predict.info — Premium Domain For Sale Domain only: USD 200,000. Prediction platform technology priced separately. predict.info
NVIDIA发布Alpamayo 2 Super AI模型,用于4级机器人出租车 - Blockchain.News

NVIDIA发布Alpamayo 2 Super AI模型,用于4级机器人出租车

realtime news Jun 01, 2026 05:58

NVIDIA推出Alpamayo 2 Super,这是一款拥有320亿参数的AI模型,旨在更安全、更可扩展地开发4级机器人出租车。这对自动驾驶创新意味着什么?

NVIDIA发布Alpamayo 2 Super AI模型,用于4级机器人出租车

NVIDIA在2026年台北GTC大会上宣布推出其迄今为止最先进的自动驾驶汽车AI模型——Alpamayo 2 Super。该模型拥有320亿参数,旨在通过实现类人推理、规划和全驾驶堆栈操作,加速4级机器人出租车的开发。作为汽车制造商和自动驾驶开发者的关键工具,Alpamayo 2 Super基于NVIDIA今年早些时候在2026 CES大会上发布的现有Alpamayo AI产品组合。

与拥有100亿参数的Alpamayo 1和1.5模型相比,Alpamayo 2 Super显著提升了规模,提供了3倍的推理和轨迹预测能力。增强版模型包含360度场景感知、高级驾驶决策(“Meta-Actions”)以及基于推理的自动标注功能,以简化数据标注。这解决了自动驾驶开发中的核心挑战之一:安全处理罕见且复杂的极端案例。

“Alpamayo标志着汽车开始安全地推理,而不仅仅是驾驶,”NVIDIA首席执行官黄仁勋在主题演讲中说道。通过Alpamayo 2 Super,NVIDIA希望为可扩展的4级自动驾驶提供坚实基础,使开发者能够绕过从零开始构建自动驾驶堆栈的高成本过程。该模型将在今年夏天通过GitHub提供推理代码,并通过Hugging Face提供模型权重。

这对机器人出租车行业的意义

Alpamayo 2 Super的问世正值自动驾驶汽车(AV)行业的关键时刻。NVIDIA一直在积极定位自己为4级自动驾驶的领导者,预计随着Uber、比亚迪和日产等公司采用NVIDIA的DRIVE Hyperion平台,这一市场将显著扩展。今年早些时候,NVIDIA宣布与Uber合作,计划于2027年在洛杉矶和旧金山推出机器人出租车,并计划到2028年扩展至28个城市。

除了硬件,NVIDIA的策略还依赖于能够“推理”混乱、长尾驾驶场景的AI模型——例如无保护的左转或穿越标记不清的交叉路口。Alpamayo 2 Super似乎完全符合这一愿景,提供更先进的推理引擎,以应对复杂的城市环境和当前自动驾驶系统难以处理的极端案例。

加速开发的新工具

为了配合Alpamayo 2 Super,NVIDIA还推出了AlpaGym,这是一种闭环强化学习(RL)平台,可以训练自动驾驶模型从模拟驾驶决策中学习。与传统的使用静态数据集的开放式训练不同,AlpaGym提供连续的决策循环,使模型能够在无风险的模拟环境中接触到复合错误和极端案例失败。

NVIDIA还扩展了其工具套件,推出OmniDreams,这是一种生成式世界模型,可为自动驾驶在罕见的长尾条件下创建照片级真实的场景。除此之外,NVIDIA的Omniverse NuRec还引入了神经重建技术,将真实车队数据转换为照片级真实的三维训练环境。

市场影响

NVIDIA在高级自动驾驶系统上的推进反映了其对AI和自动驾驶技术作为市场驱动力的更大赌注。截至2026年5月30日,NVIDIA的市值为5.15万亿美元,仍是科技领域最具影响力的公司之一。其Alpamayo模型已成为其与比亚迪和吉利等汽车制造商合作的关键组成部分,而Alpamayo 2 Super可能进一步巩固其在自动驾驶领域的主导地位。

对于投资者来说,NVIDIA在自动驾驶技术上的进展可能会随着机器人出租车市场的成熟,转化为长期收入增长。尽管公司股票在5月30日下跌了1.22%,但其针对自动驾驶汽车的激进路线图表明未来潜力强劲,特别是随着部署从2027年开始扩展。

接下来会怎样?

预计Alpamayo 2 Super将在今年夏天向开发者开放,NVIDIA计划将该模型整合到其DRIVE Hyperion平台中。鉴于NVIDIA现有的合作伙伴关系以及其对可扩展、基于推理的自动驾驶系统的专注,Alpamayo 2 Super可能在未来十年内成为自动驾驶行业的基石。值得关注的关键里程碑包括Uber在2027年推出的机器人出租车以及全球汽车制造商对NVIDIA DRIVE Hyperion的进一步采用。

Image source: Shutterstock