- ● NVIDIA Alpamayo 2 Super 是 NVIDIA 迄今最強大的開放式推理模型。這款開放式且擁有 320 億參數推理視覺語言動作模型，能在完整自動駕駛堆疊中進行推理、規劃並採取行動，推動更安全且可擴展的 Level 4 自動駕駛開發。
- ● NVIDIA AlpaGym 是全新的高輸送量閉環強化學習框架，可在實際道路部署前，透過模擬訓練自動駕駛模型理解其駕駛決策所造成的影響。
- ● NVIDIA OmniDreams 是全新生成式世界模型，可用於生成逼真的閉環自動駕駛情境，讓開發者能大規模模擬罕見與長尾駕駛情境。
- ● NVIDIA 針對自動駕駛開發推出的物理 AI 代理技能包括由 NVIDIA Omniverse NuRec 驅動的神經重建，讓開發者能將真實車隊資料重建為逼真的 3D 場景，並依不同車輛感測器配置進行調整。
NVIDIA 今日推出 NVIDIA Alpamayo 2 Super，這是一款擁有 320 億參數、以推理為基礎的視覺語言動作（VLA）模型，進一步擴展 NVIDIA Alpamayo 系列開放式人工智慧（AI）模型、模擬框架與物理 AI 資料集，協助推動安全的 Level 4 自駕計程車開發。
除這款模型外，NVIDIA 同時宣布推出全新工具、模型與代理技能，完整串聯從真實世界資料擷取、閉環訓練到車載部署的開發流程，其中包括 NVIDIA AlpaGym、NVIDIA OmniDreams，以及全新的 NVIDIA Omniverse NuRec 模型。
Alpamayo 2 Super 可協助加速自駕車（AV）開發，免除從零開始建置關鍵自動駕駛基礎設施的需求。這款模型能實現類人的感知、推理與行動能力，並提供安全驗證與法規協作所需的可解釋性。
為更有效地訓練適合部署於實際道路的模型，AlpaGym 框架提供閉環強化學習（RL）平台。NVIDIA OmniDreams 生成式世界模型則可用於生成逼真的閉環自動駕駛情境，讓開發者能大規模模擬罕見且多樣的長尾駕駛情境。
為進一步提升開發者生產力，NVIDIA 正為旗下所有自動駕駛開發工具提供物理 AI 代理技能。例如，由 NVIDIA Omniverse NuRec 驅動的神經重建（Neural Reconstruction）技能，可運用真實世界車隊駕駛情境進行模擬，並大規模生成合成訓練資料。
NVIDIA 創辦人暨執行長黃仁勳表示：「Alpamayo 標誌著汽車開始具備安全推理的能力，而不只是行駛。唯有 NVIDIA 能提供開放式模型、模擬、真實世界資料與代理技能，讓全球自駕計程車生態系都能開發 Level 4 能力，理解邊緣案例、說明決策、建立信任，並安全擴展至數百萬輛車。」
Alpamayo 2 Super現已推出，支援以推理為基礎的自駕車
隨著 Alpamayo 2 Super 推出，NVIDIA Alpamayo 系列現已從 100 億參數擴展至 320 億參數，不再侷限於軌跡生成，而是能在完整駕駛堆疊中進行推理、規劃並採取行動。Alpamayo 2 Super 具備涵蓋推理、自動標註、場景理解、模型評析，以及將知識蒸餾至較小模型等多任務能力，為可擴展的 Level 4 自駕車開發與部署提供基礎構件。
Alpamayo 2 Super 的主要功能包含：
- ● 3 倍參數規模：Alpamayo 2 Super 建構於 NVIDIA Cosmos™ 世界基礎模型之上，相較前代 100 億參數模型，規模擴展至 320 億參數，可提升長尾情境中的推理、3D 空間理解與軌跡預測能力。
- ● 全環繞感知：從以車前鏡頭為主，擴展至涵蓋前方、側邊與後方視角的 360 度情境感知，讓模型掌握完整脈絡，協助更安全地變換車道、匯入車流與通過路口。
