作者 ｜ Janson
编辑 ｜ 志豪
明确可商用，车企可以无痛用上英伟达的VLA模型了？
车东西8月5日消息，日前，英伟达CEO黄仁勋在社交媒体上宣布，正式发布新一代自动驾驶模型Alpamayo 2 Super。
▲黄仁勋官宣Alpamayo 2 Super
这也是黄仁勋注册社交媒体后发布的第三条内容，他提到，新模型的应用范围延伸到了Robotaxi、卡车、班车、配送车辆、拖拉机和移动机器人，并再次强调，人工智能的下一波浪潮将是机器人。
按照他的说法，这款模型不仅要“看见”道路环境，还要理解复杂场景，在行动之前进行推理。
Alpamayo 2 Super拥有约340亿参数，规模达到上一代的三倍左右。
▲Alpamayo 2 Super演示
不过，从英伟达公布的成绩来看，模型变大并没有带来所有指标的同步上涨。
它的开环轨迹预测误差只减少了5毫米，真正明显的提升集中在复杂场景理解和连续闭环驾驶上。
一、不只是看见 还要解释为什么这样开Alpamayo 2 Super是一款视觉语言动作模型，也就是VLA模型。它由一个320亿参数的Cosmos 3 Super Reasoner和一个约20亿参数的扩散式Action Expert（动作专家模块）组成，并经过强化学习后训练。
▲Alpamayo 2 Super架构
前者负责读取车辆周围的多路摄像头视频、文字指令和车辆运动历史，理解当前道路环境；后者则把模型的判断转化为车辆未来的行驶轨迹。
新模型最多可以处理七路摄像头提供的360度环境信息。
面对一段驾驶场景，它不仅可以规划车辆轨迹，还能同时输出一段“因果链”解释，说明自己看到了什么、为什么需要减速或避让，并给出停车、变道、让行等高层驾驶意图。
它还可以进行驾驶场景问答、在图像中标出相关车辆或行人，并自动生成用于模型训练的推理标签。
换句话说，Alpamayo 2 Super不只是一个驾驶策略模型，也可以作为数据标注工具、模型评测器和训练其他模型的“教师模型”。
二、模型量增加 性能提升了多少？英伟达在官方技术博客中给出了Alpamayo 2 Super与上一代Alpamayo 1.5 Nano的同口径测试结果。
▲Alpamayo 2 Super提升测试结果
在开环轨迹预测中，新模型未来6.4秒的平均位移误差由上一代的0.916米降至0.911米，只减少了0.005米，也就是5毫米，改善约0.55%。
更明显的进步出现在场景理解和连续驾驶上。
Alpamayo 2 Super的自动驾驶推理得分由0.414提高至0.433，提升约4.6%；LingoQA驾驶场景理解得分由74.2提高至79.2，提升约6.7%。
最值得关注的是闭环测试。在913个重建驾驶场景中，Alpamayo 2 Super的AlpaSim成绩从上一代的1.37提高至1.50，提升约9.5%。
▲Alpamayo 2 Super跑分成绩
在英伟达组织的测试中，它的LingoQA成绩还高于Qwen3-VL 32B、Qwen2.5-VL 72B、Gemini 2.5 Pro和GPT-4o等通用多模态模型。
总的来看，这次的新模型，模型规模扩大到上一代的三倍，轨迹预测小幅改善，但场景理解和闭环驾驶获得了更明显的提升。
这说明Alpamayo 2 Super新增的模型能力，并没有主要用来把一条候选轨迹拟合得更准，而是更多用于理解复杂交通关系、作出驾驶判断，以及维持连续决策的稳定性。
三、模型开放商用 允许企业修改发布需要指出的是，Alpamayo 2 Super不是直接安装在车里的完整系统，毕竟340亿参数带来了较高的计算和显存需求。
英伟达对它的主要定位，是运行在数据中心里的高能力基础模型：用于分析车队视频、生成驾驶推理和训练标签、评估其他驾驶模型，再将能力蒸馏给更小、更快的车载模型。
因此，Alpamayo 2 Super更像自动驾驶研发中的“教师”和“数据引擎”，而不是一套已经通过L4量产验证的完整自动驾驶系统。
不过，英伟达决定把Alpamayo 2 Super开放商用，这也给了有研发能力的厂商更多的发挥空间。
▲Alpamayo 2 Super开放商用
Alpamayo 2 Super的模型权重以OpenMDW-1.1许可发布，允许开发者和企业进行微调、制作衍生模型和商业再分发。
同时，其推理代码也已经在GitHub开放。英伟达表示，这套许可将应用到整个Alpamayo模型家族。
这意味着车企、Robotaxi公司和自动驾驶供应商可以使用自己的车队数据定制模型，并进一步蒸馏出适合自身车辆运行的小模型，而不必从零训练一个同等规模的自动驾驶基础模型。
当然，开放商用不等于可以直接上路，距离实际上车，还有很长的工程化路径要走。
结语：VLA能力再跨越Alpamayo 2 Super的意义并不局限于跑分实现跨越式增长，而在于自动驾驶的技术重心正在从“感知与轨迹预测”转向“场景理解、推理与连续决策”。
开放权重和商用许可，也让车企和供应商有机会在统一底座上训练自己的系统。
不过，大模型仍只是研发链条的一环。
未来真正决定竞争力的，仍是企业能否把模型能力与专有数据、闭环仿真、安全验证和车载部署结合起来，并最终转化为可量产、可验证的自动驾驶能力。
