對於無人計程車及其他自駕車（AV）而言，最困難的問題並非日常情境，而是那些難以預測和訓練的罕見複雜狀況。

處理這些長尾事件不僅需要物件偵測和運動預測。自駕車必須理解情境、推斷因果關係、選擇正確的行動，並將該決策轉化為安全舒適的路徑，所有這些都必須即時完成，並以開發人員能夠檢查、驗證和信任的方式進行。

NVIDIA Alpamayo 2 Super 現已開放商業使用，它是 Alpamayo 系列的一部分，該系列是 Hugging Face 上最廣泛採用的自駕推理開放模型。它在單一基礎模型中支援多種與自駕相關的功能。

Alpamayo 2 Super 建基於 NVIDIA Cosmos 3 Super Reasoner，並透過強化學習進行後續訓練，從兩個方面推動自駕生態系統的發展：開放商業授權以及領先的自駕多任務處理能力。

Alpamayo 2 Super 是 NVIDIA 不斷擴大的自駕開放模型、資料集和工具系列之一。它旨在擴大存取權限、增強競爭、賦予開發人員更大的控制權，並支援更安全、更透明的自駕部署。

Alpamayo 2 Super 在 Hugging Face 上以 OpenMDW‑1.1 授權提供，這是 Linux 基金會針對開放 AI 模型發布的寬鬆授權。此授權涵蓋微調、衍生模型和商業再分發，讓自駕車開發商、汽車製造商、卡車製造商和供應商能夠根據自己的資料、駕駛策略和部署方案來調整 Alpamayo。

這種開放性讓自駕研究人員和公司能夠掌控自己的資料和基礎設施，並擁有透過專業模型和累積的知識所創造的價值。對於涉及專有車隊和安全的工作流程而言，這種控制至關重要。

早期的 Alpamayo 版本最初是為研發而推出。現在，OpenMDW 授權已應用於整個 Alpamayo 模型系列，因此開發人員無需額外許可即可商業部署任何模型。這為從適應到部署創造了一條直接的路徑。

開放權重讓這條路徑在經濟上可行。團隊可以在先進推理的基礎上進行開發，而無需從頭重新訓練每個基礎功能，也無需為每個任務支付前瞻模型的高昂費用，從而以合適的成本為合適的工作匹配合適的模型。

Alpamayo 2 Super 在雲端開發工作流程中實現了前瞻規模的推理，開發人員可以在其中生成高品質的推理追蹤、合成訓練資料和用於模型蒸餾的教師輸出。在 Alpamayo 模型系列中，Alpamayo 2 Super 為多模態自駕開發提供了最高的推理和駕駛效能，而 Alpamayo 1.5 和 Alpamayo 1 則為雲端開發和模型蒸餾提供了更具成本效益的選項。

產生的蒸餾模型隨後可以針對生產車輛中的高效即時推理進行優化。Alpamayo 模型系列共同提供了一個從雲端到車輛的工作流程，將前瞻規模的推理與商業自駕車隊的可擴展部署相結合。

對於自駕車專案而言，這意味著在雲端進行前瞻規模的推理，並在車輛中部署高效、專業化的模型，這是一種將安全自主性擴展到商業車隊中更具永續性的方式。

在 LingoQA 這個自駕推理基準測試中，Alpamayo 2 Super 在近 40 個評估模型中排名第一。在 NVIDIA 使用 Lingo‑Judge 指標進行的測試中，它超越了 Qwen2.5‑VL 72B 達 17.0 分，超越 Gemini 2.5 Pro 達 15.1 分，並超越 GPT‑4o 達 23.2 分，展現了以駕駛為中心情境的頂尖推理能力。

Alpamayo 2 Super 在 NVIDIA 評估的所有自駕基準測試中也名列前茅，突顯其在廣泛自駕功能方面的領先效能。

Alpamayo 2 Super 的規模是 100 億參數的 NVIDIA Alpamayo 1.5 和 Alpamayo 1 模型的 3 倍。增加的容量有助於模型更好地從稀疏範例中歸納推理，這對於傳統系統難以處理的罕見多代理互動至關重要。

該模型對全方位攝影機覆蓋範圍進行推理，融合了車輛前方、側面和後方的視圖。這種 360 度情境理解能力，能夠更深入地理解變換車道、匯入、無保護轉彎和複雜路口等常見風險情境。

對於每種駕駛情境，Alpamayo 2 Super 都能產生五種緊密耦合的輸出：

描述車輛規劃路徑的軌跡。

解釋決策背後推理的因果鏈（CoC）追蹤。

捕捉模型意圖的元動作（例如，讓行、變換車道、停車）。

生成用於訓練和驗證資料的 CoC 註釋的推理自動標籤。

具有 2D 視覺基礎的視覺問答回應，將模型的答案連結到攝影機圖像中的特定區域。

這些輸出共同提供了對模型決策過程的深入洞察。開發人員可以將模型觀察到的內容與其選擇的動作聯繫起來，使決策更容易理解、評估和驗證。

CoC 追蹤與 NVIDIA Halos 安全驗證工作流程整合，並支援符合 ISO/PAS 8800 要求的 AI 安全性，為自駕車安全工程提供了更堅實的基礎。

Alpamayo 2 Super 還可以作為自動標籤器部署，用於生成 CoC 標籤，並在專有車隊資料上執行具有 2D 基礎的視覺問答。透過將其推理與攝影機圖像中的特定區域連結，該模型可以將原始駕駛片段轉化為更豐富的訓練資料，將註釋週期從數月縮短到數天。

除了規劃和自動標籤，Alpamayo 2 Super 還支援場景理解、模型評估和知識蒸餾。這些多任務能力使開發人員能夠在更多開發堆疊中使用單一基礎模型，從而簡化工具並加速迭代。

Alpamayo 2 Super 是自駕車開發開放模型、框架和資料集更廣泛系列的一部分。

該系列中的其他工具包括：

提供閉環模擬的 NVIDIA AlpaSim。

實現高吞吐量強化學習的 NVIDIA AlpaGym。

提供訓練和測試資料的 NVIDIA Physical AI Open Datasets。

開放訓練配方和自動標籤管線，以加速模型開發、訓練和驗證。

Alpamayo 在 Hugging Face 上的下載量已突破 50 萬次，鞏固了其作為該平台上最受歡迎的自駕開放推理模型系列的地位。

在 Hugging Face 上下載 NVIDIA Alpamayo 2 Super，探索該模型、評估其推理能力，並開始建構下一代無人計程車和自駕車。