NVIDIA推出适用于无人驾驶出租车的Alpamayo 2 Super开放推理模型

NVIDIA 推出 NVIDIA Alpamayo 2 Super，是拥有 320 亿参数的视觉-语言-动作推理模型（Reasoning VLA），这进一步扩展了 NVIDIA Alpamayo 系列的开放 AI 模型、仿真框架和物理 AI 数据集，旨在支持开发安全的 L4 级无人驾驶出租车。

除该模型外，NVIDIA 还同步推出了全新工具、模型及智能体技能，构建起从现实世界数据采集、闭环训练到车端部署的完整流水线，包括 NVIDIA AlpaGym、NVIDIA OmniDreams 及全新的 NVIDIA Omniverse NuRec 模型。

Alpamayo 2 Super 通过消除从头开始构建核心辅助驾驶基础设施的需求，从而加速智能汽车的开发。它能够实现类人的感知、推理和行动能力，并提供了安全验证及监管协作所需的可解释性。

为了实际上路部署而训练模型，AlpaGym 框架提供了一个闭环强化学习（Reinforcement Learning，RL）平台。NVIDIA OmniDreams 生成式世界模型用于生成逼真的闭环辅助驾驶场景，使开发者能够大规模仿真罕见的长尾驾驶场景。

为了提高开发者的工作效率，NVIDIA 正在为其所有辅助驾驶开发工具提供物理 AI 智能体技能。例如由 NVIDIA Omniverse NuRec 驱动的神经重建技能（Neural Reconstruction skill），能够基于真实的车队驾驶场景进行仿真，并大规模生成合成的训练数据。

NVIDIA 创始人兼首席执行官黄仁勋表示：“Alpamayo 标志着汽车从‘单纯驾驶’迈入‘安全推理’。只有 NVIDIA 能够提供开放模型、仿真环境、现实世界数据以及智能体技能，支持全球无人驾驶出租车生态系统开发出理解边缘场景、解释自身决策、赢得公众信任，并安全地规模化部署到数百万台车上的 L4 级能力。”

Alpamayo 2 Super 现已支持基于推理的自动驾驶

NVIDIA Alpamayo 系列模型现已通过 Alpamayo 2 Super 将参数规模从 100 亿扩展到 320 亿，这不仅限于轨迹生成，同时能够在完整驾驶堆栈中进行推理、规划和行动。Alpamayo 2 Super 凭借其涵盖推理、自动标注、场景理解、模型评判以及将知识蒸馏到较小模型的多任务处理能力，为可扩展的 L4 级自动驾驶开发和部署提供了基础模组。

主要特性包括：

● 3 倍参数规模：基于 NVIDIA Cosmos™ 世界基础模型构建，Alpamayo 2 Super 的参数规模扩展至 320 亿，相比此前 100 亿参数版本显著提升了长尾场景中的推理、3D 空间理解和轨迹预测能力。

● 全景感知：从前摄像头扩展至前、侧、后方的 360 度全景感知，为模型提供完整的场景信息，从而实现更安全的变道、并线和交叉路口通行。

● 元动作（Meta-Action）：新增元动作输出，包括让行、变道和停车等宏观行动，使模型除了预测轨迹和因果链追踪外，还能够为下游规划提供高级驾驶决策。

● 推理自动标注与 2D 定位：引入具有 2D 定位的推理自动标注，使得 320 亿参数的基础模型能够提供高质量的推理标注，将标注周期从几个月压缩至几天，并重塑辅助驾驶数据管线的成本与效率体系。

● 优化的因果链和轨迹质量：优化了因果链追踪和轨迹预测，尤其是在传统基于模仿学习的辅助驾驶堆栈难以应对的罕见、复杂、长尾场景中表现更为出色。

凭借这些技术升级，Alpamayo 2 Super 成为 NVIDIA 功能极其强大的开放式驾驶基础模型。作为教师模型，Alpamayo 2 Super 可被蒸馏为紧凑型模型，运行在 NVIDIA DRIVE Hyperion™ 平台的车载加速计算 NVIDIA DRIVE AGX Thor 之上。

随着教师模型从 100 亿参数的 NVIDIA Alpamayo 1 Nano 和 NVIDIA Alpamayo 1.5 Nano，扩展到 320 亿参数的 Alpamayo 2 Super，基于 Alpamayo 构建的下游辅助驾驶堆栈都能通过这一次发布，获得更高质量的推理和感知能力，而无需各家制造商从零开始重新开发。

Alpamayo 近日荣获 COMPUTEX Best Choice Award（COMPUTEX 最佳选择奖）车辆技术和智能座舱类别奖。

自发布以来，Alpamayo 的下载量已接近 40 万次。此外，Alpamayo 开放平台还提供后训练脚本，支持研究人员和开发者将模型与自己的数据集、场景和驾驶策略适配。

Alpamayo 2 Super 预计将于今年夏天开放获取，在 GitHub 上获取推理代码，并在 Hugging Face 上获取模型权重。

AlpaGym 实现闭环的训练和部署

NVIDIA 还推出了开源、高吞吐的闭环强化学习框架 NVIDIA AlpaGym。

开环训练是根据记录的数据评估模型并生成单轮动作，而 AlpaGym 则在 NVIDIA AlpaSim 中让模型经历连续的决策与观察循环，每次刹车、转向和导航选择都会对环境产生影响。

因此，AlpaGym 能够显示出静态数据集所忽略的复合错误和边缘故障，并让模型从经验中学习。

AlpaGym 基于 AlpaSim 微服务仿真栈和 NVIDIA Omniverse NuRec 构建，可实现高效、可扩展的闭环强化学习，从而推动驾驶性能迈向新前沿。结合物理 AI 辅助驾驶数据集，Alpamayo 提供了从开环预训练到闭环优化的连续路径。

NVIDIA 还将因果链自动标注流水线以开源形式在 GitHub 上发布。该流水线能够从原始驾驶片段中自动生成基于决策且具有因果关联的因果链标签，无需任何人工标注，从而为大规模训练具身推理模型提供其所需的因果训练数据基础。

NVIDIA 助力辅助驾驶实现全新物理 AI 智能体技能

为支持基于推理的辅助驾驶开发，NVIDIA 正在以 NVIDIA Agent Toolkit 的形式推出全新的物理 AI 智能体技能，用于指导开发者及其代码编写智能体完成大规模构建和验证辅助驾驶系统所需的仿真、数据生成和闭环训练工作流。

其中包括 NVIDIA Omniverse NuRec 库驱动的神经重建技能、用于生成逼真场景的 NVIDIA OmniDreams 技能，以及用于闭环强化学习的 AlpaGym 技能。