英伟达 Alpamayo 2 Super：自动驾驶开源推理新标杆

英伟达近日宣布 Alpamayo 2 Super 正式开放商用，作为 Alpamayo 家族中规模最大的推理模型，专为自动驾驶场景中的长尾难题设计。该模型基于 NVIDIA Cosmos 3 Super Reasoner 构建，并通过强化学习进行后训练，目前已上线 Hugging Face，面向 robotaxi、商用车队及自动驾驶开发者开放。

面向生产的开放许可

Alpamayo 2 Super 采用 Linux Foundation 旗下 OpenMDW-1.1 宽松许可发布，覆盖微调、衍生模型与商用再分发。这意味着 AV 开发者、车企、卡车厂商及供应商可以在自有数据和驾驶策略的基础上自由适配模型，而无需为每一项任务承担前沿模型的调用成本。

英伟达同时将 OpenMDW 许可推广到整个 Alpamayo 模型家族。Alpamayo 1 与 1.5 此前的版本仅限研发使用，如今也已具备直接商用部署的资格。配合 Alpamayo 2 Super 提供的云端高质量推理轨迹与合成数据，开发者可以蒸馏出面向车端实时推理的轻量化模型，形成「云端前沿推理 + 车端高效部署」的完整工作流。

基准领先的推理能力

在自动驾驶推理基准 LingoQA 上，Alpamayo 2 Super 在近 40 个参评模型中排名第一。按英伟达使用的 Lingo-Judge 指标，其表现分别领先：

• Qwen2.5-VL 72B：高出 17.0 分
• Gemini 2.5 Pro：高出 15.1 点
• GPT-4o：高出 23.2 点

模型参数规模约为 100 亿级，是 Alpamayo 1.5 与 Alpamayo 1 的 3 倍。更大的容量使其能够从稀疏样本中更好地泛化推理，应对罕见、多智能体交互等传统系统容易失效的场景。同时，Alpamayo 2 Super 可对车辆前后及两侧的环视摄像头画面进行融合推理，提供 360 度环境理解，覆盖变道、合流、无保护左转与复杂路口等高风险情境。

一体化多任务基础模型

对于每一个驾驶场景，Alpamayo 2 Super 可同时输出五类紧密耦合的结果：

• 描述车辆规划路径的轨迹（trajectory）
• 解释决策因果的 chain-of-causation（CoC）推理链
• 表达模型意图的 meta-action（如让行、变道、停车）
• 用于训练与验证数据标注的推理自动标签
• 带 2D 视觉定位的视觉问答（VQA）回答

这一组合让开发者能够把模型观察到的内容与最终选择的动作关联起来，使决策过程更易于检视、质疑与验证。CoC 推理链同时与英伟达 Halos 安全验证流程对齐，并支持 ISO/PAS 8800 框架下的 AI 安全要求。

此外，Alpamayo 2 Super 还可以作为自动标注器（autolabeler）在车队私有数据上生成 CoC 标注与带 2D 视觉定位的 VQA 答案，将原本以月计的标注周期压缩到数天，把原始驾驶片段转化为更丰富的训练数据。