- ● Meta-Actions：新增 Meta-Action 輸出，包括禮讓、變換車道與停車等宏觀動作，讓模型除了預測軌跡與因果鏈（CoC）追蹤外，也能預測供下游規劃使用的高階駕駛決策。
- ● 推理自動標註與 2D 定位：導入具備 2D 定位的推理自動標註功能，讓 320 億參數基礎模型能提供高品質推理標籤，將標註週期從數月縮短至數天，並重塑自動駕駛資料傳輸管道的成本效益。
- ● 提升因果鏈與軌跡品質：提升因果鏈追蹤與軌跡品質，尤其適用於傳統模仿學習型自動駕駛堆疊難以應對的罕見、複雜且長尾情境。
這些進展使 Alpamayo 2 Super 成為 NVIDIA 迄今最強大的開放式駕駛基礎模型。Alpamayo 2 Super 被設計為教師模型，可將其能力蒸餾至精簡模型，並在 NVIDIA DRIVE Hyperion™ 平台的加速運算環境中執行，也就是車內搭載的 NVIDIA DRIVE AGX Thor™。
隨著教師模型的參數規模從 NVIDIA Alpamayo 1 Nano 與 NVIDIA Alpamayo 1.5 Nano 等 100 億參數模型，擴展至 Alpamayo 2 Super 的 320 億參數，一個基於 Alpamayo 建置的下游自動駕駛堆疊，都能透過此單一開放版本取得更高品質的推理與感知能力，無需由各家製造商從零開始建置。
Alpamayo 近期獲 COMPUTEX Best Choice Award 肯定，拿下智慧車與智慧座艙類別獎。
自推出以來，Alpamayo 下載次數已接近 40 萬次。Alpamayo 開放平台亦包含後訓練腳本，讓研究人員與開發者能依據自身資料集、情境與駕駛策略調整模型。
Alpamayo 2 Super 預計將於今年夏季在 GitHub 提供推論程式碼，並在 Hugging Face 提供模型權重。
AlpaGym實現閉環訓練與部署循環
NVIDIA 同時推出 NVIDIA AlpaGym，這是一款開源、高輸送量的閉環強化學習框架。
相較開環訓練僅透過預先記錄的資料評估模型，並產生一次性的動作輸出，AlpaGym 會讓模型在 NVIDIA AlpaSim 中持續經歷決策與觀察循環，每一次煞車、轉向與導航決策都會改變模擬環境中的後續狀態。
因此，AlpaGym 能揭露靜態資料集無法捕捉的累積誤差與邊緣案例失效情況，讓模型能從經驗中學習。
AlpaGym 建構於 AlpaSim 微服務模擬堆疊與 NVIDIA Omniverse NuRec 之上，支援高效率且可擴展的閉環強化學習，進一步推動駕駛效能邁向新境界。結合物理 AI 自駕車資料集，Alpamayo 提供一條從開環預訓練到閉環精進的連續路徑。
NVIDIA 也將在 GitHub 上以開源形式發布因果鏈自動標註管道。這套流程可直接從原始駕駛片段自動生成以決策為基礎、具因果關聯的因果鏈標籤，無需人工標註，並提供大規模訓練具身推理模型所需的因果訓練資料基礎。
NVIDIA推出全新自動駕駛物理AI代理技能
為支援以推理為基礎的自駕車開發，NVIDIA 透過 NVIDIA Agent Toolkit 推出全新物理 AI 代理技能，引導開發者及其程式化代理完成模擬、資料生成與閉環訓練工作流程，以大規模建置並驗證自動駕駛系統。
這些技能包括由 NVIDIA Omniverse NuRec 函式庫驅動的神經重建技能、用於照片級擬真情境生成的 NVIDIA OmniDreams 技能，以及用於閉環強化學習的 AlpaGym 技能。
觀看黃仁勳的主題演講，並在 NVIDIA GTC Taipei 上了解更多資訊。
