NVIDIA 发布 Alpamayo 2 Edge 自动驾驶模型权重

NVIDIA 于 2026 年 11 月 10 日在 Hugging Face 上发布了 Alpamayo 2 Edge 模型权重，让自动驾驶开发者能够使用这款拥有 20 亿参数的模型，在车载计算能力和延迟限制内开展开发。此次发布还包括部署方案和评估工具，可用于生成驾驶轨迹及其解释，并对其进行审查。

NVIDIA 最初在 2026 年 10 月 21 日发布的 Hyperion 公告中宣布 Alpamayo 2 Edge，并称该模型针对 DRIVE AGX Thor 进行了优化，旨在支持 10 Hz 的车载运行。Alpamayo 产品页面显示，Edge 已可供使用；页面还将这款紧凑型车载模型与拥有 340 亿参数的 Alpamayo 2 Super 区分开来。后者用于驾驶预测、场景理解、自动标注和小型模型训练。

紧凑型模型，具备自适应推理能力

Cosmos 3 Edge 提供基于 Nemotron 的推理骨干网络，扩散式动作专家则负责生成驾驶动作。在这种视觉—语言—动作设计中，环视摄像头视频、时间上下文、自车运动历史和导航文本会被转换为未来轨迹及因果链解释，将决策与其因果因素联系起来。该模型还可以回答有关驾驶场景的开放式问题。

对于常规驾驶，Edge 可以省略推理轨迹，而不必为每项决策都生成一条。在这种情况下，推理脚本会输出特殊的 NOMINAL token，从而减少 token 生成量和推理计算量，同时模型仍会继续生成轨迹。

模型卡列出了全球部署地区，并注明模型权重采用 OpenMDW-1.1 许可，源代码采用 Apache License 2.0 许可。其训练数据集包含约 115,000 小时的多摄像头驾驶视频，并附有自车运动和轨迹标注；此外，还有约 370 万条因果链推理轨迹。数据包括摄像头、惯性测量单元和 GPS 记录，以及合成推理轨迹。

训练时，Alpamayo 2 Super 生成了用于离线蒸馏的推理自动标注。随后，Edge 在 AlpaGym 模拟器中通过闭环强化学习，从自身动作造成的后果中学习。NVIDIA 报告称，与未采用闭环强化学习的最佳检查点相比，这一阶段使闭环驾驶性能提升了 48.9%。

车载延迟与验证限制

下载的 BF16 权重可在受支持的 NVIDIA GPU 上直接作为 PyTorch 模型运行，但要在 DRIVE AGX Thor 上实现实时运行，还需要进一步优化。NVIDIA 提供的方案采用 FP8 校准、ONNX 导出、TensorRT 和 TensorRT-Edge-LLM，并使用 DFlash2 投机解码进行在线推理。该方案报告称，从摄像头输入到轨迹输出的延迟为 160–190 毫秒，具体取决于推理量；测量环境为搭载 DRIVE OS 7.2.7.0、CUDA 13.4 和 TensorRT 11.3.1.9 的 DRIVE AGX Thor-X。

NVIDIA 报告称，在 AlpaSim 闭环模拟器中，Edge 两次责任事故之间的行驶距离为 9.87 公里，而拥有 40 亿参数的 Qwen-Drive-1.0 为 0.25 公里。同一项对比还显示，Edge 的最小平均位移误差为 0.53 米，Qwen-Drive-1.0 为 1.68 米；数值越低，表示轨迹预测越准确。

对于基准软件兼容性，模型卡列出的测试平台为一块 NVIDIA H100 80GB GPU，并指出其他 GPU 架构尚未经过验证；这与针对 Thor-X 优化的方案是两项不同的说明。将模型集成到自动驾驶系统中，还需要使用特定用例的数据进行额外测试，并在部署前反复开展单元级和系统级验证。

AlpaJudge 将评估与训练相结合

NVIDIA 还发布了 AlpaJudge，这是一款经过人工校准的评估与奖励模型，采用与模型权重和代码相同的许可。AlpaJudge-RB 采用基于参考答案的方式：输入问题、参考答案和候选答案（不含图像），即可返回一个介于 0 到 1 之间的对齐概率。无需参考答案的 AlpaJudge-RF 则使用三个前向广角画面和三个前向长焦画面、自车元动作历史及未来上下文，以及候选推理说明，返回五项评分标准对应的概率，并给出动作、组件和总体评分。

NVIDIA 的指南将较高的推理评分视为推理说明符合评判标准的证据；不过，要描述驾驶行为，仍需结合碰撞、驶离道路、近距离遭遇和轨迹等指标。对于低分样例，应先进行审查，而不是自动丢弃，因为这些样例可能暴露罕见故障。非常高的评分可能表明模型已经能够稳定解释相关场景，而中等评分往往意味着这些场景适合用于进一步训练。

公开的强化学习方案可以使用 AlpaJudge-RB，对采样得到的推理说明进行评分，并结合轨迹误差和舒适度进行评估。NVIDIA 建议保留轨迹门控，并记录各项组件评分，以免流畅却错误的解释单独带来较高的总奖励。此次发布的实际意义在于，它支持构建一套开发迭代流程：实现紧凑型车载推理、对解释进行评分并针对性地重新训练，同时依据碰撞和轨迹证据判断解释质量的提升是否转化为更好的驾驶表现。