重新訓練[1] • 測試車隊配置：使用豐田 Prius 作為測試平台，配備人類安全駕駛員作為備份，公司未披露具體車隊規模或移除安全駕駛員的時間表[1]
🔮 前景展望AI analysis grounded in cited sources
Nuro 的零樣本 AI 方法可能加速全球自動駕駛部署
若端到端模型在東京複雜環境中驗證成功，將減少進入新市場所需的本地化開發時間和成本。
日本可能成為自動駕駛技術商業化的關鍵市場
政府支持、老齡化人口和物流短缺為自動駕駛解決方案創造了強烈的市場需求和監管動力。
Nuro 與日本 OEM 的潛在合作將重塑亞洲自動駕駛競爭格局
Nuro 首席運營官表示對日本汽車製造商感興趣，此類合作可能加速本地化並挑戰 Waymo 和 Zoox 的市場地位。
⏳ 時間線
2016-01
Nuro 由 Google 自動駕駛項目早期工程師 Dave Ferguson 和 Jiajun Zhu 創立
2019-05
SoftBank Vision Fund 投資 9.4 億美元，成為主要支持者
2024-01
Nuro 改變商業模式，兩年前進行重大戰略調整
2025-08
Nuro 在東京開設辦公室，為國際擴張做準備
2026-02
Nuro 在東京公路開始測試自動駕駛軟體(上月)
2026-03-12
Nuro 東京測試公開宣布，標誌首次國際擴張
📎 來源 (4)
Factual claims are grounded in the sources below. Forward-looking analysis is AI-generated interpretation.
📰
AI 週報
閱讀本週精選 AI 大事摘要 →
👉相關動態
AI 策展新聞聚合。所有內容版權歸原始發布者所有。
原始來源： Engadget ↗
每週 AI 簡報
每週一封，可隨時退訂。