Ich fuhr bei Nvidias AV-Pilot mit. Er traf bessere Entscheidungen als ich.

„Das war ziemlich gut gehandhabt“, sagt mir Ali Kani, Nvidias Vizepräsident des Automobilteams, vom Rücksitz aus.

Er hat nicht unrecht.

Fast eine Stunde lang bewältigt das Auto – unter Nutzung von Nvidias Fahrerassistenzsystem – selbstbewusst alles, was die Straße ihm unter Fahreraufsicht entgegenwirft: vom Ferry Building, entlang des Embarcadero, die Hügel der Fillmore Street hinauf und auf die Union Street, wo die Geschäfte entzückend und die Straßen voll sind. Wir sehen Waymo-Robotaxis. Wir sehen Teslas im Full-Self-Driving-Modus. Wir sehen Fahrer, die wahrscheinlich nicht hinter dem Lenkrad von etwas Komplizierterem als einem Einkaufswagen sitzen sollten. Wir wechseln die Spur, machen einen ungeschützten Linksabbieger, flitzen durch Kreuzungen, geben Fußgängern und Radfahrern viel Platz, gleiten zu leichten Stopps und navigieren mühelos alles andere, was die Stadt – und ihre Fahrer – an einem Freitagnachmittag auf uns werfen wollen.

Ich frage, wie das Auto beim Parallelparken ist – „großartig“, sagt Kani, „wir sind sehr stolz darauf“ – was für jeden (mich) eine hervorragende Nachricht ist, der im Bay Area das Fahren gelernt hat und noch immer schweißgebadet aufwacht, weil er daran denkt, wie er sich in eine zu enge Parklücke an einem zu steilen Hügel in einer zu vollen Stadt zwängen muss.

Lucas hält eine Hand über dem Lenkrad, während das Auto „fährt“. Die Sensoren des Autos sammeln ständig Daten; für jede Eingabe führt das System 10 schnelle „Was passiert als Nächstes?“-Simulationen durch. Wenn acht davon sich auf dasselbe sichere Manöver einigen, führt das Auto es aus. Trotzdem hat Nvidias System einstellbare Fahrpersönlichkeitsregler – Beschleunigung, Verzögerung, Spurwechselzeitpunkt, wie stark es sich festlegt – plus „kooperatives Lenken“, bei dem der Fahrer Entscheidungen anstoßen kann, ohne das Ganze zu zerstören. Die Stadt hatte diese Woche bereits dreimal versucht, mich zu töten – einmal mit einem Fahrer, der auf einen Bürgersteig fuhr –, sodass meine Erwartungen an „vertrauenswürdige Entscheidungsfindung“ vor der Vorführung nicht gerade hoch waren, aber die Technik ließ mich nie misstrauisch fühlen. Einige Fahrer könnten davon lernen.

Mehr als einmal „spricht“ das Auto mit uns, weil es den Fahrzeugassistenten aktiviert, sobald jemand im Auto „Mercedes“ sagt, was wie ein übereifriger Kollege reagiert, der seinen Namen in einer Besprechung gehört hat und jetzt beitragen möchte. „Es wird immer das M-Wort sein“, witzelt Kani, als ich frage, ob man die Technik in einen weniger üblichen Namen umbenennen kann, wie Amazon $AMZN es mit seinem Echo und „Alexa“ gemacht hat. Aber diese Kommunikation ist ein wichtiger Verkaufsfaktor. Nvidias nächste Präsentation besagt, dass Autonomie nicht nur sehen, sondern verstehen muss – Sprache, Absicht, Kontext und alles andere –, damit die Software weniger wie eine Funktion und mehr wie ein Fahrer agiert. Es sollte ein Gespräch zwischen Auto und Passagier geben, sagt Nvidia $NVDA, eine „lass das Auto denken“-Phase, in der man ihm sagen kann, was man will – schneller fahren, um das Auto vor einem herumfahren, anhalten –, was Nvidia als einen weiteren (schnelleren) Weg für die Entwicklung autonomer Fahrzeuge sieht.

