开放的商业许可、行业前沿的推理能力以及可检验的决策过程，正推动包括无人驾驶出租车在内的智能汽车加速迈向量产和大规模部署。

对无人驾驶出租车和其他智能汽车而言，最棘手的并非日常场景。

而是那些罕见、复杂、难以预判和训练的情况。

处理这些长尾事件，仅靠目标检测和运动预测远远不够。

智能汽车还必须理解当前场景，推理因果关系，选择正确的行动，并将决策转化为安全、舒适的行驶路径。

同时，这一过程还要以开发者可以检查、验证和信任的方式实时完成。

NVIDIA Alpamayo 2 Super 现已可用于商业用途，是 Alpamayo 系列的一员。

该系列是 Hugging Face 上被广泛采用的面向辅助驾驶的开放推理模型，其单一基础模型可支持多种辅助驾驶相关功能。

该模型基于 NVIDIA Cosmos 3 Super Reasoner 构建，并通过强化学习进行后训练。

它在开放商业许可和领先的辅助驾驶多任务处理能力两个方面，推动了智能汽车生态系统的发展。

Alpamayo 2 Super 是 NVIDIA 不断壮大的开放模型、数据集和辅助驾驶工具的一部分。

其目标是提升获取和使用的便捷性，促进生态发展，赋予开发者更大的控制权，并支持更安全、更透明的辅助驾驶汽车部署。

面向量产智能汽车的开放许可

Alpamayo 2 Super 已在 Hugging Face 正式发布，采用的是 Linux 基金会面向开放 AI 模型分发推出的 OpenMDW 1.1 宽松许可协议。

这个许可范围比较明确：既覆盖微调，也覆盖衍生模型和商用再分发。

换句话说，辅助驾驶开发者、汽车制造商、卡车制造商以及供应商，都可以结合自身数据、驾驶策略和部署策略，对 Alpamayo 进行适配并投入使用。

这种开放性使辅助驾驶研究人员和企业能够掌握自己的数据和基础设施。

同时，他们也能拥有通过专业模型和积累的专业知识所创造的价值。

对于涉及专有车队和安全要求的工作流来说，这种管理能力至关重要。

早期的 Alpamayo 版本最初是面向研发用途。

如今，OpenMDW 许可已覆盖整个 Alpamayo 模型系列。

开发者无需额外申请权限，即可将任一模型用于商业部署，打通了从适配到部署的直接路径。

开放权重使这一路径在成本上具备可行性。

团队无需从零开始重新训练每种基础能力，也无需为每项任务支付前沿模型的成本。

这样就可以基于先进的推理能力进行构建，并以合适的成本将合适的模型匹配到合适的任务。

云端到车端的部署路径

在云端开发工作流里，Alpamayo 2 Super 扮演的是“高阶推理引擎”的角色。

• 一方面能帮助开发者产出更高质量的推理路径。
• 另一方面也适合用来合成训练数据，以及生成模型蒸馏所需的教师模型输出。

放在整个 Alpamayo 模型系列中看，Alpamayo 2 Super 更偏向于为多模态辅助驾驶开发提供更强的推理能力和驾驶性能。

而 Alpamayo 1.5 与 Alpamayo 1，则更适合作为云端开发和模型蒸馏场景下兼顾成本与效率的选择。

经过蒸馏后的模型可以进一步优化，用于量产车辆中的高效、实时推理。

Alpamayo 模型系列共同构建了一条从“云端到车端”的工作流，将前沿的推理能力与在商用智能汽车车队中的可扩展部署结合起来。

对于智能汽车项目而言，这意味着在云端进行的前沿推理能力，以及在车端部署的高效、专用模型，能够以一种更可持续的方式，将安全的自动化能力扩展到商用车队中。

前沿的领先基准测试推理表现

在近 40 个参评模型中，Alpamayo 2 Super 在辅助驾驶推理基准测试 LingoQA 中排名第一。

在 NVIDIA 使用 LingoJudge 指标进行的测试中，其得分比 Qwen2.5VL 72B 高 17.0 分，比 Gemini 2.5 Pro 高 15.1 分，比 GPT4o 高 23.2 分，充分展现了其在驾驶场景中业界领先的推理能力。

在 NVIDIA 评估的所有辅助驾驶基准测试中，Alpamayo 2 Super 均排名第一，这凸显了其在各种辅助驾驶能力中的领先表现。

Alpamayo 2 Super 的规模是 100 亿参数的 NVIDIA Alpamayo 1.5 和 Alpamayo 1 模型的 3 倍。

新增的模型容量有助于模型从稀疏示例中更好地泛化推理。

这对于传统系统通常难以进行的、罕见的多智能体交互而言至关重要。

该模型基于环绕车身的多摄像头感知进行推理，融合了车辆前后及两侧的视角。

这种 360 度全方位有助于更深入地了解变道、并线、无保护转弯和复杂路口等常见风险场景。

面向无人出租车和辅助驾驶的多任务基础模型

对于每种驾驶场景，Alpamayo 2 Super 可以生成五类紧密耦合的输出：

• 描述车辆规划路径的轨迹。
• 解释决策背后推理逻辑的因果链追踪。
• 捕捉模型意图的元动作 (例如：让行、变道、停车)。
• 为训练和验证数据生成因果链标注的推理自动标注。
• 具有 2D 视觉定位的视觉问答响应，将模型的答案与摄像头图像中的特定区域关联起来。

通过这些输出，可以深入了解模型的决策过程。

开发者可以将模型观察到的情况与其选择的动作对应起来，从而使每一步决策更易于理解、评判和验证。

因果链追踪与 NVIDIA Halos 安全验证工作流相集成，并支持符合 ISO/ PAS 8800 要求的 AI 安全标准，为智能汽车安全工程提供更坚实的基础。

Alpamayo 2 Super 还可以作为自动标注器部署，为专有车队数据生成因果链标签，并执行带有 2D 视觉定位的视觉问答。

通过将其推理过程与摄像头图像中的特定区域关联起来，模型可以将原始驾驶片段转换为更丰富的训练数据，将标注周期从几个月压缩到几天。

除了规划和自动标注之外，Alpamayo 2 Super 还支持场景理解、模型评判和知识蒸馏。

这些多任务能力使开发者能够在多个开发堆栈中使用同一个基础模型，从而简化工具链，加快迭代速度。

面向基于推理的辅助驾驶开放生态

Alpamayo 2 Super 是更广泛的用于辅助驾驶开发的开放模型、框架和数据集系列的一部分。

该系列的其他工具包括：

• NVIDIA AlpaSim，用于闭环仿真。
• NVIDIA AlpaGym，可实现高吞吐量强化学习。
• NVIDIA 物理 AI 开放数据集，为训练和测试提供数据。
• 开放式训练方案和自动标注流水线，用于加速模型开发、训练和验证。

Alpamayo 在 Hugging Face 的下载量已超过 50 万次，巩固了其作为该平台辅助驾驶领域广泛采用的开放推理模型系列的地位。

在 Hugging Face 下载 NVIDIA Alpamayo 2 Super，探索该模型，评估其推理能力，并开始构建下一代无人出租车和智能汽车。