Nvidia ir laidusi klajā Alpamayo 2 Super — jaunu autonomo transportlīdzekļu atvērto spriešanas modeli, kas, pēc mikroshēmu giganta domām, spēj analizēt sarežģītas braukšanas situācijas, izvērtēt, kas notiek ap transportlīdzekli, un izlemt, kas tam jādara tālāk.
Modelis ir pieejams komerciālai lietošanai saskaņā ar OpenMDW-1.1 licenci, dodot autoražotājiem, autonomas braukšanas uzņēmumiem un izstrādātājiem atļauju to pārbaudīt, precizēt, modificēt un izvietot. Nvidia pozicionē Alpamayo 2 Super kā pamata modeli robotaksei, autonomajām kravas automašīnām, atspolēm, piegādes transportlīdzekļiem, traktoriem un citiem mobilajiem robotiem.
Šī komerciālā licence var izrādīties tikpat nozīmīga kā pats modelis.
Autonomās braukšanas uzņēmumi ir pavadījuši vairākus gadus, veidojot sistēmas, kas spēj atpazīt gājējus, luksoforus, joslas un apkārtējos transportlīdzekļus. Sarežģītāka problēma slēpjas malās: neparasta situācija, kas treniņu datos parādās reti, bet tomēr prasa, lai transportlīdzeklis dažu sekunžu laikā pieņemtu pareizo lēmumu.
Nvidia vēlas, lai Alpamayo 2 Super izdomātu šos brīžus.
Paziņojot par izlaišanu vietnē X, Nvidia izpilddirektors Jensens Huangs šo ideju aprakstīja neparasti vienkārši: modelim vajadzētu “padomāt, pirms tā rīkojas”.
“Šodien mēs laižam klajā Alpamayo 2 Super, mūsu autonomo transportlīdzekļu robežas atvērto spriešanas modeli. Alpamayo ne tikai redz, bet arī saprot un spriež cauri sarežģītajai pasaulei — domā, pirms tā rīkojas.”
Huangs piebilda:
“Tas ir spēcīgs mugurkauls robotaksei, kravas automašīnām, maršruta autobusiem, piegādes furgoniem, traktoriem un mobilo robotu garajai astei — kādreiz miljardiem autonomu mašīnu. Mēs to izlaižam komerciālai lietošanai saskaņā ar OpenMDW-1.1, lai komandas varētu to pārbaudīt, precīzi noregulēt un izvietot — atvērtie modeļi uzlabo autonomo transportlīdzekļu drošību un drošību. Alpamayo komanda!
Šodien mēs laižam klajā Alpamayo 2 Super — mūsu autonomo transportlīdzekļu pārrobežu spriešanas modeli.
Alpamayo ne tikai redz, bet arī saprot un pārdomā sarežģīto pasauli – domā, pirms tā rīkojas.
Tas ir spēcīgs mugurkauls robotaksei, kravas automašīnām, maršruta autobusiem, piegādes furgoniem,… pic.twitter.com/K6jS0XDR4b
— Jensens Huangs (@JensenHuang) 2026. gada 4. augusts
Izlaidums iespiež Nvidia dziļāk vienā no AI grūtākajām fiziskajām lietojumprogrammām. Tērzēšanas robots var ģenerēt sliktu atbildi un mēģināt vēlreiz. Transportlīdzeklim, kas brauc cauri krustojumam, šādas greznības nav.
No ceļa redzēšanas līdz argumentācijai par to
Mūsdienu autonomās braukšanas sistēmas jau labi spēj veikt daudzus ikdienas uztveres uzdevumus. Kameras un citi sensori identificē automašīnas, velosipēdistus, gājējus, luksoforus, ceļa marķējumus un šķēršļus. Prognozēšanas sistēmas novērtē, kur apkārtējie objekti var pārvietoties. Plānošanas programmatūra izvēlas ceļu.
Problēmas kļūst grūtākas, ja šie signāli nesniedz acīmredzamu atbildi.
Gājējs var vilcināties gājēju pārejas tuvumā. Pirms apstāšanās transportlīdzeklis var daļēji iebraukt krustojumā. Divi vadītāji var mēģināt iebraukt vienā joslā. Būvniecība var radīt ceļa konfigurāciju, kas tik tikko atgādina karti vai apmācības piemērus.
