图片来源：英伟达
2026 年的 CES，物理 AI 和自动驾驶成为热议焦点。很大程度上，这源于英伟达甩出的一记"王炸"：推出全球首个专为自动驾驶打造的思考与推理模型 Alpamayo，并且对外开源。
Alpamayo 引入了基于推理的 VLA 模型，将类人思维引入自动驾驶汽车的决策过程。这些系统能够逐步思考新颖或罕见的场景，从而提升驾驶能力和可解释性。
黄仁勋在演讲中直言，" Alpamayo 技术栈是端到端训练的，拥有惊人的技能。除非无限期地驾驶，否则没人知道它是否绝对安全。"
基于 100 亿参数架构构建，具备独特的因果链推理能力
传统自动驾驶系统始终困于"感知－规划－控制"的流水线逻辑，面对交通灯失灵、外卖小哥突发横穿、施工区域无标识等长尾场景时，往往因"只会执行、不会思考"而陷入困境。
而 Alpamayo，用黄仁勋的话说，其独特之处在于，它不仅接收传感器输入并驱动方向盘、刹车和加速器，还会推理它即将采取什么行动。它会告诉你，它将采取什么行动，采取该行动的原因，当然还有轨迹。
所有这些都直接耦合，并通过人类训练数据和 Cosmos 生成数据的巨大组合进行专门训练。
Alpamayo 基于 100 亿参数架构构建，其核心突破在于具备独特的因果链推理能力。这种思维链对于 L4 级自动驾驶至关重要。L4 要求机器在无人类干预的情况下处理极端长尾场景，仅仅依靠"看到"和"预测"是不够的，必须具备对物理世界因果关系的逻辑理解能力。
同时，Alpamayo 并非单一模型开源，而是构建了"模型－仿真－数据"的全闭环开放生态。在模型层面，底层代码已上线 Hugging Face，开发者可直接微调并生成轻量化版本，适配不同成本车型。
在仿真层面，配套的 AlpaSim 框架开源于 GitHub，能模拟暴雨、大雾等极端天气，以及山区、市区等复杂路况，甚至可生成"交通灯失灵""货车掉货"等罕见场景，大幅减少实车测试成本。
在数据层面，开放 1700 小时全球驾驶数据集，覆盖不同国家道路规则与气候条件，包含 45.5 万个蛋白质结构、100TB 车辆传感器数据，相当于为中小车企和初创公司提供了"自动驾驶研发全家桶"。
那么，英伟达为何要开源这样一座技术金矿？
其背后的核心考量在于" Teacher-Student "（师生）架构的战略落地。
英伟达将 Alpamayo 定位为" Teacher Model "（教师模型）。开源 Alpamayo，意味着英伟达把这个" Teacher Model "免费送给了车企。车企不需要从零开始训练一个基础大模型，只需要利用自身的私有数据，对 Alpamayo 进行"蒸馏"和微调，训练出一个符合自家车型特性、符合当地法规的" Student Model "（学生模型）。
开源 Alpamayo 带来的好处显而易见。这不仅降低了车企的技术门槛，大幅提升行业整体研发效率，更将英伟达牢牢锁定在了生态链的顶端——所有的学生模型，都流淌着 Alpamayo 这个老师的基因。
虽然车企的私有数据不出域，但基于 Alpamayo 衍生出的各种优化反馈，会通过开源社区、工具链（如 NVIDIA NeMo）反哺英伟达的生态。英伟达可以通过这些反馈优化其底层硬件和基座模型，使其对特定场景的适配越来越强。
值得注意的是，Alpamayo 的最优性能发挥高度依赖英伟达 DRIVE AGX Hyperion 10 平台（搭载 Thor/Rubin 芯片），开发者在使用开源资源时，会优先选择英伟达芯片以保证兼容性与运算效率。对于车企而言，用得越顺手，对英伟达下一代芯片的依赖度就越高。
率先上车奔驰 CLA，一季度在美国上路
Alpamayo 的技术栈是英伟达首次尝试构建的完整技术栈。黄仁勋在演讲中透露，英伟达的首款自动驾驶汽车将于第一季度在美国上路，然后欧洲是第二季度，亚洲或许是第三、第四季度。
