AI不需要預習就能開車上路？Nuro東京測試背後的賭注

一輛從未「見過」日本道路的AI，上個月開始在東京街頭自主行駛。

它來了，而且沒有預習

Nuro，這家由前Google自動駕駛工程師在2016年創立的矽谷新創，上個月正式將測試車輛開上東京公路。車型是Toyota Prius，搭載Nuro自研的自動駕駛軟體，駕駛座上仍有安全員坐鎮——但關鍵在於：Nuro的AI系統在此之前，從未接受過任何日本道路數據的訓練。

Nuro將這套技術稱為「零樣本自動駕駛（Zero-Shot Autonomous Driving）」。傳統的自動駕駛邏輯是：先餵給AI海量的當地數據，讓它學會識別當地的路標、車道線、駕駛習慣，再上路。Nuro的做法是反其道而行——用一個通用的端到端AI基礎模型，讓系統在行駛中持續學習、自我適應。

這不只是技術路線的差異，更是一種關於AI能力邊界的宣示。

從配送機器人到軟體授權：一家公司的轉型求生

要理解Nuro為何選擇現在進軍日本，必須先了解這家公司走過的彎路。

Nuro最初的商業模式是自己造車、自己運營——專注於低速配送機器人，在美國街道上替超市和餐廳送貨。2019年，軟銀願景基金以9億4,000萬美元押注這個方向，讓Nuro一度成為自動駕駛賽道的明星。

然而，硬體研發的高昂成本與行業整合浪潮讓Nuro承壓。2024年，公司做出關鍵決定：放棄自有車隊和配送機器人，轉型為技術授權商——將自動駕駛軟體授權給車廠、叫車平台和物流公司使用。這個轉變讓Nuro從「運營商」變成「供應商」，資本結構也隨之重組。

2025年，Nuro完成2億300萬美元的E輪融資，投資方包括Nvidia、Uber、Baillie Gifford等。Uber更承諾追加「數億美元」投資，作為與電動車廠Lucid更大合作框架的一部分。

東京測試，正是這套新商業邏輯的第一次海外驗證。

廣告

廣告合作

[email protected]

廣告

日本，為什麼是日本？

選擇東京作為首個海外測試地，Nuro的考量耐人尋味。

表面上，日本是個充滿挑戰的市場：靠左行駛、道路標誌迥異於美國、東京市區交通密度極高。Nuro自己也承認，這些都是「全新的挑戰」。但正因如此，東京才是最好的壓力測試場——如果通用AI模型能在這裡運作，它的「通用性」主張才站得住腳。

更深層的邏輯是市場潛力。日本面臨嚴峻的少子高齡化問題，物流、計程車、長照接送等領域的駕駛人力缺口持續擴大。根據日本國土交通省預測，卡車司機短缺問題將在2030年前進一步惡化。自動駕駛技術在日本不只是「科技噱頭」，而是有真實社會需求支撐的解決方案。

Nuro去年8月已在東京設立辦公室，顯示這不是短期試水，而是有計劃的市場布局。公司在部落格中也明確表示：「東京的自動駕駛運營，是全球部署複利效應的起點。」

亞洲市場的競爭棋局

從更宏觀的視角看，Nuro的東京落地折射出一場正在亞洲展開的自動駕駛競賽。

在中國大陸，百度Apollo、文遠知行、小馬智行等本土玩家已在多個城市大規模部署Robotaxi，部分城市已實現無安全員的商業運營。中國的自動駕駛政策相對積極，數據積累速度也因人口密度和行駛里程而具備規模優勢。

相比之下，日本的監管環境更為謹慎，但2023年修訂的《道路交通法》已允許特定條件下的Level 4自動駕駛，為外資進入提供了法律基礎。

對台灣、香港及東南亞的科技投資者而言，Nuro的模式提供了一個值得關注的參照：軟體授權模式能否在亞洲複製成功？在各國監管框架、道路環境、文化習慣差異巨大的前提下，「通用AI」的主張能否真正兌現？

英國競爭對手Wayve（2024年完成12億美元融資）也採用相似的端到端AI路線，並已在歐洲多個城市測試。這意味著，這種「不依賴本地數據」的技術路線正逐漸形成一股新的產業力量，值得亞洲車廠和投資人密切追蹤。

各方怎麼看？

對日本車廠（Toyota、Honda、Nissan）而言，Nuro的到來是威脅，也是機會。威脅在於：如果軟體授權模式普及，車廠可能淪為「代工廠」，核心利潤被科技公司截走。機會在於：採購成熟的自動駕駛軟體，比自研更快、更省。Toyota已與多家自動駕駛公司建立合作，如何在競合之間找到定位，將是關鍵課題。

對物流和叫車平台而言，Nuro的授權模式降低了自動駕駛的進入門檻。但安全性認證、保險責任、事故責任歸屬等問題，在日本這個對規範極為重視的市場，仍需要時間磨合。

對一般乘客和市民而言，最直接的問題很簡單：這輛車安全嗎？Nuro目前採用「影子模式（Shadow Mode）」——AI計算它「會做什麼」，但不實際控制車輛，由人工驗證後才逐步放權。這種謹慎的分階段策略，或許正是在日本建立信任的必要路徑。