NVIDIA’s Alpamayo 2 Super Otwiera Rozwój Robotaxi Do Użycia Komercyjnego

NVIDIA (NVDA ) wydał Alpamayo 2 Super, 34-miliardowy model rozumowania dla jazdy autonomicznej, do użycia komercyjnego, jak ogłosiła firma 4 sierpnia 2026 r. Wagi modelu są opublikowane na Hugging Face pod OpenMDW-1.1, permissive licencji Linux Foundation dla dystrybucji modeli AI, która obejmuje dokształcanie, pochodne modele i komercyjną redystrybucję.

Wydanie to usuwa barierę licencyjną, która utrudniała rodzinie Alpamayo prowadzenie badań. Wcześniejsze wersje zostały wprowadzone do użycia w badaniach i rozwoju; NVIDIA twierdzi, że licencja OpenMDW teraz obejmuje całą linię Alpamayo, więc deweloperzy, producenci samochodów, producenci ciężarówek i dostawcy mogą wdrożyć którykolwiek z tych modeli komercyjnie bez potrzeby uzyskania dodatkowych pozwoleń. Firma opisuje Alpamayo jako najczęściej przyjmowany otwarty model rozumowania dla jazdy autonomicznej na Hugging Face, z ponad 500 000 pobrań.

Alpamayo 2 Super jest zbudowany na NVIDIA’s Cosmos 3 Super Reasoner i przeszkolony z wykorzystaniem uczenia wzmacnianego. Jest skierowany do tego, co branża nazywa długimi zdarzeniami ogonowymi: rzadkimi, wieloagentowymi sytuacjami ruchu drogowego, które są trudne do przewidzenia i przeszkolenia, gdzie konwencjonalne systemy oparte na wykrywaniu obiektów i predykcji ruchu mają tendencję do zawodzenia.

Model nauczyciela, a nie stos w pojeździe

Architektura, szczegółowo opisana w karcie modelu, łączy 32-miliardowy parametr backbone języka i wizji z 2,3-miliardowym parametrem dekodera działań opartym na dyfuzji. Model pobiera wielokamerowe nagranie wideo, tekst i historię ruchu pojazdu, oraz wytwarza pięć połączonych wyjść dla każdej sytuacji jazdy: zaplanowaną trajektorię, ślad przyczynowo-skutkowy wyjaśniający powód decyzji, wysoki poziom meta-działania, takiego jak ustąpienie pierwszeństwa lub zmiana pasa, automatycznie generowane etykiety rozumowania dla danych szkoleniowych, oraz odpowiedzi na pytania wizualne odniesione do konkretnych regionów w obrazach kamery.

To jest narzędzie rozwojowe, a nie oprogramowanie, które sterowałoby produkcyjnym robotaxi. NVIDIA pozycjonuje Alpamayo 2 Super jako model nauczyciela dla chmurowych przepływów pracy: generuje ślady rozumowania, syntetyczne dane szkoleniowe i dane nauczyciela, które są destylowane do mniejszych modeli, które są następnie optymalizowane doinferencji w czasie rzeczywistym w pojeździe. Profil sprzętowy w karcie modelu odzwierciedla to podział. NVIDIA zwalidował model na jednym H100 data-center GPU z 80 gigabajtami pamięci, gdzie konfiguracja siedmiu kamer osiągnęła szczyt przybliżony do 72 gigabajtów pamięci urządzenia, i stwierdza, że inne architektury GPU nie zostały jeszcze zwalidowane. W rodzinie, 10-miliardowy parametr Alpamayo 1.5 i Alpamayo 1 pozostają niższymi opcjami kosztowymi dla rozwoju chmury i destylacji.

The explainability outputs carry the safety-engineering weight. NVIDIA says the chain-of-causation traces integrate with its Halos safety-validation workflows and support alignment with ISO/PAS 8800, the published safety standard for AI in road vehicles, giving developers a record that links what the model observed to the action it selected. As an autolabeler on proprietary fleet data, the company says, the model can compress annotation cycles from months to days.

Benchmarki i dane szkoleniowe

W testach przeprowadzonych przez NVIDIA, Alpamayo 2 Super uzyskał wynik 79,2 w metryce Lingo-Judge LingoQA, benchmarku odpowiedzi na pytania wizualne dla jazdy autonomicznej pierwotnie opracowanym przez Wayve. Firma twierdzi, że wynik ten plasuje się na pierwszym miejscu wśród prawie 40 modeli, które zostały ocenione, i przewyższa Qwen2.5-VL 72B o 17,0 punktów, Gemini 2.5 Pro o 15,1 punktów i GPT-4o o 23,2 punktów. Są to własne liczby NVIDIA dla własnego modelu, raportowane w materiałach.

Karta modelu również raportuje ocenę zamkniętej pętli w symulatorze AlpaSim NVIDIA w 910 scenariuszach z zestawu danych PhysicalAI-AV-NuRec, oraz błąd trajektorii o 0,911 metra w horyzoncie 6,4 sekundy w 937 wymagających próbkach. Dane szkoleniowe za modelem składają się z około 115 000 godzin wielokamerowych nagrań wideo jazdy z adnotacjami egomotion i trajektorii, plus około 3,7 miliona śladów przyczynowo-skutkowych, zebranych z kamer, czujników inertialnych i GPS z mieszanką automatycznego i ręcznego oznaczania.

Od debiutu na CES do licencjonowania komercyjnego

Rodzina przeszła szybko przez etapy licencjonowania. NVIDIA zaprezentowała Alpamayo 1 na CES jako pierwszy model rozumowania wizji-języka-działania dla badań AV, 10-miliardowy model wydany dla społeczności badawczej. Firma następnie wprowadziła Alpamayo 2 Super na GTC Taipei 31 maja 2026 r., z zapowiedzią dostępności komercyjnej na lato; rodzina została pobrana prawie 400 000 razy w tym momencie, liczba, która od tego czasu przekroczyła 500 000. Unite.AI zbadał podejście modelu rozumowania do problemu krawędzi, gdy rodzina po raz pierwszy pojawiła się.

Licencja umożliwiająca ten tydzień wydania jest sama kilka tygodni stara. Linux Foundation wydała OpenMDW-1.1 28 maja 2026 r., z NVIDIA, która przyjęła ją w swoich rodzinach modeli Cosmos, Isaac GR00T, Ising i Nemotron; Alpamayo dołącza teraz do tej listy. Wokół modeli NVIDIA zebrała otwarty ekosystem dla rozwoju AV: AlpaSim do symulacji zamkniętej pętli, AlpaGym do uczenia wzmacnianego, Physical AI Open Datasets, oraz otwarty pipeline auto-oznaczania.

Dla programów robotaxi i AV, praktyczna zmiana polega na bezpośredniej ścieżce od adaptacji do wdrożenia na otwarte wagi: zespół rozwojowy może dokształcić Alpamayo na własnych danych floty, zachować te dane i wynikające z nich modele wewnątrz, destylować wynik do czegoś, co pasuje do obliczeń w pojeździe, i wysłać je komercyjnie, wszystko pod jedną licencją, bez odbudowywania podstawowych możliwości od podstaw.