Šie garie scenāriji ir bijusi viena no spītīgākajām problēmām, ar ko saskaras autonomās braukšanas izstrādātāji.
Nvidia saka, ka Alpamayo 2 Super risina problēmu, izmantojot argumentāciju. Tā vietā, lai izstrādātu tikai braukšanas trajektoriju, modelis var radīt informāciju, kas izskaidro tā lēmuma cēloņsakarības ķēdi.
Šī atšķirība ir svarīga autonomu transportlīdzekļu izstrādei. Inženieriem ir vajadzīgs vairāk nekā sistēma, kas lielāko daļu laika sniedz pareizo atbildi. Viņiem ir nepieciešami veidi, kā pārbaudīt, kāpēc tā sniedza šādu atbildi, pārbaudīt argumentāciju pret sarežģītiem scenārijiem un noteikt atteices veidus, pirms programmatūra sasniedz koplietošanas ceļus.
Alpamayo 2 Super apstrādā pilnas telpiskās kameras pārklājumu no transportlīdzekļa priekšpuses, sāniem un aizmugures. Nvidia saka, ka 360 grādu skats sniedz modelim plašāku kontekstu tādām situācijām kā joslu maiņa, saplūšana, neaizsargāti pagriezieni un pārpildīti krustojumi.
Alpamayo 2 Super var izskaidrot, ko tas plāno darīt
Braukšanas scenārijam Alpamayo 2 Super var ģenerēt plānotu transportlīdzekļa trajektoriju kopā ar cēloņsakarības ķēdi, kas izskaidro šī lēmuma pamatojumu.
Modelis var identificēt meta-darbību, piemēram, piekāpšanos, apstāšanās vai joslu maiņa. Tas var izveidot pamatojumu etiķetes apmācības un apstiprināšanas datiem un atbildēt uz vizuāliem jautājumiem, kas saistīti ar noteiktām kameras attēlu jomām.
Kopumā šīs iespējas sniedz izstrādātājiem iespēju savienot trīs jautājumus, kas bieži vien ir atdalīti autonomā braukšanas kaudzītē: Ko transportlīdzeklis redzēja? Ko modele no tā secināja? Kādu darbību tā izvēlējās?
Tas varētu kļūt īpaši noderīgi drošības apstiprināšanas laikā.
Piemēram, ja autonomais transportlīdzeklis izvēlas piekāpties krustojumā, inženieri var pārbaudīt ar šo lēmumu saistīto argumentāciju, nevis uzskatīt modeļa izvadi kā necaurredzamu komandu. Nvidia saka, ka tās cēloņsakarību ķēdes pēdas var integrēt ar uzņēmuma Halos drošības validācijas darbplūsmām un atbalstīt AI drošības darbu, kas saskaņots ar ISO/PAS 8800 prasībām.
Šim modelim ir vēl viens pielietojums, kam varētu būt nozīme, pirms kāds transportlīdzeklis sasniedz ceļu.
Alpamayo 2 Super var darboties kā automātisks marķētājs patentētam flotes materiālam. Nvidia saka, ka modelis var analizēt braukšanas klipus, ģenerēt cēloņsakarību ķēdes etiķetes un savienot atbildes ar reģioniem kameras attēlos.
Apmācības datu anotācija AV uzņēmumiem ir dārga un laikietilpīga. Nvidia apgalvo, ka šī pieeja var saspiest anotācijas ciklus, kas kādreiz aizņēma mēnešus dienās.
Nvidia atver Alpamayo komerciālai lietošanai
Licencēšanas izmaiņas atdala Alpamayo 2 Super no Nvidia iepriekšējiem izlaidumiem, kas sākotnēji koncentrējās uz pētniecību un attīstību.
Alpamayo 2 Super tiek izlaists Hugging Face saskaņā ar OpenMDW-1.1, kas ir Linux fonda atļauja atvērta AI modeļu izplatīšanai. Nvidia saka, ka licence ļauj precizēt, atvasinātos modeļus un komerciālu pārdali.
