当一家卖铲子的公司，决定把铲子的设计图也开源了。
2026年8月4日，英伟达宣布Alpamayo 2 Super正式开放商用。这枚340亿参数的视觉-语言-动作推理模型，在LingoQA自动驾驶推理基准上以79.2分碾压了GPT-4o（领先23.2分）、Gemini 2.5 Pro（领先15.1分）和Qwen2.5-VL 72B（领先17.0分），在近40个被评估模型中排名第一。
但比分数更值得关注的是许可证。Alpamayo 2 Super采用Linux基金会OpenMDW-1.1许可协议发布，允许微调、派生模型、商业再分发。这意味着任何一家车企、卡车公司、Robotaxi运营商，都可以下载权重，用自己的数据重新训练，部署到生产车队中，而不需要向英伟达支付一分钱授权费。
这不是一个产品发布。这是一次产业格局的重新布线。
从研发到商用：八个月，三代模型
Alpamayo家族的进化速度，本身就是信号。
2026年1月CES，黄仁勋发布Alpamayo 1，100亿参数，号称“业界首个具备思维链推理能力的视觉-语言-动作模型”，仅限研究用途。他在台上说：“物理AI的ChatGPT时刻已经到来，机器开始理解、推理，并在现实世界中行动。”台下掌声雷动，但行业分析师们心知肚明：研究模型离商业化落地，中间隔着十万八千里。
五个月后，GTC台北，英伟达推出Alpamayo 2 Super，参数规模飙升至340亿，是Alpamayo 1的3倍以上。承诺“夏季开放商用”。此时整个Alpamayo家族在Hugging Face上的下载量已接近40万次。
又过了两个月，承诺兑现。2026年8月4日，Alpamayo 2 Super正式开放商用，下载量突破50万次。许可证选择了Linux基金会2026年5月28日才发布的OpenMDW-1.1，英伟达已将其同步应用于Cosmos、Isaac GR00T、Ising和Nemotron等多个模型家族。
八个月，从100亿到340亿参数，从研究许可到完全商用。这个节奏放在任何一个AI细分领域都算快，放在自动驾驶这个以“十年磨一剑”著称的行业，几乎是闪电战。
一个模型，五重输出
理解Alpamayo 2 Super的技术架构，才能理解它为什么可能是自动驾驶行业的拐点。
模型由两部分组成：一个320亿参数的Cosmos 3 Super Reasoner视觉语言主干，加上一个20亿参数的扩散式动作解码器（Action Expert）。输入来自最多7个摄像头构成的360度环视画面，加上车载传感器记录的车辆运动历史和文本指令。在单个H100 GPU上，七摄像头配置峰值占用约72GB显存。
对于每一帧驾驶场景，Alpamayo 2 Super同时输出五类结果：
- 轨迹预测：车辆未来路径的连续坐标，在6.4秒预测时域上的平均位移误差低至0.911米
- 因果链推理：解释“为什么这么走”的文字推理链
- 元动作：高层次的驾驶意图，如“让行”“变道”“停车”
- 视觉问答：对场景中特定区域的自然语言回答，并可在图像中精确标注回答所指区域
- 自动标注：为训练数据生成带因果链推理的标注
这不是一个端到端的驾驶栈。英伟达明确把它定位为“教师模型”，在云端运行，生成高质量的推理轨迹、合成训练数据和蒸馏目标，然后通过模型蒸馏压缩成能在车端实时推理的小模型。Alpamayo 1.5和Alpamayo 1（各100亿参数）就是为此设计的更经济的选择。
但真正让行业侧目的，是因果链推理的可审计性。
传统端到端自动驾驶模型是黑箱：摄像头拍摄画面，模型输出方向盘角度和油门开度，中间发生了什么，无人知晓。当车辆做出错误决策导致事故时，工程师无法追溯原因。而Alpamayo 2 Super的因果链推理给出了一个“白盒子”，它把“看到了什么、如何推理、选择什么动作”的完整链条用自然语言写出来，供开发者审计、验证。
英伟达表示，这些因果链推理输出已经与其Halos安全验证工作流集成，并支持ISO/PAS 8800（道路车辆AI安全标准）。对于正在寻求监管批准的自动驾驶公司来说，这可能比任何benchmark分数都更有价值。
开放vs封闭：一场迟到但必须打的仗
Alpamayo 2 Super的开放商用，最直接的冲击对象是特斯拉。
