NVIDIA Alpamayo 2 Super亮相：无人驾驶出租车开放推理模型新标杆

关键看点梳理如下：

· NVIDIA Alpamayo 2 Super 是一款320亿参数的视觉-语言-动作推理模型（Reasoning VLA），能够在完整驾驶堆栈中执行推理、规划与执行，为更安全、可规模化的L4级自动驾驶开发奠定基础。
· 同步推出的AlpaGym，是一个高吞吐量的闭环强化学习框架，允许模型在实际道路测试前，先在仿真环境中通过真实驾驶决策的反馈进行自我训练。
· 此外，OmniDreams作为全新的生成式世界模型，专注于生成高度逼真的闭环驾驶场景，助力开发者大规模模拟那些极难遇到的罕见长尾情况。
· 最后，NVIDIA还发布了一组“物理AI智能体技能”，其中由Omniverse NuRec驱动的神经重建技术，能够将真实车队数据转化为精准的3D场景，并适配多种传感器配置。

NVIDIA GTC 台北 —— 2026 年 6 月 1 日—— 今日，NVIDIA正式发布Alpamayo 2 Super，一款拥有320亿参数的视觉-语言-动作推理模型。此举标志着Alpamayo系列开源AI模型、仿真框架及物理AI数据集家族的进一步扩展，核心目标明确——为开发安全的L4级无人驾驶出租车铺平道路。

除核心模型外，NVIDIA还同步推出了一整套新工具、模型与智能体技能，形成一条从现实世界数据采集、闭环训练到车端部署的完整流水线。其中包括前文提及的AlpaGym、OmniDreams，以及全新的Omniverse NuRec模型。

Alpamayo 2 Super的价值在于，开发者无需从零搭建核心自动驾驶基础设施。它能够实现接近人类的感知、推理与行动能力，同时提供可解释性——这对安全验证及与监管机构的协作至关重要。

在训练部署侧，AlpaGym框架提供了一个闭环强化学习平台，让模型在实际道路前即可“学习驾驶”。而OmniDreams作为生成式世界模型，专注于生成逼真的闭环驾驶场景，使开发者能够大规模复现路测中极难遇到的“长尾”情况。

为进一步提升开发效率，NVIDIA正为所有辅助驾驶开发工具配备“物理AI智能体技能”。例如，由Omniverse NuRec驱动的神经重建技能，可从真实车队驾驶场景中提取信息进行仿真，进而大规模生成合成训练数据。

NVIDIA创始人兼CEO黄仁勋对此评价道：“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：以推理能力驱动自动驾驶新阶段

Alpamayo系列此次通过Alpamayo 2 Super，将参数规模从100亿扩展至320亿。但升级远不止于参数增长。它不仅能生成轨迹，更能在完整驾驶堆栈中执行推理、规划与行动。凭借涵盖推理、自动标注、场景理解、模型评判及知识蒸馏等多任务处理能力，它相当于为可扩展的L4级自动驾驶提供了一个基础模组。

以下为核心特性拆解：

· 3倍参数规模： 基于NVIDIA Cosmos世界基础模型构建，参数扩展至320亿后，模型在长尾场景中的推理能力、3D空间理解以及轨迹预测能力均有显著提升。

· 全景感知： 从单前摄像头升级至前、侧、后方的360度全景感知。这意味着模型能掌握完整场景信息，在变道、并线及通过交叉路口时，决策更加安全。

· 元动作： 一项新亮点。模型现在能输出“让行”、“变道”、“停车”这类宏观行动指令，而不仅仅是预测轨迹与因果链。这为下游规划系统提供了更高级的驾驶决策。

· 推理自动标注与2D定位： 引入带有2D定位能力的推理自动标注后，这个320亿参数的基础模型可生成高质量的推理标注。原本需要数月的标注周期被压缩至数天，重塑了数据管线的成本与效率。

· 优化的因果链与轨迹质量： 尤其在传统模仿学习堆栈难以处理的罕见、复杂、长尾场景中，因果链追踪与轨迹预测的质量得到明显改善。

这些技术升级叠加，使Alpamayo 2 Super成为NVIDIA目前功能最强大的开放驾驶基础模型。作为教师模型，它可被蒸馏为紧凑型模型，最终运行于NVIDIA DRIVE Hyperion平台的车载加速计算核心——DRIVE AGX Thor上。

随着教师模型从100亿参数升级至320亿参数，所有基于Alpamayo构建的下游自动驾驶堆栈均可通过本次发布直接获得更高质量的推理与感知能力，无需各家制造商从头开始。

值得一提的是，Alpamayo刚刚荣获COMPUTEX Best Choice Award（最佳选择奖）车辆技术与智能座舱类别奖。自发布以来，其下载量已接近40万次。此外，该开放平台还提供后训练脚本，研究者和开发者可将自己的数据集、场景与驾驶策略适配模型。

Alpamayo 2 Super预计于今年夏天开放获取，届时推理代码将发布于GitHub，模型权重则通过Hugging Face提供。

AlpaGym：实现闭环训练与部署

NVIDIA同时开源了一个高吞吐量的闭环强化学习框架——AlpaGym。

关键区别在于：开环训练基于记录的数据评估模型，生成单轮动作；而AlpaGym让模型在AlpaSim中经历连续的“决策-观察”循环。每一次刹车、转向与导航选择都会影响周围环境，模型必须应对变化后的情境。

这一做法的益处显而易见。AlpaGym能够暴露静态数据集所忽略的复合错误与边缘故障，且模型能从自身错误中学习。它基于AlpaSim微服务仿真栈与Omniverse NuRec构建，实现了一个高效、可扩展的闭环强化学习平台，将驾驶性能推向新高度。结合物理AI辅助驾驶数据集，Alpamayo实际上提供了一条从开环预训练到闭环优化的完整路径。

此外，NVIDIA还将因果链自动标注流水线以开源形式发布在GitHub上。它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标签，整个过程无需人工标注。这为大规模训练具身推理模型提供了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以Agent Toolkit形式推出了一系列全新的“物理AI智能体技能”。这些技能旨在指导开发者及其编码智能体完成大规模构建与验证辅助驾驶系统所需的仿真、数据生成及闭环训练工作流。

具体包括：由Omniverse NuRec库驱动的神经重建技能、用于生成逼真场景的OmniDreams技能，以及用于闭环强化学习的AlpaGym技能。更多技术细节，可观看NVIDIA CEO黄仁勋在GTC台北大会上的主题演讲。

来源：互联网