Pony.ai pokazało nowej generacji kontroler domenowy do jazdy autonomicznej, zbudowany we współpracy z NVIDIĄ na platformie NVIDIA DRIVE Hyperion. To nie jest kolejny efektowny gadżet dla branży automotive, ale jeden z tych elementów infrastruktury, bez których komercjalizacja robotaksówek poziomu L4 pozostaje bardziej obietnicą niż realnym biznesem. W autonomicznej jeździe najwięcej uwagi przyciągają kamery, lidary, mapy i same samochody bez kierowcy. W praktyce kluczowe pytanie brzmi jednak: czy pojazd ma wystarczająco mocny, energooszczędny i odporny komputer, który w czasie rzeczywistym zrozumie wszystko, co dzieje się wokół niego.
Nowy kontroler Pony.ai został oparty na NVIDIA DRIVE AGX Thor i technologii NVIDIA NVLink. Firma zapowiada, że system będzie wspierał jej platformę autonomicznej jazdy L4, robotaksówki oraz szerszy zestaw zastosowań w autonomicznej mobilności. W konfiguracji z dwoma układami DRIVE Thor połączonymi przez NVLink platforma ma osiągać do 4000 FP4 TFLOPS mocy obliczeniowej. To pokazuje, w którą stronę zmierza rynek: samochód autonomiczny przestaje być wyłącznie pojazdem z zestawem czujników, a staje się mobilnym centrum obliczeniowym, zdolnym do ciągłej interpretacji świata.
Pony.ai stawia na NVIDIA DRIVE Hyperion
Nowy kontroler domenowy Pony.ai został zaprojektowany na platformie NVIDIA DRIVE Hyperion, czyli zestawie technologii obejmującym wysokowydajne obliczenia, sensorykę i oprogramowanie potrzebne do rozwoju pojazdów autonomicznych. W komunikacie spółka podkreśla, że system ma obsługiwać nie tylko jej własne robotaksówki, ale również szersze zastosowania klientów w obszarze autonomicznej mobilności. To ważne, bo Pony.ai coraz wyraźniej wychodzi poza rolę operatora robotaksówek i rozwija także biznes dostarczania kontrolerów domenowych oraz technologii dla innych podmiotów.
W praktyce taki kontroler jest mózgiem pojazdu autonomicznego. To on zbiera dane z kamer, radarów, lidarów i innych czujników, a następnie przetwarza je w czasie rzeczywistym. Musi rozpoznawać pieszych, inne pojazdy, pasy ruchu, sygnalizację, nietypowe zachowania uczestników ruchu i sytuacje graniczne, których nie da się łatwo opisać prostą regułą. W systemach L4, czyli takich, które mogą prowadzić pojazd bez kierowcy w określonych warunkach, nie ma miejsca na komputer, który „czasem się zawiesi” albo nie nadąży z analizą sceny.
Dlatego współpraca z NVIDIĄ ma dla Pony.ai znaczenie strategiczne. NVIDIA DRIVE Hyperion daje gotową bazę sprzętowo-programową, a DRIVE AGX Thor zapewnia zapas mocy pod coraz większe modele AI. Im bardziej autonomiczna jazda przechodzi od demonstracji do skalowania flot, tym ważniejsze stają się nie tylko algorytmy, ale również powtarzalna, certyfikowalna i możliwa do produkcji platforma obliczeniowa.
Może Cię zainteresować: NVIDIA dominuje rynek AI i wyprzedza Apple oraz Microsoft. Co stoi za jej sukcesem?
DRIVE AGX Thor i NVLink mają dać skok wydajności
Najważniejszą techniczną informacją w zapowiedzi Pony.ai jest wykorzystanie NVIDIA DRIVE AGX Thor oraz NVIDIA NVLink. Według komunikatu firma planuje konfiguracje jedno- i wieloukładowe, a w wariancie z dwoma układami DRIVE Thor połączonymi NVLink system ma osiągać do 4000 FP4 TFLOPS. Sama liczba nie mówi jeszcze wszystkiego o jakości autonomicznej jazdy, ale dobrze pokazuje skalę zapotrzebowania na moc obliczeniową w nowoczesnych systemach L4.
NVLink jest tu szczególnie ważny, bo pozwala na szybką, niskolatencyjną komunikację między układami. W autonomicznej jeździe opóźnienia mają krytyczne znaczenie. Samochód nie analizuje statycznego dokumentu, ale zmieniające się otoczenie, w którym pieszy może wejść na jezdnię, inny kierowca może wymusić pierwszeństwo, a system musi w ułamkach sekund podjąć bezpieczną decyzję. Im bardziej złożone modele percepcji, planowania i predykcji zachowań uczestników ruchu, tym większe znaczenie ma sprawna wymiana danych wewnątrz komputera pokładowego.
Nowy kontroler ma też zapewnić lepszą efektywność energetyczną i kompatybilność z najnowszymi modelami AI. To nie jest detal techniczny, ale warunek komercjalizacji. Robotaksówka nie może wozić w bagażniku energochłonnego centrum danych. System musi być mocny, ale jednocześnie dostosowany do wymagań automotive: temperatury, wibracji, poboru energii, chłodzenia, niezawodności i długiej pracy w realnym ruchu miejskim.