Uzņēmums izmanto licenci visā Alpamayo modeļu saimē, radot ceļu uzņēmumiem, kuri izstrādes laikā eksperimentēja ar tehnoloģiju, lai pārvietotu savu darbu uz komerciālu izvietojumu, neprasot atsevišķu atļauju no Nvidia.
Automobiļu ražotājiem un autonomo transportlīdzekļu uzņēmumiem atvērtie svari varētu mainīt šī procesa ekonomiku.
Uzņēmumi var pielāgot Alpamayo modeļus, izmantojot patentētus flotes datus un braukšanas politikas, nevis paši pārbūvējot visas pamatnes iespējas. Viņi var paturēt šos specializētos modeļus savā infrastruktūrā un saglabāt kontroli pār intelektuālo īpašumu, kas izveidots uz Nvidia pamata modeļiem.
Šī struktūra atbilst ekonomikai, ko Nvidia piedāvā autonomai braukšanas AI: lieli spriešanas modeļi, kas darbojas mākoņa izstrādes laikā, kam seko mazāki specializēti modeļi, kas destilēti izmantošanai reāllaikā transportlīdzekļos.
AI stratēģija no mākoņa uz automašīnu
Alpamayo 2 Super ir lielākais spriešanas modelis ģimenē.
Nvidia saka, ka tās mērogs ir trīs reizes lielāks par 10 miljardu parametru Alpamayo 1.5 un Alpamayo 1 modeļiem. Papildu jauda ir paredzēta, lai uzlabotu argumentāciju retos gadījumos, tostarp retu mijiedarbību starp vairākiem satiksmes dalībniekiem.
Šāda mēroga modeļa palaišana tieši miljonos transportlīdzekļu radītu acīmredzamas skaitļošanas un izmaksu problēmas.
Nvidia atbilde ir modeļa destilācija.
Izstrādātāji var izmantot Alpamayo 2 Super mākoņa vidē, lai izveidotu argumentācijas pēdas, sintētiskos apmācības datus un skolotāju rezultātus. Mazāki modeļi pēc tam var mācīties no šiem rezultātiem un tikt optimizēti mazāka latentuma secinājumiem sērijveida transportlīdzekļos.
Šī pieeja efektīvi atdala izstrādes laikā izmantoto dārgo spriešanas procesu no modeļa, kuram galu galā ir jāpieņem lēmumi automašīnā.
Alpamayo 1 un Alpamayo 1.5 joprojām ir pieejamas kā lētākas izstrādes un destilācijas iespējas, nodrošinot uzņēmumiem vairākus modeļu izmērus atkarībā no to darba slodzes.
Nvidia arhitektūra rada saikni starp AI infrastruktūras biznesu un augošo fizisko AI tirgu. Apmācība, simulācija un liela mēroga spriešana var notikt Nvidia atbalstītos datu centros, un optimizētie modeļi galu galā darbojas uz automobiļu skaitļošanas platformām transportlīdzekļos.
Nvidia saka, ka Alpamayo pārspēj Gemini un GPT-4o braukšanas etalonā
Nvidia izvirza agresīvas prasības savam jaunākajam modelim.
Saskaņā ar Nvidia testēšanu Alpamayo 2 Super ieņem pirmo vietu LingoQA, kas ir etalons, kas koncentrējas uz autonomas braukšanas argumentāciju, starp gandrīz 40 novērtētajiem modeļiem.
Izmantojot Lingo-Judge metriku, Nvidia saka, ka Alpamayo 2 Super pārspēj Qwen2.5-VL 72B par 17 punktiem, Google Gemini 2.5 Pro par 15,1 punktu un OpenAI GPT-4o par 23,2 punktiem.
Šie rezultāti jālasa kontekstā. Tie ir Nvidia ziņotie etalonu rezultāti, un spēcīga veiktspēja autonomas braukšanas etalonā pati par sevi nenorāda, ka modelis ir gatavs droši vadīt transportlīdzekļus uz koplietošanas ceļiem.
Autonomā braukšana reālajā pasaulē ir saistīta ar aparatūras kļūmēm, mainīgiem laikapstākļiem, neparastu uzvedību uz ceļa, sensoru ierobežojumiem un mijiedarbību, ko neviens etalons nevar pilnībā atveidot.