黄仁勋口中的首款自动驾驶汽车是梅赛德斯 - 奔驰的最新款 CLA 车型，将成为首款搭载 Alpamayo 技术的量产车。
目前，英伟达已与多个领域的头部厂商达成相关合作。乘用车领域，Lucid Motors 正在推进新一代乘用车的 L4 级能力落地，将在美版车型中采用基于 DRIVE Hyperion 平台的 Alpamayo 全栈软件；捷豹路虎则计划基于 Alpamayo 开发推理型自动驾驶栈，用于自身 L4 级场景落地；Stellantis 也加入生态，开发适配 L4 级自动驾驶的 Robotaxi 专用平台。
国内主流车企，比如比亚迪、吉利、长城、上汽、小米等均加入英伟达的 L4 生态，将适配 Hyperion 10 平台与 Alpamayo 模型，推进高阶自动驾驶研发与量产。
黄仁勋预测："从非自动驾驶汽车到自动驾驶汽车的转折点，很可能就在此时开始。未来十年，全球会有很大一部分汽车进入自动驾驶或高度自动驾驶阶段，而且速度会比我们想象得快很多。"
在 Robotaxi 领域，英伟达与 Uber 达成战略合作，计划 2027 年起规模化部署基于 Alpamayo 的 Robotaxi 车队，目标规模 10 万辆，覆盖美国、欧洲的核心城市。
2026 CES 期间，自动驾驶科技公司文远知行 WeRide 宣布，作为英伟达 NVIDIA 全球 L4 级 Robotaxi 生态合作伙伴，公司旗下 Robotaxi GXR 成为全球首款搭载 NVIDIA DRIVE Thor X 芯片的 Robotaxi，已在中国、阿联酋实现纯无人商业运营。
在 L4 无人配送领域，英伟达则与 Nuro 深化末端配送合作，基于 Hyperion 10 平台与 Alpamayo 模型开发新一代配送车，提升复杂路况适应性。
在商用车领域，英伟达去年 10 月对外宣布，Aurora、沃尔沃自动驾驶解决方案和 Waabi 正基于 NVIDIA DRIVE 平台联合开发 L4 级自动驾驶卡车。其新一代系统将基于 NVIDIA DRIVE AGX Thor 打造，将加速沃尔沃即将推出的 L4 级车队落地，并将端到端的 NVIDIA AI 基础设施从乘用车领域扩展至长途货运场景。
此外，英伟达宣布，选定中国激光雷达制造商禾赛科技，成为其" NVIDIA DRIVE AGX Hyperion 10 平台"的激光雷达合作伙伴。该平台是一套参考计算与传感器架构，旨在帮助各类车型实现 L4 级自动驾驶。
从合作厂商的公开表态来看，行业对 Alpamayo 的认可集中于推理能力突破与"开源生态价值"两大核心，同时对其加速 L4 落地的潜力充满期待。
尽管叫好声一片，但厂商们并非没有顾虑。在 Alpamayo 开源模式下，如果合作车企的汽车"大脑"都基于同一个祖宗，如何在 Alpamayo 之上做出差异化的体验，是一个巨大的挑战。
黄仁勋早已不再将英伟达定义为芯片公司，他构建的是完整的全栈 AI 体系——从芯片、系统、基础设施到模型和应用，其使命是打造完整的技术栈，让开发者能在此基础上，为世界创造令人惊叹的 AI 应用。
而 Alpamayo 的开源绝非单纯的技术分享，是英伟达野心的一次集中体现，它不再满足于做自动驾驶的"算力供应商"，而是要成为 AI 时代的基础设施提供商。
"自动驾驶是通向机器人技术的桥梁。"黄仁勋明确表示，Alpamayo 的推理框架可迁移至机器人、无人机等物理智能设备，"物理 AI 的 ChatGPT 时刻已经到来，这是机器开始理解现实世界的转折点。"
Alpamayo 的开源不是简单的技术升级，而是让高阶自动驾驶从少数巨头的游戏，变成了全行业的协同创新。这也是其构筑"物理 AI 帝国"的关键一子。或许我们离那个不再需要握紧方向盘的未来，真的更近了一步。（作者｜张敏，编辑｜李程程）
启盈优配提示：文章来自网络，不代表本站观点。
