英偉達於 11 月 11 日正式推出 Alpamayo 2 Edge 車載 AI 模型，主要強調其實時自適應推理能力。該模型可根據周圍環境規劃行駛路線，並在必要時解釋自身的駕駛決策。例如，當遇到行人時，系統會主動讓路，或在狹窄道路上為迎面而來的巴士讓出空間。英偉達表示，開發者可基於這一開放模型構建下一代自動駕駛汽車，並根據自身車隊需求進行定製。
Alpamayo 2 Edge 採用約 20 億參數的 Nemotron 推理骨幹網絡，結合擴散式動作專家，屬於視覺-語言-動作（VLA）模型。它能同時處理車輛周圍的多鏡頭畫面、歷史運動資訊和導航指令，生成駕駛軌跡，並通過因果推理解釋為何採取某項駕駛動作。與傳統自動駕駛系統主要依賴預設規則和感知模塊不同，這種方式試圖讓車輛具備更接近人類的場景理解和決策能力。
Alpamayo 2 Edge 的自適應推理能力顯著提升
此次升級的重點是自適應推理。車輛在正常道路上行駛時，無需每時每刻進行複雜推理，模型能減少不必要的計算；而在遇到複雜路況時，則可生成更詳細的推理過程。這種設計能降低車載計算資源的消耗，同時保留在複雜場景下的決策能力。
在性能方面，英偉達使用 AlpaGym 閉環強化學習框架對模型進行訓練，閉環駕駛表現相比未經過該階段訓練的最佳模型提升了 48.9%。經過 TensorRT 等工具優化後，Alpamayo 2 Edge 在 DRIVE AGX Thor 平台上的圖像到行駛軌跡推理延遲約為 160 至 190 毫秒。開發者亦可下載模型權重，根據自身車輛和傳感器配置進行微調，並利用英偉達提供的模擬、訓練和評估工具來優化駕駛策略。
Alpamayo 2 Edge 目前主要面向自動駕駛開發者，並非可直接安裝於普通量產汽車上的完整自動駕駛系統。
