對於機器人計程車及其他自動駕駛車輛（AV）而言，最大的挑戰並非日常駕駛中常見的場景，而是那些罕見、複雜且難以預期與訓練的情境。

處理這些長尾事件遠不僅僅是物體偵測與運動預測。自動駕駛車輛必須理解當前情境、推論因果關係、選擇適當的行動，並將該決策轉化為安全、平穩的行駛路徑——而且這一切必須在即時環境中完成，同時讓開發者能夠檢視、驗證並信任其決策過程。這樣的能力組合至關重要，因為自動駕駛專案的評價標準不僅在於車輛能否行駛，更在於其決策能否在大型車隊與多變路況中被追蹤、測試和持續改善。

NVIDIA Alpamayo 2 Super 現已開放商業使用，隸屬於 Alpamayo 模型家族——這是 Hugging Face 上最多人採用的自動駕駛開源推理模型。該模型在單一基礎模型中支援廣泛的自駕車相關能力。

Alpamayo 2 Super 建構於 NVIDIA Cosmos 3 Super Reasoner 之上，並以強化學習進行後訓練，從兩大面向推進自駕車生態系：開放商業授權與領先的自動駕駛多任務能力。它是 NVIDIA 日益擴充的自動駕駛開源模型、資料集與工具系列的一部分，旨在擴大使用管道、強化競爭環境、賦予開發者更大自主權，並支援更安全、更透明的自駕車部署。

量產自駕車的開放授權

Alpamayo 2 Super 在 Hugging Face 上以 OpenMDW-1.1 授權條款發布，這是 Linux 基金會為開源 AI 模型發布所制定的寬鬆授權。該授權涵蓋微調、衍生模型及商業再散布，使自駕車開發者、車廠、卡車製造商及供應商能夠將 Alpamayo 適配至各自的資料、駕駛策略及部署方案。

這種開放性使自動駕駛研究人員與企業能夠保留對自身資料與基礎設施的掌控權，同時擁有透過專業模型與累積知識所創造的價值。對於涉及專屬車隊及安全關鍵系統的工作流程而言，這樣的掌控權至關重要。

早期 Alpamayo 版本最初僅供研究與開發使用。OpenMDW 授權現已全面適用於整個 Alpamayo 模型家族，開發者可在無需額外許可的情況下將任何模型用於商業部署。這建立了一條從適配到部署的直接路徑。

開放權重使這條路徑在經濟上可行。團隊可以在先進推理能力的基礎上進行開發，而無需從頭重新訓練每項基礎能力，也無需為每項任務支付前沿模型的成本，從而以適當的價格將最合適的模型匹配到對應的任務。

Alpamayo 2 Super 在雲端開發工作流程中實現了前沿規模的推理能力，開發者可藉此生成高品質的推理軌跡、合成訓練資料及用於模型蒸餾的教師輸出。在 Alpamayo 模型家族中，Alpamayo 2 Super 為多模態自動駕駛開發提供了最高的推理與駕駛效能，而 Alpamayo 1.5 與 Alpamayo 1 則為雲端開發與模型蒸餾提供更具成本效益的選項。

蒸餾後的模型隨後可針對量產車輛中的高效即時推論進行最佳化。Alpamayo 模型家族共同提供了一個從雲端到車端的工作流程，將前沿規模的推理與商業自駕車隊的可擴展部署相結合。對自駕車專案而言，這意味著在雲端進行前沿規模的推理，並在車端部署高效、專業的模型——這是一種更永續的方式，可將安全的自動駕駛能力擴展至商業車隊。

前沿規模的基準領先推理能力

Alpamayo 2 Super 在自動駕駛推理基準 LingoQA 上，從近 40 個受評模型中排名第一。在 NVIDIA 使用 Lingo-Judge 指標進行的測試中，其表現較 Qwen2.5-VL 72B 領先 17.0 分、較 Gemini 2.5 Pro 領先 15.1 分、較 GPT-4o 領先 23.2 分，展現了以駕駛為核心場景的頂尖推理能力。Alpamayo 2 Super 同時在 NVIDIA 評估的所有自動駕駛基準測試中均排名第一，凸顯其在廣泛自駕車能力上的卓越表現。

Alpamayo 2 Super 的規模為 100 億參數的 NVIDIA Alpamayo 1.5 與 Alpamayo 1 模型的 3 倍。增加的容量協助模型更有效地從稀疏範例中泛化推理能力——這對於傳統系統經常難以處理的罕見多代理互動場景而言，是一項關鍵能力。

該模型能夠基於全周環繞的攝影機覆蓋範圍進行推理，融合車輛前方、側面及後方的視角。這種 360 度的情境感知能力，使模型能夠更深入地理解車道變換、匯流、無保護轉彎及複雜交叉口——這些正是風險最常出現的場景。

適用於機器人計程車與自動駕駛的多任務基礎模型

針對每個駕駛情境，Alpamayo 2 Super 可產生五個緊密結合的輸出結果：

1. 軌跡——描述車輛的計畫行駛路徑。
2. 因果鏈（CoC）推理軌跡——解釋決策背後的推理過程。
3. 元動作（如讓行、變換車道、停車）——捕捉模型的意圖。
4. 推理自動標籤——為訓練與驗證資料生成 CoC 標註。
5. 視覺問答回應——具備 2D 視覺定位功能，將模型的回答連結至攝影機影像中的特定區域。

這些輸出結果共同提供了模型決策過程的洞察。開發者可以將模型觀察到的內容與其所選擇的行動建立關聯，使決策更容易被理解、檢視和驗證。

CoC 推理軌跡可與 NVIDIA Halos 安全驗證工作流程整合，並支援符合 ISO/PAS 8800 要求的 AI 安全標準，為自駕車安全工程奠定更堅實的基礎。

Alpamayo 2 Super 也可作為自動標籤工具部署，在專屬車隊資料上生成 CoC 標籤並執行具備 2D 定位功能的視覺問答。透過將其推理連結至攝影機影像中的特定區域，模型能將原始駕駛片段轉化為更豐富的訓練資料，將標註週期從數月壓縮至數天。

除了規畫與自動標籤之外，Alpamayo 2 Super 還支援場景理解、模型評論及知識蒸餾。這些多任務能力使開發者能夠在更多開發環節中使用單一基礎模型，簡化工具鏈並加速開發迭代。

面向推理式自駕車的開放生態系

Alpamayo 2 Super 是更廣泛的自駕車開發開源模型、框架與資料集生態系的一部分。該家族的其他工具包括：

• NVIDIA AlpaSim——提供閉環模擬。
• NVIDIA AlpaGym——實現高吞吐量強化學習。
• NVIDIA Physical AI Open Datasets——為訓練與測試提供資料。
• 開放訓練方法與自動標籤管線——加速模型開發、訓練與驗證。

Alpamayo 在 Hugging Face 上的下載量已突破 50 萬次，進一步鞏固其作為該平台上最多人採用的自動駕駛開源推理模型家族的地位。

NVIDIA Alpamayo 2 Super 現已在 Hugging Face 上提供，供開發者探索模型、評估其推理能力，並開始打造次世代的機器人計程車與自動駕駛車輛。