1 背景自动驾驶行业发展多年常规场景城市主干道、高速巡航已经有不错落地效果但长尾极端场景始终是量产和 Robotaxi 规模化的最大瓶颈。传统自动驾驶方案感知→预测→规划→控制模块解耦、大量人工规则遇到训练集没见过的罕见场景容易失效而且决策黑盒难以解释 “车为什么做出这个动作”给安全审计带来巨大挑战。大模型浪潮下物理 AIPhysical AI成为自动驾驶新方向核心思路模型理解环境、做推理、直接输出驾驶动作。NVIDIA Alpamayo 正是为此而生 —— 一套面向自动驾驶、Robotaxi 的开放视觉语言动作 VLA 推理模型家族不是单一模型而是模型 仿真框架 数据集 开发工具的完整栈也是英伟达在自动驾驶端到端大模型赛道的核心产品NVIDIA。2 Alpamayo核心架构2.1 什么是 NVIDIA AlpamayoAlpamayo 是 NVIDIA 推出的Reasoning VLAVision-Language-Action视觉 - 语言 - 动作模型家族基于 Cosmos 世界基础模型构建专门解决真实世界复杂、不可预期的驾驶场景核心亮点因果链推理 Chain-of-Causation。简单一句话区别传统自动驾驶看到物体→按预设规则输出轨迹没有思考过程Alpamayo读取多相机视频 导航信息理解场景一步步推理风险同时输出行驶轨迹 可审计的推理文本可以解释为什么减速、避让、变道NVIDIAAlpamayo 属于开放模型支持商用授权权重开源Apache2.0开发者可以在 HuggingFace、GitHub 获取模型权重二次微调、蒸馏、压缩用于自动驾驶算法研发、仿真测试、自动标注、小模型蒸馏。最新版本Alpamayo 2 Super34B 参数面向 Robotaxi 全场景自动驾驶开发NVIDIA。2.2 模型版本Alpamayo 提供多尺寸版本适配从仿真研发到车载端侧轻量化不同需求Alpamayo 1 Nano /1.5 Nano轻量版本小参数量适合学习、小规模实验Alpamayo 1 / 1.510B 参数初代主力版本支持最多 4 路相机输入验证 VLA 因果推理方案Alpamayo 2 Super34B当前旗舰32B Cosmos3 Super 推理主干 2B 扩散 Action Expert 动作专家支持最多 7 路相机 360° 全景感知长尾场景推理、3D 空间理解、轨迹预测大幅增强面向 Robotaxi 复杂城市场景开发NVIDIA。2.3 核心架构拆解Alpamayo 采用模块化双分支架构Cosmos 推理主干 Diffusion 动作专家输入层多路相机视频流、自车历史运动信息、导航指令、可选文本提示经过视频、运动、语言编码器编码Cosmos Reasoner主干VLM 推理大模型理解多模态驾驶场景输出因果推理链Chain-of-Causation用自然语言描述决策逻辑例如 “前方路边行人突然走向车道距离 8 米有横穿风险需要减速并保持横向避让空间”Action Expert 动作专家扩散模型接收主干模型的场景表征生成满足动力学约束的车辆行驶轨迹、元动作输出自车规划轨迹 完整推理日志 VQA 场景问答结果。核心创新点把驾驶决策的思考过程显式输出。推理日志可以用于安全审计、问题定位、仿真调试解决端到端自动驾驶最大痛点 —— 决策不可解释。整个模型栈和 NVIDIA Cosmos 仿真平台深度绑定可以在仿真环境批量生成海量长尾场景做闭环训练与验证大幅降低实车采集成本。3 总结NVIDIA Alpamayo是英伟达面向物理 AI 时代推出的自动驾驶 VLA 推理大模型家族核心杀手锏是 Chain-of-Causation 因果推理把自动驾驶决策从黑盒变成可追溯、可审计专门攻克长尾场景难题。 Alpamayo 2 Super 34B 版本支持全车 7 相机 360° 感知开放商用许可搭配 Cosmos 仿真、Halos 安全系统提供一套完整端到端自动驾驶研发工具链。它标志自动驾驶正式从 “识别 规则” 时代走向具备场景推理能力的物理 AI 时代。当然大模型只是基础设施自动驾驶最终落地依然离不开海量场景验证、安全体系、工程化打磨。