Η NVIDIA’s Alpamayo 2 Super Ανοίγει την Ανάπτυξη Ρομποταξί στην Εμπορική Χρήση

Η NVIDIA (NVDA ) έχει κυκλοφορήσει το Alpamayo 2 Super, ένα μοντέλο λογικής 34 δισεκατομμυρίων παραμέτρων για αυτόνομη οδήγηση, για εμπορική χρήση, όπως ανακοίνωσε η εταιρεία στις 4 Αυγούστου 2026. Τα βάρη του μοντέλου είναι δημοσιευμένα στο Hugging Face υπό το OpenMDW-1.1, την άδεια του Linux Foundation για τις διανομές μοντέλων AI, η οποία καλύπτει την εξευρετική βελτίωση, τις παράγωγες μοντέλα και την εμπορική ανακατανομή.

Η κυκλοφορία αφαιρεί ένα εμπόδιο αδειοδότησης που είχε κρατήσει την οικογένεια Alpamayo στην έρευνα. Προηγούμενες εκδόσεις είχαν εισαχθεί για χρήση R&D· η NVIDIA λέει ότι η άδεια OpenMDW ισχύει τώρα σε ολόκληρη την οικογένεια Alpamayo, ώστε οι dévelopπεurs, οι κατασκευαστές αυτοκινήτων, οι κατασκευαστές φορτηγών και οι προμηθευτές να μπορούν να αναπτύξουν οποιοδήποτε από τα μοντέλα εμπορικά χωρίς να ζητούν πρόσθετη άδεια. Η εταιρεία περιγράφει το Alpamayo ως το πιο διαδεδομένο ανοιχτό μοντέλο λογικής για αυτόνομη οδήγηση στο Hugging Face, με λήψεις που υπερβαίνουν τις 500.000.

Το Alpamayo 2 Super είναι κατασκευασμένο με βάση το Cosmos 3 Super Reasoner της NVIDIA και μετά-εκπαιδευμένο με ενισχυμένη μάθηση. Στόχος του είναι τα λεγόμενα long-tail events: τις σπάνιες, πολλαπλές-trafik tình況ες που είναι δύσκολο να προβλεφθούν και να εκπαιδευτούν, όπου τα συμβατικά συστήματα που βασίζονται στην ανίχνευση αντικειμένων και στην πρόβλεψη κίνησης τείνουν να δυσκολεύονται.

Ένα μοντέλο δασκάλου, όχι το στοίβαγμα στο αυτοκίνητο

Η αρχιτεκτονική, λεπτομερής στο μοντέλο καρτών, ζευγαρώνει ένα 32-δισεκατομμυρίων-παραμέτρων οπτικό-γλωσσικό πίσω με ένα 2,3-δισεκατομμυρίων-παραμέτρων διαχύτη-βασισμένο αποκωδικοποιητή δράσης. Το μοντέλο καταναλώνει βίντεο πολλαπλών καμερών, κείμενο και την ιστορία κίνησης του οχήματος, και παράγει πέντε συνδεδεμένα εξόδους για κάθε tình況 οδήγησης: einen προγραμματισμένο δρόμο, μια αλυσίδα-αίτιας ιχνηλάτη που εξηγεί τη λογική πίσω από την απόφαση, một υψηλού επιπέδου μετα-δράση όπως η απόδοση ή η αλλαγή λωρίδας, αυτό-γεννημένες ετικέτες λογικής για δεδομένα εκπαίδευσης, και οπτικές ερωτήσεις-απαντήσεις που είναι εδραίωμένες σε συγκεκριμένες περιοχές στις εικόνες καμερών.

Αυτό είναι ένα εργαλείο ανάπτυξης και όχι το λογισμικό που θα οδηγήσει ένα ρομποταξί παραγωγής. Η NVIDIA θέτει το Alpamayo 2 Super ως ένα μοντέλο δασκάλου για cloud-εργασίες: παράγει ιχνηλάτες λογικής, συνθετικά δεδομένα εκπαίδευσης και εξόδους δασκάλου που αποστάζονται σε μικρότερα μοντέλα, τα οποία στη συνέχεια βελτιστοποιούνται για πραγματικό χρόνο στο οχήμα. Το προφίλ υλικού στη κάρτα μοντέλου αντανακλά αυτή τη διαίρεση. Η NVIDIA επικύρωσε το μοντέλο σε ένα單 H100 data-center GPU με 80 gigabytes μνήμης, όπου μια διαμόρφωση επτά καμερών έφτασε περίπου στα 72 gigabytes της μνήμης του συσκευής, και δηλώνει ότι άλλες αρχιτεκτονικές GPU δεν έχουν ακόμη επικυρωθεί. Στην οικογένεια, το 10-δισεκατομμυρίων-παραμέτρων Alpamayo 1.5 και Alpamayo 1 παραμένουν οι πιο οικονομικές επιλογές για ανάπτυξη και απόσταξη στο cloud.