Poziom L4 wymaga czegoś więcej niż dobrego algorytmu
W autonomicznej jeździe poziomu L4 nie wystarczy, że model dobrze rozpoznaje obraz albo potrafi zaplanować trasę w idealnych warunkach. System musi działać konsekwentnie w pełnych scenariuszach drogowych, także wtedy, gdy warunki są niejednoznaczne. Pony.ai wskazuje, że nowy kontroler ma wspierać wieloczujnikową fuzję danych, percepcję pełnych scenariuszy oraz rozumienie złożonych sytuacji drogowych. To właśnie te obszary są najtrudniejsze w przejściu od testów do masowej eksploatacji.
Fuzja danych oznacza, że pojazd nie opiera się na jednym typie czujnika. Kamera może świetnie rozpoznawać znaki i kolory świateł, lidar pomaga w pomiarze geometrii otoczenia, radar lepiej radzi sobie w określonych warunkach pogodowych, a mapa wysokiej rozdzielczości daje kontekst przestrzenny. Kontroler musi połączyć te dane w jeden spójny obraz świata. Jeżeli różne sensory „widzą” coś inaczej, system musi ocenić, którym danym zaufać i jak bezpiecznie zareagować.
To dlatego komputer pokładowy w robotaksówce jest równie ważny jak same modele AI. Nawet najlepszy algorytm nie pomoże, jeśli infrastruktura obliczeniowa nie jest w stanie obsłużyć wszystkich danych na czas. Pony.ai podkreśla również redundancję, odporność systemową i elastyczność wdrożeniową. W praktyce oznacza to projektowanie z myślą o awariach, rezerwie bezpieczeństwa i różnych konfiguracjach pojazdów. Dla flot robotaksówek to kluczowe, bo każda godzina przestoju, każda awaria i każda nieprzewidywalność systemu bezpośrednio wpływa na koszty operacyjne.
Pony.ai buduje fundament pod komercjalizację robotaksówek
Nowy kontroler nie pojawia się w próżni. Pony.ai współpracuje z NVIDIĄ od 2017 roku, a kolejne generacje jej pojazdów korzystały z platform DRIVE. W 2022 roku firma wprowadziła własną jednostkę obliczeniową klasy automotive opartą na układach NVIDIA DRIVE AGX Orin, wykorzystywaną w robotaksówkach szóstej generacji. W 2025 roku rozpoczęła produkcję kontrolera domenowego L4 wyposażonego w cztery układy DRIVE Orin, który zasila robotaksówki siódmej generacji.
Nowa generacja oparta na DRIVE AGX Thor jest więc kolejnym krokiem, a nie jednorazowym eksperymentem. To ważne, bo rynek robotaksówek bardzo długo żył demonstracjami technologicznymi, które nie zawsze przekładały się na skalowalny biznes. Dziś pytanie brzmi nie tylko, czy samochód potrafi sam jechać po wybranej trasie, ale czy można zbudować flotę, utrzymać ją, aktualizować, serwisować i zarabiać na niej w długim terminie. Do tego potrzebny jest powtarzalny sprzęt, stabilny łańcuch dostaw, kontrola kosztów i możliwość standaryzacji.
Pony.ai wyraźnie chce budować pozycję nie tylko jako operator usług autonomicznych, ale także jako dostawca technologii. Kontroler domenowy może być wykorzystywany w robotaksówkach, ale potencjalnie także w autonomicznej logistyce, pojazdach dostawczych, shuttle busach czy innych zastosowaniach mobilności bez kierowcy. To rozszerza rynek adresowalny i zmniejsza zależność od jednego scenariusza biznesowego.
NVIDIA umacnia pozycję w autonomicznej jeździe
Dla NVIDII współpraca z Pony.ai jest kolejnym elementem szerszej strategii wejścia głębiej w rynek autonomicznej mobilności. Firma od lat buduje ekosystem DRIVE, ale obecnie stawka jest większa niż sprzedaż kolejnych układów do samochodów. NVIDIA chce być dostawcą pełnej platformy dla pojazdów autonomicznych: od komputerów pokładowych, przez sensorykę i oprogramowanie, po narzędzia symulacyjne oraz modele AI. The Verge opisywał wcześniej, że NVIDIA DRIVE Hyperion jest rozwijana także we współpracy z innymi producentami i operatorami robotaksówek, w tym z chińskimi graczami motoryzacyjnymi.
To pokazuje, że autonomiczna jazda staje się dla NVIDII jednym z kluczowych pól ekspansji poza klasyczne centra danych. Oczywiście głównym źródłem przychodów firmy pozostaje infrastruktura AI, ale automotive może być kolejnym dużym rynkiem, jeśli robotaksówki i pojazdy autonomiczne rzeczywiście zaczną się skalować. Wtedy każdy pojazd L4 będzie potrzebował bardzo mocnej jednostki obliczeniowej, a floty będą wymagały spójnego sprzętu, aktualizacji i ekosystemu narzędzi.
