英伟达发布Alpamayo 2 Super开源推理模型 助力L4自动驾驶研发

英伟达发布Alpamayo 2 Super：320亿参数VLA模型与开源工具链亮相

6月1日，英伟达正式推出了Alpamayo 2 Super——一款拥有320亿参数、基于推理能力的视觉-语言-动作（VLA）模型。这不仅是Alpamayo系列的一次重磅升级，更是一整套面向L4自动驾驶出租车研发的开源工具链的集中亮相，包括模型、仿真框架和物理人工智能数据集，目的很明确：帮企业把安全可靠的自动驾驶系统更快落地。

伴随模型发布的，还有几款新工具：NVIDIA AlpaGym、NVIDIA OmniDreams，以及全新的NVIDIA Omniverse NuRec模型。这几个名字听起来有点技术范儿，但本质上它们打通了从真实场景数据采集、闭环训练到车载部署的完整流程。换句话说，英伟达试图让开发者不用再从零搭建自动驾驶的核心基础设施，直接站上一个更高的起点。

Alpamayo 2 Super最吸引人的地方，是它具备类人的感知、推理与行动能力，而且决策过程可解释——这对安全验证和合规监管来说是刚需。毕竟，一辆自动驾驶出租车在路上跑，不能只是一个“黑盒子”。

为了让模型更适应实际道路部署，AlpaGym提供了一个闭环强化学习平台。而OmniDreams则负责生成逼真的驾驶场景，尤其是那些罕见、长尾的极端情况——这类场景在真实道路上很难大量采集，但恰恰是安全性的关键考验。

英伟达还顺手为旗下所有自动驾驶开发工具配上了物理人工智能智能体的能力。比如，基于Omniverse NuRec的神经重建功能，可以用真实车队行驶数据来仿真，并批量生成合成训练数据，效率提升相当可观。

黄仁勋在发布会上提到：“Alpamayo标志着汽车开始具备自主推理能力，不再只是单纯行驶。唯有英伟达能同步提供开源模型、仿真工具、真实场景数据与智能体能力，助力全球自动驾驶出租车生态打造四级自动驾驶能力。” 这段话精准点出了英伟达的差异化定位——不是单卖一个模型，而是端到端的全家桶。

从Alpamayo 1 Nano和1.5 Nano的百亿参数，到现在的320亿参数，Alpamayo 2 Super不再只是输出轨迹，而是在整套驾驶系统中完成推理、规划与执行。它能处理多种任务：逻辑推理、自动标注、场景理解、模型评估，甚至可以将大模型知识蒸馏到轻量化模型上，为大规模部署四级自动驾驶打下基础。

核心特性

1. 参数规模提升至3倍：基于英伟达Cosmos打造，从100亿跃升到320亿参数，长尾场景下的逻辑推理、三维空间感知和轨迹预测能力全面增强。

2. 全车环视感知：从传统的前置摄像头升级为360度全景感知，覆盖前、侧、后方视野，变道、并线、路口通行等操作的安全感明显提升。

3. 元动作输出：新增礼让、变道、停车等高层级驾驶动作的预判能力，不仅能输出轨迹和因果链，还能直接给出高阶驾驶决策，方便后续规划模块直接使用。

4. 推理式自动标注与二维目标定位：搭载结合二维目标定位的推理式自动标注功能。这个320亿参数的大模型能自动产出高质量推理标注数据，把标注周期从几个月压缩到几天，数据链路的成本和效率都大幅优化。

5. 优化因果链与轨迹输出：针对传统模仿学习自动驾驶系统在罕见、复杂、长尾场景下的短板，因果链溯源能力和轨迹生成质量都得到显著提升。

这五项升级让Alpamayo 2 Super成为英伟达目前功能最强的开源驾驶基础大模型。它的定位是“教师模型”，可以通过知识蒸馏压缩成轻量化模型，部署在英伟达DRIVE Hyperion平台的DRIVE AGX Thor芯片上运行。各家车企可以直接继承高水准的推理与感知能力，不必从零开始。

开源生态与市场反响

市场反响方面，Alpamayo系列刚拿下台北国际电脑展（COMPUTEX）最佳选择奖——车载技术与智能座舱类别。自发布以来，模型下载量已接近40万次。开源平台还附带后训练脚本，科研人员和开发者可以结合自有数据集、行驶场景和驾驶策略对模型进行二次适配。

值得一提的是，Alpamayo 2 Super的推理代码预计今年夏季上线GitHub，模型权重也会同步发布在Hugging Face平台。

AlpaGym：闭环强化学习框架

除了模型本身，英伟达同时推出了NVIDIA AlpaGym——一个开源、高算力吞吐的闭环强化学习框架。传统开环训练只是基于历史录制数据评估模型，单次输出动作；而AlpaGym在AlpaSim中让模型循环完成“决策-感知”流程，车辆每一次制动、转向、导航操作都会实时改变仿真环境。这样一来，静态数据集难以暴露的累积误差和极端场景故障就会被发现，模型能在实战模拟中持续学习。

AlpaGym基于AlpaSim microservice架构与Omniverse NuRec搭建，配合物理人工智能自动驾驶数据集，Alpamayo系列模型可以实现从开环预训练到闭环精细化调优的完整训练链路。

英伟达还在GitHub开源了因果链自动标注流程，基于原始行车视频，全自动生成具有决策依据和因果关联的标注数据，无需人工参与。这为大规模训练具身推理模型提供了核心的因果训练数据。

物理AI智能体能力与合作伙伴

为了进一步助力推理型自动驾驶技术研发，英伟达依托NVIDIA Agent Toolkit推出多款新型物理人工智能智能体能力，辅助开发者和智能编码程序完成仿真、数据生成、闭环训练等全流程工作。其中包括：基于Omniverse NuRec的神经重建能力、用于生成逼真驾驶场景的OmniDreams能力，以及面向闭环强化学习的AlpaGym能力。

最后值得关注的是，英伟达表示，包括比亚迪、吉利、极氪、小米以及小马智行在内的中国主流车企和自动驾驶公司，都已经采用或正在基于NVIDIA Hyperion平台开发智驾系统。这波“推理型自动驾驶”的浪潮，显然已经在中国市场掀起不小的波澜。