NVIDIA 發布 NVIDIA Alpamayo 系列開源 AI 模型、仿真工具及數據集，旨在推動安全可靠的推理型輔助駕駛汽車開發。

智能汽車必須在復雜多變的駕駛條件下安全運行。被稱為“長尾”的罕見、復雜場景始終是輔助駕駛系統需要攻克的最大難題之一。傳統輔助駕駛架構將感知與規劃分離開來，這在面臨突發或異常狀況時，往往會限制其系統擴展性。盡管端到端學習的最新進展已取得顯著突破，但要解決這些長尾極端事件，仍需具備安全推理因果關系能力的模型，特別是在遇到的場景超出模型訓練經驗的情況下。

Alpamayo 系列引入基于思維鏈的 VLA 推理模型，為輔助駕駛決策注入類人的思維能力。這些系統能夠逐步推演罕見或全新場景，提升駕駛能力和可解釋性，這對構建智能汽車的安全信任體系至關重要，其核心技術由 NVIDIA Halos 安全系統提供支撐。

NVIDIA 創始人兼首席執行官黃仁勛表示：“物理 AI 的 ChatGPT 時刻已然到來，機器開始具備理解真實世界、推理并付諸行動的能力。無人駕駛出租車將是最早受益的應用之一。Alpamayo 為智能汽車注入推理能力，使其得以應對罕見場景、在復雜環境中安全行駛，并解釋其駕駛決策，這為安全、可規模化的自動駕駛奠定了基礎?！?/p>

完整、開放的推理型自動駕駛生態

Alpamayo 將開放模型、仿真框架與數據集三大支柱整合為統一開放的生態系統，任何汽車開發者或研究團隊均可在此基礎上進行研發。

Alpamayo 并不是直接部署于車端的模型，而是作為大規模教師模型，供開發者調優、蒸餾，成為其完整輔助駕駛技術棧的核心基礎。

在 CES 上，NVIDIA 推出：

• Alpamayo 1：業界首款面向輔助駕駛研究社區設計的思維鏈 VLA 推理模型，現已在 Hugging Face 上發布?；?100 億參數架構，該模型通過視頻輸入生成行駛軌跡，同時給出推理思路，能夠清晰展示每項決策背后的邏輯。開發者既可將 Alpamayo 1 調整為更精簡的運行時模型部署于車端，也可將其作為輔助駕駛的基礎架構，構建諸如基于推理的評估器和自動標注系統等開發工具。Alpamayo 1 提供開放模型權重和開源推理腳本。該系列的后續模型將具備更大的參數規模、更精細的推理能力、更靈活的輸入輸出方式以及更豐富的商用選項。

• AlpaSim：一款面向高保真輔助駕駛開發、完全開源的端到端仿真框架，現已在 GitHub 上公開發布。該框架提供逼真的傳感器建模、可配置交通動態，以及可擴展的閉環測試環境，支持快速驗證與策略優化。

• 物理 AI 開放數據集：NVIDIA 提供多元化的大規模輔助駕駛開放數據集。該數據集包含超過 1700 小時的駕駛數據，覆蓋廣泛的地理區域和環境條件，涵蓋推動推理架構發展所必需的罕見且復雜的真實世界極端場景。這些數據集已在 Hugging Face 上開放使用。

這些工具共同構建了一個自我強化的開發閉環，用于推理型輔助駕駛堆棧的開發。

Alpamayo 獲得智能汽車行業的廣泛支持

Lucid、捷豹路虎、Uber 和伯克利 DeepDrive 等移動出行領域的領先企業和業界專家展現了對 Alpamayo 的極高關注，希望開發基于推理的自動駕駛堆棧，以實現 L4 級自動駕駛。

Lucid Motors 高級駕駛輔助系統與自動駕駛業務副總裁 Kai Stepper 表示：“向物理 AI 的轉變凸顯出業界對 AI 系統日益增長的需求，這些系統不僅要有數據處理能力，還需要具備對真實世界行為的推理能力。先進的仿真環境、豐富的數據集和推理模型是推動這場變革的核心要素?！?/p>

捷豹路虎產品工程執行總監 Thomas Müller 表示：“開放透明的 AI 開發對于負責任地推進自動駕駛出行具有重要意義。通過 Alpamayo 等開源模型，NVIDIA 正推動整個自動駕駛生態的創新，為開發者和研究人員提供安全應對真實世界復雜場景的新工具。”

Uber 全球自動駕駛交付負責人 Sarfraz Maredia 表示：“處理長尾和不可預測的駕駛場景是自動駕駛技術面臨的核心挑戰之一。Alpamayo 為行業創造了突破性機遇，將加速物理 AI 發展、提升系統透明度，并擴大 L4 級自動駕駛的安全部署。”

標普全球高級首席分析師 Owen Chen 表示：“Alpamayo 1 使車輛能夠解讀復雜環境、預判未知情境，并做出安全決策，即使在面對未曾遇到的場景時也能做出安全決策。該模型的開源特性將加速全行業創新，助力合作伙伴根據自身獨特需求進行調整并優化。”

伯克利 DeepDrive 聯合總監 Wei Zhan 表示：“Alpamayo 系列的發布為研究社區帶來重大突破。NVIDIA 的開放決策具有變革意義，其開放權限與強大功能將支持我們以前所未有的規模進行訓練，并為推動自動駕駛技術的普及提供了更大的靈活性和資源保障。”

除 Alpamayo 外，開發者還可利用 NVIDIA 豐富的工具和模型庫，包括 NVIDIA Cosmos? 和 NVIDIA Omniverse? 平臺。開發者能夠基于專有車隊數據對模型版本進行調優，將其集成至 NVIDIA DRIVE AGX Thor? 加速計算構建的 NVIDIA DRIVE Hyperion? 架構中，并在商業部署前通過仿真驗證其性能表現。