Die Straßen von San Francisco erzwingen immer wieder Entscheidungen. Aber der Mercedes CLA trifft die richtigen Entscheidungen: überprüfen, vorhersagen, festlegen – dann bewegen. Ich mache es mir auf dem Sitz bequem und vergesse völlig, dass ich von einem Computer und einer Reihe von Wahrscheinlichkeiten und Grenzfällen umhergefahren werde. Es war eine reibungslose Fahrt – oder besser gesagt, glattes Fahren.

Photo courtesy of Nvidia

Diese Glätte ist der Punkt – und auch das Argument. Im Moment versucht Nvidia nicht, Waymo zu übertreffen, indem es ein Robotaxi-Imperium betreibt, . indem es jeden Kunden zu einem rollenden Beta-Tester macht. Es versucht, etwas mehr Nvidia-ähnliches zu tun als beides: Autonomie in Infrastruktur zu verwandeln – ein Stack, den Autohersteller einstecken, abstimmen und ausliefern können, ohne den gesamten Hirnstamm von Grund auf neu zu erfinden.

Die Version dieses Stacks, in dem ich mitfuhr, wurde mit Mercedes gebaut, und das Team von Nvidia ist sich darüber im Klaren, was das hinter den Kulissen bedeutet: Die Fahr-, Park- und aktive Sicherheitssoftware wurde von Nvidia mit Hilfe von Mercedes entwickelt, auf Nvidia-Infrastruktur trainiert und dann in der Cloud und auf der Straße durch die Prozesse beider Unternehmen getestet – mit der Prämisse, dass nichts in die Nähe eines Kunden gelangt, bis beide Seiten bestätigen, dass es sicher ist. Das ist Zulieferersprache – der gleiche Ton, den Nvidia verwendet wenn es auf der CES auftaucht und klingt wie das Department of Compute.

Nvidia spricht über sein Demo-Auto als ein erweitertes „Level 2“ (L2++) — ein Punkt-zu-Punkt-System, das für Autobahnen und Stadtstraßen unter Aufsicht entwickelt wurde, wobei die Hände des Fahrers in der Nähe schweben, ein Mensch noch legal in der Verantwortung — auch wenn Level 4 das Endziel ist. Level 4 ist völlig menschenfrei. Aber selbst bei L2 dreht sich das Daten-Schwungrad schnell, und Nvidia muss das System stark genug machen, um die reale Welt unter Aufsicht zu bewältigen, die seltsamen Randfälle zu sammeln, das Modell zu füttern, mehr von den harten Dingen synthetisch zu erzeugen und schärfer zurückzukommen. Kani ist vorsichtig mit dem Grundsatz. Dies ist ein Level-2-Auto, sagt er, und es „sagt Ihnen, dass es ein Level-2-Auto ist“, und dass „Sie mir nicht vertrauen können.“ Ein Waymo ist im Gegensatz dazu eine Level-4-Fahrt — und „es sagt Ihnen, dass Sie mir vertrauen können.“ Der Punkt von Nvidias Ansatz scheint darin zu bestehen, sich das Recht zu verdienen, in den Stufen aufzusteigen, nicht den Sieg zu erklären und zu hoffen, dass die Öffentlichkeit zustimmt.

Um auf L4 zu kommen, sagt Kani, braucht das Auto mehr Rechenleistung als den einzelnen Orin-Chip, den das Auto derzeit verwendet. Er weist auf Nvidias High-End-Rechenleistung und Sensorredundanz hin — einschließlich Lidar — als Grundvoraussetzungen für ein System, das keine schwebende menschliche Hand erfordert. Dann sagte am Dienstag der Lidar-Hersteller Hesai, dass er als Lidar-Partner für Nvidias „Referenz-Compute- und Sensorarchitektur“ ausgewählt wurde, die darauf abzielt, Fahrzeuge L4-bereit zu machen. Die Konfiguration ist die teure Hardware mit Gürtel und Hosenträgern, von der Kani spricht — ein vollständiges „Sensor-Ökosystem“ (Kameras, Radar, Lidar, Ultraschall), das von zwei Thor-Systemen fusioniert wird, wobei Nvidia Hyperion als „das Rückgrat“ für den Autonomiewechsel anpreist.

