உபெர் இலக்கு: 2027க்குள் 1 லட்சம் Nvidia-இயக்கப்படும் தானியங்கி டாக்ஸிகள், ஸ்டெல்லாண்டிஸ் வாகனங்களை வழங்கும்

உபெர் டெக்னாலஜிஸ் இன்க். (Uber Technologies Inc.) Nvidia கார்ப்பரேஷனின் (Nvidia Corp.) தொழில்நுட்பத்தைப் பயன்படுத்தி, 100,000 தானியங்கி வாகனங்களின் (autonomous vehicles) தொகுப்பை (fleet) கொண்டுவர ஒரு லட்சிய இலக்கை நிர்ணயித்துள்ளது. இந்த முயற்சியின் நோக்கம், ரைடு-ஹெயிலிங் ரோபோடாக்சிகளை (robotaxis) வழங்குவதற்கான செலவுகளைக் குறைப்பதாகும். இந்த விரிவாக்கம் 2027 இல் தொடங்கும், இது உபெர் ஓட்டுநர் தரவைப் (driving data) பகிர்வதன் மூலம் Nvidia-வின் செயற்கை நுண்ணறிவு மாதிரிகளையும் (AI models) மற்றும் சிப் தொழில்நுட்பத்தையும் (chip technology) தானியங்கி வாகன மேம்பாட்டிற்காக மேம்படுத்தும் தற்போதைய கூட்டாண்மையை அடிப்படையாகக் கொண்டது. Nvidia தனது GTC மாநாட்டில் தனது புதிய பிளாட்ஃபார்ம், Nvidia Drive AGX Hyperion 10-ஐ அறிமுகப்படுத்தியது, இது கார் உற்பத்தியாளர்களுக்கு தானியங்கி ஓட்டுநர் மென்பொருளுக்கான (autonomous driving software) தேவையான வன்பொருள் (hardware) மற்றும் சென்சார்களை (sensors) வழங்குகிறது. ஸ்டெல்லாண்டிஸ் என்வி (Stellantis NV), உபெரின் உலகளாவிய செயல்பாடுகளுக்கு (global operations) குறைந்தது 5,000 Nvidia-இயக்கப்படும் ரோபோடாக்சிகளை வழங்கும் முதல் வாகன உற்பத்தியாளர்களில் ஒன்றாக இருக்கும், இதன் தொடக்கம் அமெரிக்காவில் இருக்கும். உபெர் தொகுப்பு செயல்பாடுகளின் (fleet operations) அனைத்து அம்சங்களையும் நிர்வகிக்கும். ஸ்டெல்லாண்டிஸ், வன்பொருள் மற்றும் கணினி ஒருங்கிணைப்பில் (systems integration) ஃபாக்ஸ்கான் உடன் (Foxconn) இணைந்து பணியாற்றும், இதன் உற்பத்தி 2028 இல் தொடங்க இலக்கு நிர்ணயிக்கப்பட்டுள்ளது. இந்த நடவடிக்கை, அல்பபெட் இன்க். (Alphabet Inc.) இன் வேமோ (Waymo) மற்றும் சீனாவின் வெயிரைட் இன்க். (WeRide Inc.) உடன் உபெரின் தற்போதைய வரையறுக்கப்பட்ட தானியங்கி ரைடு சேவைகளிலிருந்து வேறுபடுகிறது, அவை மிகச் சிறிய தொகுப்புகளை உள்ளடக்கியுள்ளன. இந்த கூட்டாண்மையில் "ரோபோடாக்சி டேட்டா ஃபேக்டரி" (robotaxi data factory) ஒன்றை உருவாக்குவதும் அடங்கும், இதில் உபெர், டிரைவர் இல்லாத மாடல்களைப் பயிற்றுவிக்கவும் (train) சரிபார்க்கவும் (validate) மில்லியன் கணக்கான மணிநேர ஓட்டுநர் தரவை பங்களிக்கும், இது Nvidia-வின் செயலிகள் (processors) மற்றும் AI கருவிகளால் ஆதரிக்கப்படும். தாக்கம்: இந்த ஒத்துழைப்பு தானியங்கி வாகன தொழில்நுட்பத்தின் மேம்பாடு மற்றும் வரிசைப்படுத்தலை (deployment) துரிதப்படுத்தும், இது ரைடு-ஷேரிங் தொழில் மற்றும் வாகன உற்பத்தியை மாற்றியமைக்கும். இது AI, சென்சார் தொழில்நுட்பம் மற்றும் தொகுப்பு மேலாண்மையில் (fleet management) கண்டுபிடிப்புகளை ஊக்குவிக்கும், இதனால் மிகவும் திறமையான மற்றும் சாத்தியமான மலிவான ரோபோடாக்சி சேவைகள் கிடைக்கும். வாகன மற்றும் தொழில்நுட்பத் துறைகளில் இதன் தாக்கம் அதிகமாக உள்ளது, இது குறிப்பிடத்தக்க இடையூறு (disruption) மற்றும் வளர்ச்சி வாய்ப்புகளை உறுதியளிக்கிறது. மதிப்பீடு: 8/10. கடினமான சொற்கள்: தானியங்கி வாகனங்கள் (Autonomous vehicles): மனித தலையீடு இல்லாமல் தானாகவே ஓட்டக்கூடிய வாகனங்கள். ரோபோடாக்சிகள் (Robotaxis): ரைடு-ஹெயிலிங் சேவைகளுக்கு டாக்சிகளாகப் பயன்படுத்தப்படும் தானியங்கி வாகனங்கள். AI மாதிரிகள் (AI models): கற்றல் மற்றும் முடிவெடுக்கும் பணிகள் போன்ற பணிகளுக்கு மனித நுண்ணறிவை பிரதிபலிக்கும் வகையில் வடிவமைக்கப்பட்ட கணினி நிரல்கள். சிப்புகள் (Chips): தகவல்களைச் செயலாக்கும் சிறிய மின்னணு கூறுகள், பெரும்பாலும் செமிகண்டக்டர்கள் என்றும் அழைக்கப்படுகின்றன. சென்சார்கள் (Sensors): ஒளி, வெப்பம் அல்லது இயக்கம் போன்ற உடல் தூண்டுதல்களைக் கண்டறிந்து பதிலளிக்கும் சாதனங்கள், தானியங்கி ஓட்டுதலுக்கு முக்கியமானவை. தொகுப்பு செயல்பாடுகள் (Fleet operations): பராமரிப்பு, சார்ஜிங், சுத்தம் செய்தல் மற்றும் அனுப்புதல் உட்பட வாகனங்களின் குழுவின் மேலாண்மை. டேட்டா ஃபேக்டரி (Data factory): இங்கே குறிப்பாக AI-ஐப் பயிற்றுவிக்க, பெரிய அளவிலான தரவைச் சேகரிக்க, செயலாக்க மற்றும் நிர்வகிக்க வடிவமைக்கப்பட்ட ஒரு அமைப்பு. செயற்கை தரவு உருவாக்கம் (Synthetic data generation): AI மாடல்களுக்கு பயிற்சி அளிக்க உண்மையான தரவுகளைப் பிரதிபலிக்கும் செயற்கை தரவை உருவாக்குதல், குறிப்பாக நிஜ உலக தரவு குறைவாகவோ அல்லது முக்கியமானதாகவோ இருக்கும்போது பயனுள்ளதாக இருக்கும்.