NVIDIAN Alpamayo 2 Super Avaa Robotaxi-kehityksen Kaupalliseen Käyttöön

NVIDIA (NVDA ) on julkaissut Alpamayo 2 Superin, 34-miljardin parametrin päättelymallin itseohjautuvaa ajamista varten, kaupalliseen käyttöön, yhtiö ilmoitti 4. elokuuta 2026. Mallin painot on julkaistu Hugging Facessa OpenMDW-1.1:n alla, Linux Foundationin permissiivisen lisenssin AI-mallien jakeluun, joka kattaa hienosäätelyn, johdannaismallit ja kaupallisen uudelleenjakan.

Julkaisu poistaa lisenssimuurin, joka oli pitänyt Alpamayo-perheen tutkimuksessa. Aikaisemmat versiot olivat esiteltyjä tutkimuskäyttöön; NVIDIA sanoo, että OpenMDW-lisenssi koskee nyt koko Alpamayo-mallistoa, joten kehittäjät, autonvalmistajat, kuorma-autonvalmistajat ja toimittajat voivat käyttää mitä tahansa malleja kaupallisesti ilman lisäluvan hakemista. Yhtiö kuvailee Alpamayota autonomisen ajamisen avoimena päättelymalliperheenä Hugging Facessa, jossa lataukset ylittävät 500 000.

Alpamayo 2 Super on rakennettu NVIDIAN Cosmos 3 Super Reasonerilla ja jälkikoulutettu vahvistusoppimisella. Se on suunnattu teollisuuden niin sanotuille pitkähaaroisille tapahtumille: harvinaisille, usean agentin liikenneolosuhteille, jotka ovat vaikeita ennustaa ja kouluttaa, joissa perinteiset järjestelmät, jotka perustuvat objektiiden havaitsemiseen ja liikkeen ennustamiseen, usein kamppailevat.

Opettaja-malli, ei autoon asennettu pinotila

Arkkitehtuuri, joka on yksityiskohtaisesti mallikortissa, yhdistää 32-miljardin parametrin näkö- ja kielifunktioon 2,3-miljardin parametrin difuusiopohjaiseen toimintakooderiin. Malli syö monikameravideota, tekstiä ja ajoneuvon liiketiedot, ja tuottaa viisi kytkettyä tulostetta jokaiselle ajo-olosuhteelle: suunnitellun reitin, ketjucausaalisen jäljityksen, joka selittää päätöksen taustalla olevan logiikan, korkean tason meta-toiminnan, kuten antaa tai kaistaan vaihtaa, automaattisesti generoituja päättelymerkintöjä koulutusdataa varten, ja visuaalisia kysymysvastauksia, jotka on kiinnitetty tiettyihin alueisiin kamerakuvissa.

Tämä on kehitystyökalu, ei ohjelmisto, joka ohjaisi tuotantorobotaxia. NVIDIA asettaa Alpamayo 2 Superin opettajamalliksi pilvipohjaisiin työvirtoihin: se tuottaa päättelyjäljityksiä, synteettistä koulutusdataa ja opettajatuloksia, jotka tiivistetään pienempiin malleihin, jotka optimoidaan sitten reaaliajassa ajoneuvoissa. Laiteprofiili mallikortissa heijastaa tätä jakoa. NVIDIA on validoitu mallin yhdellä H100-keskusmuistilla 80 gigatavun muistilla, jossa seitsemän kamerakonfiguraatio saavutti noin 72 gigatavun laitteen muisti, ja sanoo, että muita GPU-arkkitehtuureja ei ole vielä validoitu. Malliperheessä 10-miljardin parametrin Alpamayo 1.5 ja Alpamayo 1 ovat edelleen alhaisemmat kustannukset pilvikehitykselle ja tiivistämiselle.

