NVIDIA 開放 Alpamayo 2 Super 自駕推理模型：改用 OpenMDW-1.1 授權，允許微調與商用再散布

一句話看懂：NVIDIA 在 8 月 4 日釋出自駕推理模型 Alpamayo 2 Super，權重放在 Hugging Face，授權改成允許微調、衍生與商業再散布的 OpenMDW-1.1，車廠與供應商可以拿去調成自己的版本。

先用白話講：自駕「推理模型」在做什麼？

一般的自駕系統，像是一位只會看路標、看到行人就煞車的新手駕駛。推理模型則像一位會思考的教練：它看了前後左右四面八方的畫面，會判斷「這輛車為什麼要切進來」「我應該先讓，還是先走」，然後規劃出路線，還會把理由說出來。

對自駕來說，最難的不是日常路況，而是少見的複雜狀況：這種「長尾事件」很難事先預料、也很難收集足夠的訓練資料。能推理、能解釋，就是 NVIDIA 想解決的方向。

發生什麼事

NVIDIA 在 8 月 4 日的官方部落格宣布 Alpamayo 2 Super 可供商業使用：

• 授權：模型放在 Hugging Face，授權是 Linux Foundation 的 OpenMDW-1.1，涵蓋微調、衍生模型與商業再散布
• 整個系列一起改：官方說，Alpamayo 早期版本最初是為研發而發表，現在 OpenMDW 授權套用到整個模型系列，開發者可以直接商業部署，不需要額外許可
• 規模：官方說規模是 100 億參數的 Alpamayo 1.5 與 Alpamayo 1 的 3 倍，建立在 Cosmos 3 Super Reasoner 上，並用強化學習後訓練
• 360 度視野：同時整合車輛前、側、後的攝影機畫面，理解變換車道、匯入、無保護左轉與複雜路口

它會輸出什麼？

每個行車情境，模型可以同時給出 5 樣東西：

官方說，這些輸出讓開發者能把「模型看到什麼」和「它選了什麼動作」連起來檢查；用在自家車隊資料的自動標註上，可以把標註週期從數個月縮短到幾天。

成績單與但書

NVIDIA 公布：

• 在 LingoQA 自駕推理評測，於近 40 個模型中排名第一
• 以 Lingo-Judge 指標，領先 Qwen2.5-VL 72B 17.0 分、Gemini 2.5 Pro 15.1 分、GPT-4o 23.2 分

要注意，這些都是 NVIDIA 自己的測試，文中列出的比較對象也不是各家最新的模型。第三方是否能重現，要看後續。

另外，官方的定位是「雲端到車上」：Alpamayo 2 Super 用在雲端開發，例如產生推理紀錄、合成訓練資料與蒸餾用的教師輸出；Alpamayo 1.5、1 則是比較省成本的選項。真正跑在車上的，是蒸餾、最佳化後的小模型。所以它不等於「一個模型就能把車開上路」。

給開發者的技術細節

• 取得方式：Hugging Face（模型庫名稱以官方頁面為準）；授權是 OpenMDW-1.1
• 這類大模型主要用於雲端開發，硬體需求很高；官方這篇沒有給出具體的 GPU 需求，我沒有逐項驗證
• 因果鏈推理紀錄能接到 NVIDIA 的 Halos 安全驗證流程，官方說支援 ISO/PAS 8800 的 AI 安全要求；實際認證與法規要求要另外處理

我的看法

我自己離自駕很遠，但這則新聞讓我在意的是「授權」。以前很多開放模型標著「開放」，但條款裡藏著「僅限研究」。這次 NVIDIA 把整個系列統一成可商用的寬鬆授權，對團隊來說，最大的差別是不必再為每次商業使用，去談額外的許可。

另一個值得學的是「大模型放雲端、小模型放車上」的分工：大模型負責產生資料、教小模型；小模型負責即時反應。這個想法也適用在我們日常的 AI 應用：不一定每次都用最大的模型，常常是用大的做出標準，再讓小的去執行。

名詞小辭典

• 長尾事件：很少發生、卻可能很危險的特殊路況。
• 蒸餾（Distillation）：用大模型的輸出去訓練較小的模型，讓小模型學到大模型的表現。
• OpenMDW：Linux Foundation 為開放 AI 模型散布設計的寬鬆授權。
• Robotaxi：由自駕系統駕駛的計程車。

資料來源

• NVIDIA 部落格：Alpamayo 2 Super 開放商用（2026-08-04）