Avride 部署雲端 VLM 作為自動送貨機器人的安全網

配送機器人營運商 Avride 已將基於雲端的視覺語言模型整合至其實際營運中，建立了一套自動化預警系統，能在不增加機器人機載行駛系統延遲的情況下，向遠端人類助理標示複雜的邊緣案例。

2分鐘閱讀Posted: 2026年7月6日

獲得 Uber 與 Nebius Group 合計 3.75 億美元投資的自動駕駛新創公司 Avride，詳細說明了一種混合式架構，該架構利用基於雲端的視覺語言模型（VLM）作為其人行道配送機器人的安全網。這些機器人並非完全依賴車載運算能力，而是採用傳統模型進行自主運作；但在遇到新型邊界案例（例如複雜的施工區域或異常的行人行為）時，便會向雲端 VLM 進行查詢。此架構支撐著 Avride 積極的擴張計畫，目前已在美國六座城市部署超過 500 台機器人，並與樂天（Rakuten）合作於東京啟動配送服務，同時在達拉斯推行機器人計程車服務。

Avride 的混合式 VLM 技術方案細節已於本週公布，揭示了該公司如何應對人行道導航中混亂的現實情境。相較於道路，人行道向來以結構混亂著稱。送貨機器人可能會遇到標記不清的溝渠、纏結的狗鍊，或是阻擋斑馬線的一群孩童。若要訓練一個純粹的機載模型來處理所有可能的變數，其運算成本將高得難以承受。

Avride 的解決方案是採用「觀察者」架構。機器人會在本地運行標準的自主導航堆疊，確保低延遲以即時保障安全與路線規劃。然而，當車載系統偵測到異常情況或其信心分數下降時，便會擷取現場影像並傳送至雲端託管的大型 VLM。該 VLM 具備對世界廣泛的語義理解能力，會分析影像並回傳高階指引，例如「等待施工人員揮手示意通行」或「繞過濕混凝土」。這使 Avride 得以部署功能強大的機器人，無需在每台設備上配備龐大且昂貴的 GPU。

公司背景與差異化優勢

要理解 Avride 的發展軌跡，必須回溯其起源。該公司的技術之旅始於 2017 年，源於俄羅斯某家公司的自動駕駛部門

搜尋巨頭 Yandex。2020 年，該部門被分拆出來；隨著地緣政治局勢的變化以及 Yandex 的資產剝離，相關資產由一家位於俄羅斯境外的新實體收購。該公司現以「Avride」之名在 Nebius 集團旗下重新啟動，總部位於德克薩斯州奧斯汀市，由執行長德米特里·波利什丘克（Dmitry Polishchuk）領導。

在競爭激烈的自動駕駛配送領域中，Avride 的主要差異化優勢在於其「雙堆疊」策略。與僅專注於人行道機器人或載客車輛的競爭對手不同，Avride 運用統一的底層自動駕駛堆疊，同時開發配送機器人與機器計程車。這種共享架構加速了學習進程；一輛在道路上行駛的無人駕駛計程車解決的邊緣案例，能為人行道上配送機器人的導航提供參考，反之亦然。這項雙重能力是該公司於 2025 年 10 月成功從 Uber 和 Nebius 獲得高達 3.75 億美元戰略投資及承諾的關鍵因素。

合作夥伴關係與產品管線

Avride 正積極運用其資金。在配送領域，該公司已與頂尖物流企業建立重要合作關係。其配送機器人透過 Uber Eats 平台在美國多個城市運作，並於 2025 年 11 月與 Grubhub 合作，將服務範圍拓展至大學校園以外，包括在澤西市（Jersey City）為 Wonder 市場平台進行試點。在國際方面，Avride 與樂天（Rakuten）合作，於 2025 年 2 月在東京市中心推出自動配送服務，標誌著該公司在日本的首度部署。

在機器人計程車領域，相關計畫同樣進展迅速。2025年3月，Avride 與現代汽車簽署協議，將基於 Ioniq 5 平台共同開發機器人計程車。至 2025 年 12 月，Uber 與 Avride 在德州達拉斯正式推出機器人計程車服務，服務範圍涵蓋 9 平方英里，並計畫在未來幾年內將車隊規模擴充至數百輛。

全球競爭格局與基準

自動駕駛配送市場競爭激烈，可分為

各具特色的區域生態系統。

在美國，Avride 的主要競爭對手是 Serve Robotics 和 Starship Technologies。Starship 由 Skype 的共同創辦人於 2014 年創立，擁有全球規模最大的機器人車隊，包含超過 2,000 台機器人，累計完成 800 萬次配送，主要在大學校園內佔據主導地位。由 NVIDIA 支持並在納斯達克上市的 Serve Robotics，已與 Uber Eats 達成協議，將在洛杉磯和邁阿密等城市部署多達 2,000 台機器人。 Serve 近期籌集了 8,000 萬美元資金，目標是實現收支平衡，並聲稱其第三代機器人將生產成本降低約 50%，每台估計為 16,000 美元。

在中國，市場主要由本土科技巨頭及專注於大型、符合道路法規的配送車輛（而非人行道機器人）的專業新創公司主導。美團（Meituan）營運著自有的自主配送車輛及無人機。 Neolix 已為其 L4 級無人配送廂型車獲得超過 10,000 筆訂單，而 White Rhino 則憑藉 B 輪及後續融資，營運符合道路法規的配送廂型車。阿里巴巴旗下的「小漫樂」此前曾進行大規模營運，但現已進行戰略調整。

人行道配送領域的定價通常已包含在物流平台的費用中，而非以附加費形式直接向消費者收取。 Starship 的配送費用通常約為 2 美元或更低，而透過 Uber Eats 進行配送的 Avride 和 Serve，其標準配送費用則與人力快遞員相當或更低。美國主要業者均未直接販售其機器人；而是以服務形式營運。

為何這很重要

Avride 的雲端 VLM 架構是解決部署瓶頸的務實方案。自動送貨最困難的部分並非沿直線行駛，而是處理那最後 1% 怪異且無結構的人類環境。透過將這些邊緣案例的語義推理任務移交至雲端，Avride 既能維持機器人的單位經濟效益，又能確保高安全標準。這

這項技術選擇，加上 Uber 和 Nebius 的資金支持，使 Avride 在爭奪「最後一哩」主導權的競賽中，成為 Starship 和 Serve 難以小覷的挑戰者。

基於雲端的「安全網」其效能取決於網路連線品質。若 Avride 機器人在蜂巢網路訊號微弱的區域遇到複雜的邊界案例，VLM 便無能為力。該機器人必須停下等待恢復連線，或是仰賴人類遠端操作員介入，這將導致配送的單位經濟效益下降。隨著車隊規模從數百台擴增至數千台，行動網路的延遲與可靠性將成為實現真正自動駕駛的最終瓶頸。