Selitettävyyden tulokset kantavat turvallisuusinsinöörin painoa. NVIDIA sanoo, että ketjucausaalisen jäljityksen tulokset integroidaan sen Halos-turva-arviointityövirtoihin ja tukevat yhdenmukaisuutta ISO/PAS 8800:n kanssa, joka on julkaistu turvallisuusstandardi tekoälylle tieliikenteessä, antaen kehittäjille rekisterin, joka yhdistää, mitä malli havaitsi, toimintaan, jonka se valitsi. Omana automerkintänään omassa laivastotiedossa, yhtiö sanoo, malli voi pakata merkintäsyklit kuukausista päiviin.

Suorituskykytestit ja koulutusdata

NVIDIAN omassa testauksessa Alpamayo 2 Super sai 79,2 pistettä Lingo-Judge-mittarilla LingoQA:ssa, visuaalisen kysymysvastauksen benchmarkissa itseohjautuvaa ajamista varten alun perin kehittänyt Wayve. Yhtiö sanoo, että tämä tulos sijoittuu ensimmäiseksi lähes 40 mallista, joita se arvioi, ja ylittää Qwen2.5-VL 72B:n 17,0 pisteellä, Gemini 2.5 Pro:n 15,1 pisteellä ja GPT-4o:n 23,2 pisteellä. Nämä ovat NVIDIAN omat luvut omalle mallilleen, joita se ilmoittaa materiaaleissaan.

Mallikortti ilmoittaa myös suljetun silmukan arvioinnin NVIDIAN AlpaSim-simulaattorissa 910 skenaariota PhysicalAI-AV-NuRec-aineistosta, ja avoimen silmukan reitin virhettä 0,911 metriä 6,4 sekunnin horisontissa 937 haastavassa näytteessä. Koulutusdata, jota malli perustuu, koostuu noin 115 000 tunnista monikameravideota, jossa on egoliike- ja reitin merkinnät, sekä noin 3,7 miljoonasta ketjucausaalisen päättelyn jäljityksestä, jotka on kerätty kameroista, inertiasensoreista ja GPS:stä sekä automaattisen ja manuaalisen merkitsemisen yhdistelmällä.

CES-debyytistä kaupalliseen lisenssiin

Perhe on edennyt nopeasti lisenssimuodoissa. NVIDIA esitteli Alpamayo 1:n CES:ssä teollisuuden ensimmäisenä ketjucausaalisen päättelyvision-kieli-toimintamallina AV-tutkimukselle, 10-miljardin parametrin julkaisu, joka suunnattiin tutkimusyhteisölle. Yhtiö esitteli sitten Alpamayo 2 Superin GTC Taipei:ssa 31. toukokuuta 2026, lupaamalla kaupallisen saatavuuden kesäksi; perhe oli ladataan lähes 400 000 kertaa silloin, luku, joka on sittemmin ylittänyt 500 000. Unite.AI tarkasteli päättelymallin lähestymistapaa reunatapausongelmaan, kun perhe ilmoitettiin ensimmäisen kerran.

Lisenssi, joka mahdollistaa tämän viikon julkaisun, on itse viikkoja vanha. Linux Foundation julkaisi OpenMDW-1.1:n 28. toukokuuta 2026, ja NVIDIA omaksui sen Cosmos-, Isaac GR00T-, Ising- ja Nemotron-malliperheissään; Alpamayo liittyy nyt tähän listaan. Mallien ympärillä NVIDIA on kokoamassa avoimen ekosysteemin AV-kehitykselle: AlpaSim suljetulle silmukalle, AlpaGym vahvistusoppimiselle, Physical AI Open Datasets ja avoimen lähdekoodin automerkintäputki.

Robotaxi- ja AV-ohjelmien käytännön muutos on suora polku sopeuttamisesta käyttöönottoon avoimilla painoilla: kehitystiimi voi hienosäätää Alpamayota omalla laivastotiedollaan, pitää tietoa ja tuloksia tallessa, tiivistää tuloksen joksikin, mikä sopii ajoneuvon laskentaan, ja toimittaa sen kaupallisesti, kaiken yhden lisenssin alla, ilman perussääntöjen uudelleenrakentamista alusta alkaen.