Tomēr salīdzinājums norāda uz Nvidia lielāku argumentu. Universālie multimodālie modeļi var apsvērt attēlus un video, taču modeļiem, kas apmācīti braukšanai, var būt priekšrocības, ja jautājumi attiecas uz transportlīdzekļa uzvedību, ceļa ģeometriju un vairāku satiksmes dalībnieku nodomiem.
Nvidia veido vairāk nekā autonomas braukšanas modeli
Alpamayo 2 Super atrodas lielākā Nvidia tehnoloģiju kolekcijā, kuras mērķis ir autonoma transportlīdzekļa attīstība.
AlpaSim nodrošina slēgta cikla simulāciju autonomu sistēmu testēšanai. AlpaGym atbalsta pastiprinošu mācīšanos mērogā. Nvidia fiziskās mākslīgā intelekta atvērtās datu kopas nodrošina apmācību un novērtēšanas datus ar atvērtām apmācības receptēm un automātiskās marķēšanas rīkiem, kas papildina izstrādes procesu.
Gabali atklāj Nvidia plašāku stratēģiju.
Uzņēmumam nav pašam jābūvē robotaxi, lai tam būtu liela nozīme robotaksi ekonomikā.
Nvidia var piegādāt skaitļošanas aparatūru, pamatu modeļus, simulācijas vidi, apmācības rīkus, drošības sistēmas un transportlīdzekļos iebūvētās skaitļošanas platformas, ko izmanto uzņēmumi, kas būvē autonomas mašīnas.
Tā ir pazīstama Nvidia rokasgrāmata. Tā vietā, lai liktu likmes uz vienu pieteikumu, uzņēmums veido infrastruktūru, ko var izmantot daudzi konkurējoši uzņēmumi.
Alpamayo pieņemšana nodrošina Nvidia agrīnu stabilitāti. Saskaņā ar uzņēmuma datiem, modeļu saime vietnē Hugging Face ir lejupielādēta vairāk nekā 500 000 reizes, un tagad Alpamayo ir platformā visizplatītākā autonomai braukšanai domāto modeļu saime.
Īstais tests sākas ārpus etalona
Autonomie transportlīdzekļi ir pavadījuši gadus, virzoties cauri milzīgu gaidu cikliem, kam seko atgādinājumi par to, cik grūta patiesībā ir braukšana.
AI spriešanas modeļi ievieš citu pieeju problēmai, taču tie neizdzēš drošības, regulējošos un inženiertehniskos šķēršļus, ar kuriem saskaras robotakses un pašbraucošie transportlīdzekļi.
Alpamayo 2 Super izmaiņas ir piekļuve.
Izstrādātāji tagad var izmantot Nvidia lielāko autonomās braukšanas spriešanas modeli, pārbaudīt tā svarus, pielāgot to patentētiem datiem, ģenerēt no tā mācību materiālus un izmantot iegūto tehnoloģiju komerciāli.
Tas rada daudz lielāku eksperimentu, nekā jebkas cits, ko Nvidia varētu vadīt viena pati.
Automobiļu ražotāji, kravu pārvadājumu uzņēmumi, robotaxi izstrādātāji un robotikas jaunizveidotie uzņēmumi tagad var pārbaudīt, vai spriešanas modeļi patiešām palīdz autonomām mašīnām tikt galā ar dīvainajiem, neskaidrajiem brīžiem, ar kuriem tradicionālajām braukšanas sistēmām ir grūti tikt galā.
Ja viņi to darīs, nākamais lielais lēciens autonomajā braukšanā var būt mazāks par to, ka transportlīdzekļus iemācīs redzēt vairāk objektu, bet vairāk – mācot tiem labāk izprast to, ko viņi jau redz.
Nvidia gadījumā tas ir Alpamayo 2 Super pamatā: nākotnes autonomajam transportlīdzeklim nevajadzētu vienkārši atpazīt ceļu ap to. Tai jāspēj izskaidrot, kāpēc tā nolēma pagriezties, apstāties vai gaidīt, pirms tā rīkojas.
