英伟达把 Alpamayo 2 Super 推上了商用许可。8 月 4 日，34B 参数（32B Cosmos 3 Super Reasoner + 2B Action Expert）的推理型 VLA 模型以 OpenMDW-1.1 许可（Linux 基金会宽松许可，覆盖微调、衍生、商用再分发）开源——这意味着 Alpamayo 家族首次从”研究可用”跨到”装到车上也能商用”。整个家族在 Hugging Face 下载量已过 50 万次，是该平台上自动驾驶领域最被下载的开源推理模型。
这件事值得单独说，因为 OpenMDW-1.1 这个动作的影响被低估了。此前 Alpamayo 1 和 1.5 都是 10B 参数研究版，车厂拿了只能蒸馏出小模型再自部署，无法直接用原权重上车——商业闭环差最后一脚。8 月 4 日的商用许可一次性补完了这一脚：主机厂、卡车厂、Tier 1 可以拿 34B 直接微调并部署到自己车辆里，或者蒸馏成车端专用的小模型，不必再为每次使用去谈授权。NVIDIA 在 blog 里把这叫作”避免 frontier-model API 费用，把 frontier 推理放云端、车端放蒸馏模型”。
技术细节决定了它为什么能做长尾。Alpamayo 2 Super 接最多 7 个摄像头、360° 感知，每驾驶场景输出五个耦合结果：规划轨迹、Chain-of-Causation（CoC）推理轨迹、元动作（让行/变道/停车）、带 2D 接地的 VQA、推理自动标注。CoC 痕迹同时接入 NVIDIA Halos 安全验证流程并对齐 ISO/PAS 8800（道路 AI 安全标准）——这意味着每个决策都能从”看见了什么”反查到”为什么这么做”，车企第一次能拿出一份跟人类驾驶员水平相当的”自证安全”证据链。基准上，Alpamayo 2 Super 在 LingoQA 拿下 79.2 分，官方对比里压过 Qwen2.5-VL 72B（+17.0）、Gemini 2.5 Pro（+15.1）、GPT-4o（+23.2）；开环轨迹误差 6.4 秒时域 0.911 米，闭环 AlpaSim 得分 1.50±0.13。需要指出这是 NVIDIA 自报，评测对象含其自家模型，但量级足以说明它在 L4 级别”模型即教师”的定位。
商业上的真正杠杆是自动标注。把 34B 装进 NVIDIA 自己的数据中心 GPU（H100 80GB，7 路摄像头峰值约 72GB 显存）做云端 CoC 标注，NVIDIA 官方说法是”把原本数月的标注周期压到数天”——自动驾驶开发成本里最大一项（人工标注 + 真车采集）从此有了一个明确的工程化对手。这一点对国内主机厂和 Robotaxi 玩家（如文远、小马、AutoX）尤其关键，他们的瓶颈一直是数据而非算法。
判断：OpenMDW-1.1 这次的许可文本里有一句话值得复读——”蒸馏模型可以商用部署，无需 NVIDIA 进一步许可”——这等于把”训练贵、推理便宜”的两层架构写进了协议：车企不必为每一辆车跑大模型，蒸馏路线从此是合规路径而非灰色路径。下一轮竞争重点会从”谁的 VLA 模型分数高”转向”谁的数据工厂 + 蒸馏链更短”。
原文：https://blogs.nvidia.com/blog/alpamayo-2-super-open-model-now-available/ 技术细节：https://developer.nvidia.com/blog/generate-trajectories-reasoning-traces-and-auto-labels-with-nvidia-alpamayo-2-super/