In der Präsentation vor der Fahrt ließ Nvidias VP für Automotive, Xinzhou Wu, die Roadmap weniger wie einen Wunschtraum und mehr wie einen Zeitplan wirken. In seiner Darstellung geht es 2026 darum, den L2-Rahmen zu erweitern (Autobahn und städtisch), mehr Automatisierung rund ums Parken hinzuzufügen und eine breitere Abdeckung in den USA anzustreben — während gleichzeitig ein „kleinformatiges Pilotprojekt“ einer L4-„Alpha“-Strecke im Jahr 2026 gestartet wird, um den L2++-Rahmen auf Autobahnen und Stadtfahrten auszudehnen. Der „Partner-Einsatz“ eines L4-„Alpha-Robotaxis“ ist für 2027 geplant, mit einem längeren Bogen zu L3-Autobahnen und L3/L4-Kundenfahrzeugen im Jahr 2028.

Der Grund, warum Nvidia denkt, dass es hier mitspielen kann, ist der Teil, der am meisten nach Nvidia klingt: Übung im großen Maßstab. Ich fragte Wu, wie Nvidia die Lücke zu den offensichtlichen Platzhirschen schließen kann, wenn Waymos überall auf den Straßen von San Francisco zu sehen sind. Simulation, sagte er. Wu sagte, Nvidia-Simulation läuft im industriellen Umfang — „eine Million Tests pro Tag“, „100.000 einzigartige Szenarien“ und „2.000 GPUs“, die dafür eingesetzt werden, mit Plänen, diese Zahlen auf dem Weg zu L4 um Größenordnungen zu erhöhen.

Kani übersetzt dieselbe Idee in eine Vorher-Nachher-Geschichte: Er sagt, sie haben vor Wochen eine Version dieser Route gefahren und „sie war wirklich schlecht.“ Sie haben die schwierigsten Szenarien analysiert, mehr Daten eingespeist, synthetische Versionen der Randfälle mit langem Ende erstellt und sind zurückgekommen, um festzustellen, dass es „in sechs Wochen viel besser war.“ Er zieht auch eine Linie darum, wie Nvidia skalieren will: Es geht nicht darum, „eine Stadt auf die altmodische Weise zu kartieren“, denn diese Autos müssen „auf der ganzen Welt“ funktionieren. Die Meilen, die Nvidia auf öffentlichen Straßen fehlen, scheint es in Silizium zu produzieren.

„Wir sind nah dran“, sagt Kani — während er zugibt, dass das Projekt „lange ein bisschen ein Wissenschaftsprojekt war.“ Der Unterschied jetzt, sagt er, ist, dass „es die Kernstücke der Technologie gibt“: „ein Vision Language Action-Modell mit einem wirklich auf lange Enden ausgelegten Ansatz“ plus ein synthetisches Datenmodul „ziemlich gut darin, diese langen Enden zu erstellen“, genau genug, um damit zu trainieren.

Aber der Weg von L2 zu L4 neigt dazu, Kalender zu verschlingen – siehe: Elon Musks große Vision und noch größere Versprechen. Nvidia behauptet, dass es nur ein Jahr gedauert hat, um vom Fahren auf der Autobahn zum Fahren in der Stadt zu gelangen – während Tesla $TSLA acht Jahre gebraucht hat. Tesla begann im Oktober 2020 mit der Einführung der FSD-Beta, beschreibt sein aktuelles FSD jedoch immer noch als überwacht, ausdrücklich nicht autonom. Waymo öffnete seinen vollständig fahrerlosen Service im Oktober 2020 für die Öffentlichkeit im Großraum Phoenix und hat jahrelang daran gearbeitet, „fahrerlos“ von einem Demo-Adjektiv zu einer Betriebsdisziplin zu machen. Nvidia erkennt an, dass es andere Einschränkungen hat: Robotaxis können sich Sensor- und Compute-Setups leisten, die weitaus teurer sind als das, was in ein normales Passagierauto gehört, bemerkte Kani – was „es in einem Passagierauto lösen“ zu einem schwierigeren, kommerziell tragbareren Problem macht.