Współpraca z Pony.ai jest też ciekawa geopolitycznie. Pony.ai działa głównie w Chinach i Stanach Zjednoczonych, a rynek autonomicznej jazdy w Chinach rozwija się bardzo dynamicznie. Dla NVIDII oznacza to dostęp do jednego z najważniejszych ekosystemów testowania i wdrażania pojazdów autonomicznych. Dla Pony.ai oznacza wsparcie jednego z najmocniejszych dostawców infrastruktury AI. Obie strony grają więc o skalę, ale także o standard technologiczny, który może stać się podstawą kolejnych generacji autonomicznych flot.
Może Cię zainteresować: DeepSeek V4: chiński model AI znów rzuca wyzwanie OpenAI i Anthropic
Nowy kontroler to także gra o koszty i TCO flot
W materiałach źródłowych nie podano publicznej ceny nowego kontrolera, więc wszelkie konkretne kosztorysy trzeba traktować jako szacunki, a nie oficjalne dane. Można jednak jasno powiedzieć, że tego typu system nie jest tanim komponentem. NVIDIA DRIVE AGX Thor, konfiguracje wieloukładowe, NVLink, chłodzenie, obudowa klasy automotive, walidacja bezpieczeństwa i integracja z pojazdem oznaczają wysoką barierę wejścia. W robotaksówkach koszt samego komputera pokładowego jest tylko jednym z elementów całkowitego kosztu floty, obok sensorów, pojazdu, oprogramowania, map, operacji, serwisu i nadzoru.
Z punktu widzenia biznesu ważniejsze od samej ceny jednostkowej jest jednak TCO, czyli całkowity koszt posiadania i eksploatacji. Mocniejszy, bardziej zintegrowany kontroler może być drogi na starcie, ale jeżeli pozwala obsługiwać bardziej zaawansowane modele, ograniczać liczbę komponentów, upraszczać aktualizacje OTA i standaryzować flotę, może obniżać koszty w dłuższej perspektywie. W robotaksówkach liczy się nie tylko koszt pojazdu, ale także liczba godzin pracy, niezawodność, możliwość szybkiego wdrażania poprawek i mniejsze ryzyko wyłączeń operacyjnych.
Dlatego nowy kontroler Pony.ai należy traktować jako element większej układanki komercyjnej. Jeśli firma chce skalować robotaksówki L4, potrzebuje sprzętu, który nie będzie tylko „wystarczająco dobry” w pilotażu, ale będzie gotowy na tysiące godzin pracy w realnym ruchu. W tej fazie autonomicznej jazdy przewagę zyskają nie ci, którzy pokażą najbardziej efektowny przejazd testowy, lecz ci, którzy zbudują stabilną, powtarzalną i opłacalną platformę wdrożeniową.
Podsumowanie: Pony.ai i NVIDIA przyspieszają dojrzewanie robotaksówek
Nowy kontroler domenowy Pony.ai oparty na NVIDIA DRIVE Hyperion, DRIVE AGX Thor i NVLink pokazuje, że rynek autonomicznej jazdy wchodzi w kolejną fazę. Mniej chodzi już o samo udowodnienie, że samochód może jechać bez kierowcy w wybranych warunkach. Coraz ważniejsze staje się pytanie, czy można tę technologię skalować, standaryzować i utrzymywać jako realną usługę transportową.
Dla Pony.ai nowy kontroler jest fundamentem kolejnej generacji robotaksówek i rozwijanego biznesu kontrolerów domenowych. Dla NVIDII to kolejny dowód, że jej platformy DRIVE stają się jednym z najważniejszych elementów infrastruktury dla pojazdów autonomicznych. Dla całej branży to sygnał, że autonomiczna jazda L4 będzie wymagała ogromnej mocy obliczeniowej, ale także energooszczędności, redundancji, odporności i elastyczności wdrożeniowej.
Najważniejsze jest jednak to, że nowy kontroler nie rozwiązuje wszystkich problemów robotaksówek, ale usuwa jedną z barier po stronie sprzętowej. Bez mocnego komputera pokładowego nie ma bezpiecznej percepcji, skutecznego planowania i stabilnej pracy w złożonym ruchu miejskim. Jeśli Pony.ai skutecznie połączy nową platformę z własnym stosem autonomicznej jazdy, może zrobić kolejny krok w stronę dużych, w pełni bezzałogowych flot. A to właśnie skala, nie pojedynczy pokaz technologiczny, zdecyduje o przyszłości robotaksówek.
Źródła: Pony.ai, PR Newswire, Gasgoo, NVIDIA, The Verge.
Dziękujemy za przeczytanie artykułu na Techoteka.pl.
Publikujemy codziennie informacje o sztucznej inteligencji, nowych technologiach, IT oraz rozwoju agentów AI.
Obserwuj nas na Facebooku, aby nie przegapić kolejnych artykułów.
