自动驾驶长尾难题迎来新解

对于 Robotaxi 及自动驾驶汽车而言，日常场景并非最大挑战，难以预测的罕见复杂情况才是行业痛点。处理此类 " 长尾事件 " 不仅依赖目标检测，更要求车辆实时理解情境、推理因果并规划安全路径，且整个过程需具备可解释性与可验证性。

日前，英伟达宣布 Alpamayo 2 Super 正式开放商业使用。作为 Hugging Face 上采用率最高的自动驾驶开源推理模型家族的一员，该模型基于 NVIDIA Cosmos 3 Super Reasoner 构建，并经强化学习训练，旨在通过开放许可与领先的多任务能力推动自动驾驶生态发展。

OpenMDW 许可赋能商业化部署

Alpamayo 2 Super 在 Hugging Face 上遵循 OpenMDW-1.1 许可发布。这是由 Linux 基金会制定的宽松许可证，涵盖微调、衍生模型开发及商业再分发。车企、卡车制造商及供应商可据此将模型适配至自有数据与驾驶策略中，同时保留对专有数据及基础设施的控制权。

与此前仅用于研发的早期版本不同，OpenMDW 许可已覆盖整个 Alpamayo 家族，开发者无需额外授权即可进行商业化部署。开放权重模式大幅降低了经济门槛，团队无需从头训练基础功能或为每项任务支付高昂费用，即可基于高级推理能力构建专用模型。

在开发工作流中，Alpamayo 2 Super 支持云端前沿规模推理，生成高质量推理轨迹与合成数据；而 Alpamayo 1.5 和 1.0 则提供更具成本效益的云端开发与蒸馏选项。最终蒸馏出的模型可针对车端实时推理进行优化，形成从云端到车端的完整闭环，以更可持续的方式扩展商业车队的安全自主能力。

基准测试全面领跑

在自动驾驶推理基准测试 LingoQA 中，Alpamayo 2 Super 在近 40 个评估模型中位居榜首。据英伟达使用 Lingo-Judge 指标测试，该模型得分超越 Qwen2.5-VL 72B（+17.0 分）、Gemini 2.5 Pro（+15.1 分）及 GPT-4o（+23.2 分），并在英伟达评估的所有自动驾驶基准测试中排名第一。

Alpamayo 2 Super 的参数量是 Alpamayo 1.5 和 1.0（均为 100 亿参数）的 3 倍。更强的算力使其能从稀疏样本中更好地泛化推理，有效应对传统系统难以处理的多智能体交互。模型融合车辆前后及侧方视角，实现 360 度上下文感知，显著提升了对变道、合流、无保护转弯及复杂路口等高风险场景的理解能力。

多任务输出与透明决策

针对每种驾驶场景，Alpamayo 2 Super 可输出五项紧密耦合的结果：规划轨迹、解释决策逻辑的因果链（CoC）、捕捉意图的元动作（如让行、变道）、用于训练验证的推理自动标签，以及带有 2D 视觉定位的视觉问答响应。

这些输出使开发者能将模型观察与行动关联，提升决策的可理解性与可验证性。其中，CoC 轨迹已集成至 NVIDIA Halos 安全验证工作流，支持符合 ISO/PAS 8800 标准的 AI 安全工程。此外，模型可作为自动标签器，将原始驾驶片段转化为富含 CoC 注释的训练数据，将标注周期从数月压缩至数天。

构建开源自动驾驶生态

Alpamayo 2 Super 是英伟达自动驾驶开源套件的核心组成部分。该套件还包括提供闭环仿真的 NVIDIA AlpaSim、实现高通量强化学习的 NVIDIA AlpaGym、NVIDIA Physical AI 开放数据集，以及开放训练配方和自动标注管道。

目前，Alpamayo 系列在 Hugging Face 上的下载量已突破 50 万次，稳居该平台自动驾驶开源推理模型家族之首。开发者现可前往平台下载模型，评估其推理能力并构建下一代自动驾驶应用。

【星途科讯 图文丨伊贝 首发于 ZAKER 科技，转载请注明出处】