Aber Nvidia versucht dieses Problem mit dem Selbstvertrauen eines Unternehmens zu lösen, das es sich leisten kann, geduldig, vertikal hilfreich – und hartnäckig zu sein. Es arbeitet seit „mehr als 10 Jahren“ an Autonomie, sagt Kani, auch wenn es dies nicht mit Waymos Sichtbarkeit oder Teslas Hauptcharakterenergie getan hat. Nvidias Imperium wurde aufgebaut, indem es die Werkzeuge für die KI-Ambitionen anderer verkaufte. Automotive ist im Vergleich dazu immer noch klein – Nvidia meldete 592 Millionen Dollar im vierteljährlichen Automotive-Umsatz (Automotive und Robotik) im letzten Quartal. Jetzt, mit Nvidia an der Spitze der Marktwert-Nahrungskette, liest sich der Pitch weniger wie eine Nebenaufgabe und mehr wie ein Unternehmensmandat – ein Unternehmen, das bereits KI verschlungen hat und sich entscheidet, auch die physische Welt zu verschlingen.

Nvidia möchte Autonomie verkaufen, nicht Fahrten

Die Landschaft des AV-Marktes stand an Ampeln in dieser ganzen Stadt. In den zwei Tagen, die ich mit Nvidia verbrachte – und den 17 Meilen, die ich die Hügel von San Francisco auf und ab lief – zählte ich 96 Waymos. Ich fuhr auch zum ersten Mal in einem, um es mit dem Nvidia-Mercedes zu vergleichen.

Das erste Problem war dumm und unmittelbar: Welchen Sitz soll ich nehmen? Ich sitze immer hinten in einem Uber $UBER oder Lyft $LYFT, weil ich kein Ungeheuer bin und weil ich nicht immer Smalltalk mit einem Fremden führen möchte, der meine Privatadresse kennt. Aber wenn kein Fahrer da ist, bricht die soziale Logik zusammen. Ich schwebte, dann rutschte ich auf den Beifahrersitz, um zu beobachten, wie sich das Lenkrad von selbst bewegt – was sowohl tief cool als auch auf einer instinktiven Ebene ein wenig beunruhigend ist. Dann tat mein Verstand, was er immer tut: Er sprang direkt über die Technik hinaus zur Logistik. Was passiert, wenn jemand in eines kotzt? Nicht ich, mit meiner perfekten Rideshare-Bewertung und meiner pathologischen Angst, ein Problem zu sein – aber statistisch jemand. Wer reinigt es? Hält das Auto an und schreibt leise seinem Manager?

Hier ist das Ding über Waymo: Die Technik ist beeindruckend, aber das Geschäft ist die Stärke. Es hat ein echtes Verbraucherprodukt, in echten Städten, mit echten Fahrten. Nvidia hingegen verkauft die Idee, dass der schwierige Teil der Autonomie verpackt werden kann – nicht als Flotte, sondern als Gehirn, das andere Unternehmen kaufen können.

Nvidias Strategie liest sich sowohl ehrgeizig als auch vorsichtig. Sie ist ehrgeizig, weil die etablierten Unternehmen bereits haben, was Nvidia nicht hat: öffentliche Straßenmeilen, öffentliches Vertrauen und das brutale Lernen, das kommt, wenn man das Produkt echten zahlenden Kunden präsentiert. Sie ist vorsichtig, weil Nvidia nicht versucht, das ganze Chaos zu besitzen. Es möchte die Plattform unter dem Chaos sein.

