NVIDIA 率先发布为应对辅助驾驶长尾场景挑战而设计的开源视觉-语言-动作推理模型（Reasoning VLA）；NVIDIA Alpamayo 系列还包含赋能辅助驾驶汽车开发的仿真工具和数据集。 Alpamayo 1、AlpaSim 和物理 AI 开放数据集可为开发具备感知、推理与类人决策能力的车辆提供支持，使开发者能够进行模型调优、蒸馏和测试，从而提升安全性、鲁棒性与可扩展性。
太平洋时间 2026 年 1 月 5 日——NVIDIA 发布 NVIDIA Alpamayo 系列开源 AI 模型、仿真工具及数据集，旨在推动安全可靠的推理型辅助驾驶汽车开发。
智能汽车必须在复杂多变的驾驶条件下安全运行。被称为“长尾”的罕见、复杂场景始终是辅助驾驶系统需要攻克的最大难题之一。传统辅助驾驶架构将感知与规划分离开来，这在面临突发或异常状况时，往往会限制其系统扩展性。尽管端到端学习的最新进展已取得显著突破，但要解决这些长尾极端事件，仍需具备安全推理因果关系能力的模型，特别是在遇到的场景超出模型训练经验的情况下。
Alpamayo 系列引入基于思维链的 VLA 推理模型，为辅助驾驶决策注入类人的思维能力。这些系统能够逐步推演罕见或全新场景，提升驾驶能力和可解释性，这对构建智能汽车的安全信任体系至关重要，其核心技术由 NVIDIA Halos 安全系统提供支撑。
NVIDIA 创始人兼首席执行官黄仁勋表示：“物理 AI 的 ChatGPT 时刻已然到来，机器开始具备理解真实世界、推理并付诸行动的能力。无人驾驶出租车将是最早受益的应用之一。Alpamayo 为智能汽车注入推理能力，使其得以应对罕见场景、在复杂环境中安全行驶，并解释其驾驶决策，这为安全、可规模化的自动驾驶奠定了基础。”
完整、开放的推理型自动驾驶生态
Alpamayo 将开源模型、仿真框架与数据集三大支柱整合为统一开放的生态系统，任何汽车开发者或研究团队均可在此基础上进行研发。
Alpamayo 并不是直接部署于车端的模型，而是作为大规模教师模型，供开发者调优、蒸馏，成为其完整辅助驾驶技术栈的核心基础。
· l Alpamayo 1：业界首款面向辅助驾驶研究社区设计的思维链 VLA 推理模型，现已在 Hugging Face 上发布。基于 100 亿参数架构，该模型通过视频输入生成行驶轨迹，同时给出推理思路，能够清晰展示每项决策背后的逻辑。开发者既可将 Alpamayo 1 调整为更精简的运行时模型部署于车端，也可将其作为辅助驾驶的基础架构，构建诸如基于推理的评估器和自动标注系统等开发工具。Alpamayo 1 提供开放模型权重和开源推理脚本。该系列的后续模型将具备更大的参数规模、更精细的推理能力、更灵活的输入输出方式以及更丰富的商用选项。
·AlpaSim：一款面向高保真辅助驾驶开发、完全开源的端到端仿真框架，现已在 GitHub 上公开发布。该框架提供逼真的传感器建模、可配置交通动态，以及可扩展的闭环测试环境，支持快速验证与策略优化。
·物理 AI 开放数据集：NVIDIA 提供多元化的大规模辅助驾驶开放数据集。该数据集包含超过 1700 小时的驾驶数据，覆盖广泛的地理区域和环境条件，涵盖推动推理架构发展所必需的罕见且复杂的真实世界极端场景。这些数据集已在 Hugging Face 上开放使用。
这些工具共同构建了一个自我强化的开发闭环，用于推理型辅助驾驶堆栈的开发。
Alpamayo 获得智能汽车行业的广泛支持
Lucid、捷豹路虎、Uber 和伯克利 DeepDrive 等移动出行领域的领先企业和业界专家展现了对 Alpamayo 的极高关注，希望开发基于推理的自动驾驶堆栈，以实现 L4 级自动驾驶。
Lucid Motors 高级驾驶辅助系统与自动驾驶业务副总裁 Kai Stepper 表示：“向物理 AI 的转变凸显出业界对 AI 系统日益增长的需求，这些系统不仅要有数据处理能力，还需要具备对真实世界行为的推理能力。先进的仿真环境、丰富的数据集和推理模型是推动这场变革的核心要素。”
捷豹路虎产品工程执行总监 Thomas Müller 表示：“开放透明的 AI 开发对于负责任地推进自动驾驶出行具有重要意义。通过 Alpamayo 等开源模型，NVIDIA 正推动整个自动驾驶生态的创新，为开发者和研究人员提供安全应对真实世界复杂场景的新工具。”
Uber 全球自动驾驶交付负责人 Sarfraz Maredia 表示：“处理长尾和不可预测的驾驶场景是自动驾驶技术面临的核心挑战之一。Alpamayo 为行业创造了突破性机遇，将加速物理 AI 发展、提升系统透明度，并扩大 L4 级自动驾驶的安全部署。”
标普全球高级首席分析师 Owen Chen 表示：“Alpamayo 1 使车辆能够解读复杂环境、预判未知情境，并做出安全决策，即使在面对未曾遇到的场景时也能做出安全决策。该模型的开源特性将加速全行业创新，助力合作伙伴根据自身独特需求进行调整并优化。”
伯克利 DeepDrive 联合总监 Wei Zhan 表示：“Alpamayo 系列的发布为研究社区带来重大突破。NVIDIA 的开源决策具有变革意义，其开放权限与强大功能将支持我们以前所未有的规模进行训练，并为推动自动驾驶技术的普及提供了更大的灵活性和资源保障。”
除 Alpamayo 外，开发者还可利用 NVIDIA 丰富的工具和模型库，包括 NVIDIA Cosmos™ 和 NVIDIA Omniverse™ 平台。开发者能够基于专有车队数据对模型版本进行调优，将其集成至 NVIDIA DRIVE AGX Thor™ 加速计算构建的 NVIDIA DRIVE Hyperion™ 架构中，并在商业部署前通过仿真验证其性能表现。
如果你想更深入地学习大模型，以下是一些非常有价值的学习资源，这些资源将帮助你从不同角度学习大模型，提升你的实践能力。
一、全套AGI大模型学习路线
AI大模型时代的学习之旅：从基础到前沿，掌握人工智能的核心技能！
因篇幅有限，仅展示部分资料，需要点击文章最下方名片即可前往获取
二、640套AI大模型报告合集
这套包含640份报告的合集，涵盖了AI大模型的理论研究、技术实现、行业应用等多个方面。无论您是科研人员、工程师，还是对AI大模型感兴趣的爱好者，这套报告合集都将为您提供宝贵的信息和启示
因篇幅有限，仅展示部分资料，需要点击文章最下方名片即可前往获取
三、AI大模型经典PDF籍
随着人工智能技术的飞速发展，AI大模型已经成为了当今科技领域的一大热点。这些大型预训练模型，如GPT-3、BERT、XLNet等，以其强大的语言理解和生成能力，正在改变我们对人工智能的认识。 那以下这些PDF籍就是非常不错的学习资源。
因篇幅有限，仅展示部分资料，需要点击文章最下方名片即可前往获取
四、AI大模型商业化落地方案
作为普通人，入局大模型时代需要持续学习和实践，不断提高自己的技能和认知水平，同时也需要有责任感和伦理意识，为人工智能的健康发展贡献力量。
