輝達自駕車多任務模型大展頂級推理：看懂 360 度視角大幅提升安全性
記者孟圓琦／臺北報導
只會能仰賴物件偵測與運動預測的自駕車，可要被淘汰了！輝達(NVIDIA)稍早宣布現已推出 Alpamayo 2 Super 商業模型，隸屬 Hugging Face 上最熱門的自動駕駛開放式推理模型系列。
該模型以 NVIDIA Cosmos 3 Super Reasoner 為基礎並經強化學習訓練，能讓自駕車即時理解情境、推理因果並決定安全路徑，一舉破解難以預測的罕見長尾事件。開放商業授權與領先的多任務能力，將大幅賦予開發者控制權，加速推動更安全透明的自駕部署。
採寬鬆授權開放商業部署 貫穿雲端到車端開發鏈
NVIDIA Alpamayo 2 Super 已於 Hugging Face 上提供，並採用 Linux Foundation 的 OpenMDW-1.1 寬鬆授權，允許微調、衍生模型與商業性再次發布，且此授權亦全面適用於整個 Alpamayo 系列，讓開發人員能無須額外許可即用於商業部署。
這種開放權重模式使研究人員與企業能掌控自有資料與基礎設施，免去從頭訓練的成本。在應用效益上，Alpamayo 2 Super 可在雲端提供最高效能的多模態推理與駕駛能力，用於生成合成訓練資料與教師模型輸出；而 Alpamayo 1.5 與 Alpamayo 1 則提供具成本效益的選擇。經蒸餾後的模型可進一步最佳化以部署於量產車輛，實現從雲端開發到車端實時推論的永續商業車隊擴展。
前沿規模推理實力強勁 登上多項自駕基準測試榜首
Alpamayo 2 Super 展現出頂尖的自動駕駛推理能力，在 LingoQA 基準測試的近 40 款模型中名列榜首。根據 NVIDIA 以 Lingo-Judge 指標進行的測試，其表現分別領先 Qwen2.5-VL 72B 達 17.0 分、Gemini 2.5 Pro 15.1 分，以及 GPT-4o 23.2 分，並在 NVIDIA 評估的所有自動駕駛基準測試中均奪得第一。
其模型規模為 100 億參數之 Alpamayo 1.5 與 1 的 3 倍，能憑藉擴增的容量從少量範例中有效泛化推理，解決罕見的多代理互動情境。此外，該模型支援環繞車身的 360 度完整攝影機畫面推理，融合前後與側邊視角，大幅提升對車道變換、匯入車流及複雜路口等風險情境的理解。
「AI履歷健檢」看見自己優勢：https://campaign.1111.com.tw/resume-review/
更多科技工作請上科技專區：https://techplus.1111.com.tw/
用於自駕計程車與自動駕駛的多任務基礎模型
針對每種駕駛情境，Alpamayo 2 Super 可產生五項緊密連動的輸出：
- 描述車輛規劃路徑的軌跡。
- 解釋決策背後推理過程的因果鏈（chain-of-causation，CoC）軌跡。
- 捕捉模型意圖的 Meta-Action，例如讓行、變換車道或停車。
- 推理自動標籤，可為訓練與驗證資料產生因果鏈註解。
- 結合 2D 視覺定位的視覺問答回應，將模型答案連結至攝影機影像中的特定區域。
這些輸出結果可共同提供對模型決策流程的洞察。開發人員能將模型所觀察到的內容與其選定的動作相互對應，使決策更容易理解、審視與驗證。因果鏈軌跡整合 NVIDIA Halos 安全驗證工作流程，並支援符合 ISO/PAS 8800 要求的 AI 安全性，為自駕車安全工程奠定更穩固的基礎。
Alpamayo 2 Super 亦可作為自動標註工具部署，藉此在企業自有車隊資料上產生因果鏈標籤，並執行結合 2D 視覺定位的視覺問答。透過將推理結果連結至攝影機影像中的特定區域，模型可把原始駕駛影片轉化為內容更豐富的訓練資料，將標註週期從數月縮短至數日。
除了規劃與自動標註外，Alpamayo 2 Super 也支援場景理解、模型評析與知識蒸餾。這些多任務能力讓開發者能在整體開發堆疊中的更多環節使用單一基礎模型，簡化工具配置並加快迭代速度。
以推理為核心的自駕車開放生態系
Alpamayo 2 Super 是更廣泛的開放式模型、框架與資料集系列一部分，專為自駕車開發而設計。
該系列的其他工具包括：
- NVIDIA AlpaSim：提供閉環模擬。
- NVIDIA AlpaGym：支援高輸送量強化學習。
- NVIDIA 物理 AI 開放資料集：提供訓練與測試所需資料。
開放式訓練配方與自動標註流程：用以加速模型開發、訓練與驗證。
延伸閱讀：
月之暗面透過阿里雲取得2萬顆輝達GPU 支撐Kimi AI模型訓練
你可能不曉得的輝達顯卡5大隱藏功能：強制開啟DLSS補幀救幀率、AI即時助理
黃仁勳公開力挺開放權重AI模型 輝達仍是最大贏家