Waymo ist ein Robotaxi-Unternehmen. Tesla ist ein Verbrauchsauto-Unternehmen, das sich wie ein Softwareunternehmen vermarktet. Nvidia ist ein Lieferkettenunternehmen, das eine Lederjacke trägt. Es möchte eine Lösung für das beschreiben, was Wu als das grundlegende „Drei-Computer“-Problem der Branche bezeichnete – den Computer im Auto, den Computer, der das Modell trainiert, und den Computer, der die Welt simuliert. Nvidia möchte einen integrierten Stack bereitstellen, den jeder Autohersteller anschließen kann, egal ob er versucht, ein überwacht fahrerunterstütztes Feature oder eine vollständig fahrerlose Flotte zu bauen. Nvidia kann nicht so tun, als hätte es Waymos Fußabdruck auf der Straße, und es kann nicht so tun, als hätte es Teslas Vertriebssystem. Aber es kann etwas beanspruchen, das beide brauchen: die Rechen-DNA, das Werkzeug, die Simulation, das Partnernetzwerk, die Fähigkeit, Autonomie als wiederholbares Industrieprodukt zu behandeln, anstatt als monastische Suche eines einzelnen Unternehmens.

Sowohl Waymo als auch Tesla sollten nervös sein über Nvidias Weg zu autonomen Fahrzeugen. Wu behauptete, dass Nvidia „sehr nah“ am überwachten System von Tesla sei und sagte, dass die internen Übernahmeraten in direkten Tests im gleichen Bereich liegen. Nvidia muss nicht das Robotaxi-Rennen gewinnen, um die autonome Ära zu gewinnen. Waymo und Tesla schon. Ebenso BYD, Zoox, Cruise und wer auch immer sonst. Andernfalls könnten sie eines Tages aufwachen und feststellen, dass der Rest der Branche einen „gut genug“, schnelleren, günstigeren Weg zur Autonomie gefunden hat, der nicht den Bau eines Autos von Grund auf erfordert. Und Nvidia hat bereits einen Platz im Auto – seine Chips stecken heute in Millionen von Fahrzeugen auf der Straße, einschließlich Teslas, und verrichten still die Arbeit, lange bevor Nvidia jemals darum gebeten hat, das Fahren zu übernehmen.

Wu beschrieb seinen Auftrag von CEO Jensen Huang auf eine Weise, die fast komisch typisch für ein Unternehmen ist, das in Plattformen denkt: Huang sagte Wu, dass seine Aufgabe darin besteht, „alles, was sich bewegt, autonom zu machen“. Autos sind die am stärksten regulierte und am meisten rechtlich umkämpfte Version von „Dingen, die sich bewegen“. Roboter sind der angrenzende Akt – und Nvidia hat „physische KI“ als die nächste Grenze des Stacks verkauft. Der Vorstoß zur Autonomie von Nvidia ist größer als Limousinen; die Limousine ist nur der Bereich, in dem die Einsätze am leichtesten zu verstehen sind.

In einem Demofahrzeug ist es leicht, sich in die Sanftheit zu verlieben. In der realen Welt muss die Sanftheit schlechtem Wetter, schlechten Schildern, seltsamen menschlichen Entscheidungen und dem Pechtag standhalten, der zu einem Versicherungsfall wird. Aber am Ende meiner Fahrt sah ich, worauf die Führungskräfte von Nvidia immer wieder hinweisen: Es fühlte sich nicht wie eine Sci-Fi-Zukunft an; es fühlte sich an wie morgen.

Ich musste immer an dieses erste Waymo-Problem denken – wo man sitzen soll – denn es ist dasselbe Problem, das die Industrie mit der Autonomie hat: Wenn die alten Rollen verschwinden, müssen alle in Echtzeit die Regeln neu verhandeln. Nvidias Argument ist, dass die Neuverhandlung nicht existenziell sein muss. Autonomie kann gekauft, integriert, getestet, freigegeben und wie jedes andere kritische System in einem modernen Auto ausgeliefert werden. Das ist eine sehr Silicon Valley-Fantasie – und vielleicht der plausibelste Weg, wie sich das Ganze tatsächlich skaliert.