當前位置： 主頁 > 新聞 >

專為自駕計程車與自駕車打造的前沿開放模型 NVIDIA Alpamayo 2 Super 現在開始商用

本文作者：NVIDIA 點擊： 2026-08-05 10:54

前言：

開放商業授權、基準測試領先的推理能力與可檢視的決策機制，讓包括自駕計程車在內的自駕車更接近量產與大規模部署

對自駕計程車及其他自駕車（AV）而言，最棘手的並非日常情境，而是難以預測與納入訓練的罕見複雜狀況。

要處理這些長尾事件，不能只靠物件偵測與運動預測。自駕車必須即時理解當下情境、推理因果關係、選擇正確行動，並將該決策轉化為安全、舒適的行駛路徑，同時讓開發者得以檢視、驗證並信任其決策。

現已開始進入商業使用的 NVIDIA Alpamayo 2 Super 隸屬於 Alpamayo 系列。該系列是 Hugging Face 上採用最廣泛的自動駕駛開放式推理模型，可透過單一基礎模型支援多種與自駕車相關的能力。

此模型以 NVIDIA Cosmos 3 Super Reasoner 為基礎，並透過強化學習進行後訓練，在兩大面向推動自駕車生態系發展，包括開放商業授權，以及領先的自動駕駛多任務處理能力。

Alpamayo 2 Super 是 NVIDIA 持續擴展的自動駕駛開放式模型、資料集與工具組合之一，可擴大技術取得管道、強化競爭力、賦予開發者更高控制權，並支援更安全、更透明的自駕車部署。

用於自駕車量產的開放授權

Alpamayo 2 Super 可於 Hugging Face 上取得，並採用 Linux Foundation 為開放 AI 模型發行所推出的寬鬆授權 OpenMDW-1.1。該授權涵蓋微調、衍生模型與商業性的再次發布，使自駕車開發者、汽車製造商、卡車製造商與供應商能夠根據自身資料、駕駛策略與部署方針調整 Alpamayo。

這樣的開放模式讓自駕車研究人員與企業得以持續掌控自有資料與基礎設施，也能保有其透過專門化模型與累積技術知識所創造的價值。對涉及企業自有車隊與安全性的工作流程而言，這種控制權至關重要。

早期 Alpamayo 版本最初以研發用途推出。如今，OpenMDW 授權將全面適用於整個 Alpamayo 系列模型，讓開發人員無須額外取得許可，即可將任何模型用於商業部署，為模型從調整到部署建立一條直接路徑。

開放權重則讓這條路徑在經濟效益上可行。團隊無須從頭重新訓練每項基礎能力，也不必為每項任務支付前沿模型等級的成本，即可運用先進推理能力進行開發，並以合適的成本，為不同工作選用適合的模型。

Alpamayo 2 Super 可在雲端開發工作流程中提供前沿規模的推理能力，開發者可藉此生成高品質的推理軌跡、合成訓練資料，以及用於模型蒸餾的教師模型輸出。在 Alpamayo 系列模型中，Alpamayo 2 Super 為多模態自動駕駛開發提供最高的推理與駕駛效能，而 Alpamayo 1.5 與 Alpamayo 1 則為基於雲端的開發和模型蒸餾提供更具成本效益的選擇。

蒸餾後的模型可進一步最佳化，以便在量產車輛中實現高效即時推論。整體而言，Alpamayo 系列模型提供從雲端到車端的工作流程，將前沿規模的推理能力，與商用自駕車車隊的可擴展部署相結合。

對自駕車計畫而言，這代表在雲端運用前沿規模的推理能力，並在車端部署高效的專用模型，以更具永續性的方式，將安全自動駕駛擴展至商用車隊。

Alpamayo 2 Super 展現前沿規模推理能力，領先各項基準測試

在自動駕駛推理基準測試 LingoQA，Alpamayo 2 Super 於近 40 款接受評測的模型中名列榜首。在 NVIDIA 使用 Lingo-Judge 指標進行的測試中，其表現分別領先 Qwen2.5-VL 72B 17.0 分、Gemini 2.5 Pro 15.1 分，以及 GPT-4o 23.2 分，展現出面向駕駛情境的最先進推理能力。Alpamayo 2 Super 在 NVIDIA 評估的所有自動駕駛基準測試中也均名列第一，凸顯其在廣泛自駕車能力上的領先表現。

Alpamayo 2 Super 的規模是參數量 100 億之 NVIDIA Alpamayo 1.5 與 Alpamayo 1 模型的 3 倍。增加的容量讓模型能從少量範例中更有效泛化其推理能力，這對於傳統系統經常難以處理的罕見多代理互動情境而言，是一項關鍵能力。

該模型可針對環繞車身的完整攝影機畫面進行推理，融合車輛前方、側面與後方視角。這類涵蓋 360 度的情境資訊，能夠針對車道變換、車流匯入、無號誌保護轉彎與複雜路口等常見風險情境，提供更深入的理解。

用於自駕計程車與自動駕駛的多任務基礎模型

針對每種駕駛情境，Alpamayo 2 Super 可產生五項緊密連動的輸出：

● 描述車輛規劃路徑的軌跡。

● 解釋決策背後推理過程的因果鏈（chain-of-causation，CoC）軌跡。

● 捕捉模型意圖的 Meta-Action，例如讓行、變換車道或停車。

● 推理自動標籤，可為訓練與驗證資料產生因果鏈註解。

● 結合 2D 視覺定位的視覺問答回應，將模型答案連結至攝影機影像中的特定區域。

這些輸出結果可共同提供對模型決策流程的洞察。開發人員能將模型所觀察到的內容與其選定的動作相互對應，使決策更容易理解、審視與驗證。

因果鏈軌跡整合 NVIDIA Halos 安全驗證工作流程，並支援符合 ISO/PAS 8800 要求的 AI 安全性，為自駕車安全工程奠定更穩固的基礎。

Alpamayo 2 Super 亦可作為自動標註工具部署，藉此在企業自有車隊資料上產生因果鏈標籤，並執行結合 2D 視覺定位的視覺問答。透過將推理結果連結至攝影機影像中的特定區域，模型可把原始駕駛影片轉化為內容更豐富的訓練資料，將標註週期從數月縮短至數日。