英伟达正式对外推出 Alpamayo 2 Edge，一款专为自动驾驶打造的轻量级视觉语言动作模型，它最大亮点就是不需要依赖云端算力，直接跑在车载计算平台上，车辆在路上行驶的时候，依靠环视摄像头、导航信息实时看懂路面场景，做因果推理并且输出行驶轨迹；过去不少大尺寸自驾推理模型只能放在机房做标注、仿真训练，很难塞进车里，要么延迟太高，要么算力消耗超标，而 Alpamayo 2 Edge 控制在 20 亿参数，专门针对 DRIVE AGX Thor 芯片优化，采用自适应推理机制，路况平稳的时候减少计算开销，遇到突发、少见的长尾路况再启动完整推理，像素到轨迹的延迟控制在 160–190ms，运行频率达到 10Hz，搭配 AlpaGym 闭环强化学习之后，闭环驾驶性能相比基线版本提升接近五成，整套模型属于 Alpamayo 开放平台的一部分，后续会在 Hugging Face、GitHub 放出权重，方便车企、自动驾驶团队拿来二次微调，把具备解释能力的推理型自动驾驶落到实车上面。
一、Alpamayo 2 Edge 核心规格
| 项目 | 参数说明 |
|---|---|
| 模型规模 | 2B（20 亿参数）VLA 视觉语言动作模型 |
| 底层基座 | Cosmos 3 Edge、Nemotron 推理主干 |
| 目标硬件 | NVIDIA DRIVE AGX Thor |
| 运行帧率 | 10Hz |
| 推理延迟 | 像素输入到输出轨迹 160–190ms |
| 核心能力 | 因果链推理 CoC、自适应算力调度、扩散动作专家输出轨迹 |
| 训练增强 | AlpaGym 闭环强化学习，闭环驾驶性能提升 48.9% |
| 发布形式 | 开放权重，附带商用许可，提供 TensorRT 优化方案 |
二、Alpamayo 家族另外一款主力：Alpamayo 2 Super
Alpamayo 不是单模型，是一套完整的自驾推理模型栈。
- Alpamayo 2 Super：340 亿参数，偏向离线，用来做路线规划、自动打标、场景评估，适合在服务器端批量处理数据，生成大量带推理过程的标注素材。
- Alpamayo 2 Edge：20 亿参数，端侧版本，就是这次重点推出、支持行车实时推理的型号，适合部署在车上。
两者可以搭配使用：先用 Alpamayo 2 Super 在后台批量生成高质量训练数据，再用来微调 Alpamayo 2 Edge，持续优化车上实时决策能力。配套还有 AlpaJudge 评估模型，用来打分、筛选低质量推理样本，减少人工标注工作量。
三、边开车边推理，到底是怎么运行
- 采集路面信息：车辆环视多摄像头持续采集画面，同时接入导航路线、车辆自身状态信号。
- 自适应触发推理：正常畅通路况，模型简化推理，节省算力；遇到鬼探头、路口混行、非机动车突然变道这类少见场景，开启完整因果链推理。
- 输出可解释决策：不只给出转向、加减速轨迹，同时输出推理链条，记录为什么做出这个驾驶选择，方便后期安全审计。
- 闭环执行：轨迹下发给车辆规划控制模块，车辆执行动作；新画面再次送入模型，持续迭代更新方案。
- 回传迭代：特殊案例可以回传到仿真平台 AlpaSim，做闭环测试和后续微调。
四、对比传统自动驾驶感知模型
传统自动驾驶方案大多拆分独立模块，感知、预测、规划分开跑，遇到训练里没见过的罕见场景很容易失效，决策很难说清理由。
Alpamayo 2 Edge 把感知、理解、推理、轨迹生成整合在同一个 VLA 模型里面，模仿人类司机的因果思考方式；同时它做了轻量化裁剪，专门适配车载算力的硬性延迟限制，不是把超大模型强行移植上车。它的推理记录可追溯，对于自动驾驶安全认证、监管审计来说，是一个很关键的加分项。
五、优势与现存短板
优势方面，它打通了 “物理 AI 从仿真走向实车端侧推理”，开放权重降低研发门槛，中小自动驾驶团队也能拿到现成的推理主干；自适应推理设计兼顾性能和功耗；整套方案和 Hyperion、Halos 安全体系打通，可以配套完整安全防护。
短板同样明显，目前它还是开发者版本，距离直接量产装车还有大量实车验证；虽然延迟可控，但对车载芯片要求高，必须搭载 Thor；在极端恶劣天气、高密度异形交通场景，推理稳定性还需要大规模路测打磨；另外它只是模型，不是整套可以直接交付的自动驾驶软件，车企还需要做大量适配、安全加固。
六、行业带来的变化