Τα εξόδους ερμηνευσιμότητας φέρουν το βάρος της ασφάλειας-μηχανικής. Η NVIDIA λέει ότι οι ιχνηλάτες αλυσίδας-αίτιας ενσωματώνουν με τις διαδικασίες επικύρωσης ασφάλειας Halos και υποστηρίζουν την ευθυγράμμιση με το ISO/PAS 8800, το δημοσιευμένο πρότυπο ασφάλειας για AI σε οδικά οχήματα, δίνοντας στους dévelopπεurs ένα αρχείο που συνδέει τι το μοντέλο παρατήρησε με την ενέργεια που επέλεξε. Ως αυτο-ετικετών στο δικό του fleet δεδομένων, η εταιρεία λέει, το μοντέλο μπορεί να συμπιέσει κύκλους ετικετών από μήνες σε ημέρες.

Βελτιστοποιήσεις και δεδομένα εκπαίδευσης

Στα δικά της τεστ, το Alpamayo 2 Super σημείωσε 79,2 στο μετρικό Lingo-Judge του LingoQA, ενός βεντράιλου οπτικών ερωτήσεων για αυτόνομη οδήγηση πρωταρχικά αναπτυγμένο από το Wayve. Η εταιρεία λέει ότι αυτό το αποτέλεσμα κατατάσσεται πρώτο μεταξύ σχεδόν 40 μοντέλων που αξιολόγησε, και υπερέβη το Qwen2.5-VL 72B κατά 17,0 πόντους, το Gemini 2.5 Pro κατά 15,1 πόντους και το GPT-4o κατά 23,2 πόντους. Αυτά είναι τα δικά της νούμερα της NVIDIA για το δικό της μοντέλο, αναφερόμενα στα υλικά της.

Η κάρτα μοντέλου αναφέρει επίσης κλειστή-βρόχο αξιολόγηση στο AlpaSim simulator της NVIDIA σε 910 σενάρια από το PhysicalAI-AV-NuRec dataset, και einen ανοιχτό-βρόχο σφάλμα τροχιάς 0,911 μέτρων σε einen 6,4-δευτερόλεπτο ορίζοντα σε 937 απαιτητικά δείγματα. Τα δεδομένα εκπαίδευσης πίσω από το μοντέλο αποτελούνται από περίπου 115.000 ώρες βίντεο οδήγησης πολλαπλών καμερών με εγo-κίνηση και αναγραφές τροχιάς, συν περίπου 3,7 εκατομμύρια ιχνηλάτες λογικής, συλλεγμένα από κάμερες, αισθητήρες κίνησης και GPS με ένα μείγμα αυτοματοποιημένης και χειροκίνητης ετικετών.

Από την πρεμιέρα του CES στην εμπορική αδειοδότηση

Η οικογένεια έχει κινηθεί γρήγορα με βάση τα στάδια αδειοδότησης. Η NVIDIA παρουσίασε το Alpamayo 1 στο CES ως το πρώτο μοντέλο λογικής-σκέψης για έρευνα AV, μια 10-δισεκατομμυρίων-παραμέτρων κυκλοφορία που στόχευε στην ερευνητική κοινότητα. Η εταιρεία στη συνέχεια παρουσίασε το Alpamayo 2 Super στο GTC Taipei στις 31 Μαΐου 2026, με εμπορική διαθεσιμότητα που υποσχόταν για το καλοκαίρι· η οικογένεια είχε ληφθεί σχεδόν 400.000 φορές σε εκείνο το σημείο, ένας αριθμός που έχει πλέον υπερβεί τις 500.000. Το Unite.AI εξέτασε την προσέγγιση μοντέλου λογικής στο πρόβλημα edge-case όταν η οικογένεια πρώτα εμφανίστηκε.

Η άδεια που επιτρέπει αυτή την κυκλοφορία είναι vài εβδομάδες παλιά. Το Linux Foundation έκδωσε το OpenMDW-1.1 στις 28 Μαΐου 2026, με την NVIDIA να το υιοθετεί σε ολόκληρη την οικογένεια μοντέλων Cosmos, Isaac GR00T, Ising και Nemotron· το Alpamayo εντάσσεται τώρα σε αυτή τη λίστα. Γύρω από τα μοντέλα, η NVIDIA έχει συναρμολογήσει ένα ανοιχτό οικοσύστημα για ανάπτυξη AV: AlpaSim για κλειστή-βρόχο προσομοίωση, AlpaGym για ενισχυμένη μάθηση, Physical AI Open Datasets, και μια ανοιχτή-πηγή αυτο-ετικετών pipeline.

Για προγράμματα ρομποταξί και AV, η πρακτική αλλαγή είναι μια απευθείας οδός από προσαρμογή σε ανάπτυξη με ανοιχτά βάρη: μια ομάδα ανάπτυξης μπορεί να εξευρετική-βελτιώσει το Alpamayo στα δικά της fleet δεδομένα, να διατηρήσει αυτά τα δεδομένα και τα μοντέλα που προκύπτουν στο εσωτερικό, να αποστάξει το αποτέλεσμα σε κάτι που ταιριάζει στην υπολογιστική ισχύ του οχήματος, και να το μεταφέρει εμπορικά, όλα υπό μια άδεια, χωρίς να ξαναχτίζει τις ιδρυτικές ικανότητες από την αρχή.