在这之前，具备链式推理的自驾大模型大多停留在实验室。Alpamayo 2 Edge 证明，带因果推理能力的 VLA 模型可以稳定在车上实时跑，未来自动驾驶不再只是 “识别物体然后避让”，而是能够理解场景背后的逻辑；这套开放模型栈会加速全球 Robotaxi、高阶智驾方案的研发，推动可解释自动驾驶成为赛道新方向。
【相关 FAQ】
问题 1：英伟达 Alpamayo 2 Edge 车载 AI 模型，能不能实现边开车边推理？
回答 1：英伟达 Alpamayo 2 Edge 车载 AI 模型专门面向车端实时推理，可以在车辆行驶途中读取摄像头画面、导航信息，实时完成场景理解、因果推理并且输出行驶轨迹。
问题 2：英伟达 Alpamayo 2 Edge 和 Alpamayo 2 Super 有什么区别？
回答 2：Alpamayo 2 Edge 是 20 亿参数轻量化版本，适合在车上边开车边实时推理；Alpamayo 2 Super 为 340 亿参数，多用于服务器离线自动标注、场景评估、规划训练。
问题 3：想要部署英伟达 Alpamayo 2 Edge，需要搭载什么车载计算硬件？
回答 3：英伟达 Alpamayo 2 Edge 针对 DRIVE AGX Thor 平台优化，依托这颗车载芯片才能稳定跑通边开车边推理，并且把延迟控制在安全区间。
问题 4：普通车企可以拿到英伟达 Alpamayo 2 Edge 的模型权重吗？
回答 4：可以，英伟达计划在本月晚些时候在 GitHub、Hugging Face 放出 Alpamayo 2 Edge 权重，附带商用许可，开发者可以基于这套车载 AI 模型二次开发、微调。
【参考资料】
[2026-11-10]（Running AV Reasoning Models Within Onboard Compute and Latency Limits）NVIDIA Developer Blog
[2026-10-22]（NVIDIA 开放模型推动欧洲各行业自主智能发展）英伟达中国官网博客
[2026-10-21]（欧洲出行领先企业基于 NVIDIA Hyperion 构建安全的汽车和无人出租车车队）英伟达新闻稿
[2026-10-20]（英伟达 Alpamayo 2 Edge：可在车上实时推理的车载 VLA 模型）机器之心
[2026-10-18]（英伟达推出 Alpamayo 推理模型栈，面向 L4 自动驾驶）36 氪
【免责声明】
本文全部参数、性能、开放计划来自英伟达官方技术博客、新闻稿以及行业媒体报道；Alpamayo 2 Edge 当前属于开发者预览模型，尚未进入量产装车阶段；文中延迟、性能提升数据来自仿真与实验室环境，真实道路表现会受天气、路况、车辆硬件、软件适配影响；本文仅作为产业资讯科普，不构成车型研发、芯片采购、自动驾驶项目投资建议；最终开放时间、商用条款、量产落地进展，以英伟达官方后续公告为准。
本文来自作者[极粒同步]投稿，不代表乌兰科技网立场，如若转载，请注明出处：https://www.wlcbnews.com/shouji/202611/1446.html
评论列表（4条）
我是乌兰科技网的签约作者“极粒同步”！
希望本篇文章《英伟达推出 Alpamayo 2 Edge 车载 AI 模型，可在车辆行驶途中完成实时端侧推理》能对你有所帮助！
本站[乌兰科技网]内容主要涵盖：互联网行业的追踪与探索
本文概览：英伟达正式对外推出 Alpamayo 2 Edge，一款专为自动驾驶打造的轻量级视觉语言动作模型，它最大亮点就是不需要依赖云端算力，直接跑在车载计算平台上，车辆在路上行驶的时候，依靠环视摄像头、导航信息实时看懂路面场景，做因果推理并且输出行驶轨迹；过去不少大尺寸自驾推理模型只能放在机房做标注、仿真训练，很难塞进车里，要么延迟太高，要么算力消耗超标，而 Alpamayo 2 Edge 控制在 20 亿参数，专门针对 DRIVE AGX Thor 芯片优化，采用自适应推理机制，路况平稳的时候减少计算开销，遇到突发、少见的长尾路况再启动完整推理，像素到轨迹的延迟控制在 160–190ms，运行频率达到 10Hz，搭配 AlpaGym 闭环强化学习之后，闭环驾驶性能相比基线版本提升接近五成，整套模型属于 Alpamayo 开放平台的一部分，后续会在 Hugging Face、GitHub 放出权重，方便车企、自动驾驶团队拿来二次微调，把具备解释能力的推理型自动驾驶落到实车上面。