特斯拉FSD走的是纯封闭路线：自研芯片、自研算法、自研传感器、自建车队采集数据。Elon Musk多次表示，FSD是特斯拉最大的价值来源，也是其Robotaxi战略的核心资产。摩根士丹利在其研报中估算，特斯拉的高估值中很大一部分建立在Robotaxi预期之上。
但Alpamayo的开放策略正在瓦解这个逻辑。当一家车企可以免费下载一个在LingoQA上领先GPT-4o 23分的自动驾驶基础模型，用自己车队的数据微调后部署到量产车上，特斯拉在自动驾驶技术上的独占优势就被稀释了。这不是说Alpamayo今天就能替代FSD。特斯拉积累了海量的真实道路数据，这是任何开源模型短期内无法复制的护城河。但Alpamayo把“达到FSD 80%水平”的门槛降到了几乎为零，对除特斯拉之外的所有车企来说，这是一个巨大的诱惑。
Waymo的处境则更为微妙。作为全球Robotaxi运营的绝对领先者，2026年2月完成160亿美元融资，估值达1260亿美元，周付费出行量超过45万次，Waymo拥有完整的自研技术栈和安全验证体系。但Alpamayo的开源路线可能会催生一批基于相同基础模型、但各自优化的Robotaxi竞争者，让Waymo在“先发优势”之外，面临“群狼围攻”的局面。
英伟达的算盘很清楚：它不靠卖自动驾驶软件赚钱，它靠卖GPU赚钱。每多一个车企用Alpamayo做模型训练和推理，就多一份对英伟达算力的需求。Alpamayo 2 Super在单个H100 GPU上验证，七摄像头配置峰值占用约72GB显存，这意味着大规模的云端训练和推理工作流需要成百上千块H100或B200 GPU。开放模型是饵，算力需求是钩。
数据、训练与生态围墙
任何一个了解自动驾驶的人都清楚：模型架构只是拼图的一块。真正决定自动驾驶系统性能的，是数据，大量、高质量、覆盖长尾场景的真实驾驶数据。
Alpamayo 2 Super的训练数据规模令人印象深刻：约11.5万小时的多摄像头驾驶视频，附带车辆运动轨迹标注；加上约370万条因果链推理轨迹。这些数据来自摄像头、惯性传感器和GPS，经过自动和人工标注混合处理。
但相比Waymo已累计超过1.7亿英里的全无人驾驶里程和特斯拉数十亿英里的影子模式数据，英伟达的训练数据仍然只是“入门级”。这恰恰是英伟达开放策略的精妙之处。它通过开源模型，让无数车企用自己的数据来补全自己的版本，而英伟达则从每一家使用的车企那里，获得对模型生态的掌控力。
围绕Alpamayo，英伟达已经搭建了一整套开发生态系统：
- AlpaSim：闭环仿真器，用于评估模型在长尾场景中的表现
- AlpaGym：强化学习环境
- Physical AI Open Datasets：物理AI开放数据集
- 开源自动标注流水线：将标注周期从数月压缩到数天
这套工具链的完整度，让Alpamayo不再是一个孤立的模型，而是一个可自循环的自动驾驶开发平台。任何车企只要接入这个生态，就能获得从数据标注、模型训练、仿真验证到车端部署的一站式能力。
谁在受益，谁在紧张
据Precedence Research数据，全球Robotaxi市场规模有望从2025年的44.3亿美元增长至2034年的1889亿美元，CAGR达52.54%。摩根士丹利预计，到2035年全球将有约250万辆Robotaxi投入运营，到2040年相关市场的总可寻址规模将达约1万亿美元。
在这个万亿级市场中，Alpamayo 2 Super的开放商用正在重新分配受益者。
第一类受益者：与传统车企合作的一级供应商和自动驾驶公司。Mobileye、文远知行、小马智行等公司可以直接基于Alpamayo构建自己的自动驾驶方案，大幅降低基础模型研发投入。文远知行在GTC 2026上展示了基于英伟达DRIVE Hyperion和DRIVE AGX Thor的Robotaxi GXR，声称将自动驾驶套件成本降低50%，总拥有成本降低84%。
第二类受益者：试图追赶特斯拉的车企。捷豹路虎、Lucid、Uber等已宣布使用Alpamayo加速L4级自动驾驶开发。对它们来说，Alpamayo意味着不用从零开始训练一个视觉语言模型，直接节省了数亿美元和数年时间。
第三类受益者：英伟达自己。每一家使用Alpamayo的公司，最终都会成为英伟达GPU的客户。这是一个比卖自动驾驶软件更赚钱的生意。
至于紧张的人，特斯拉首当其冲，但并非唯一。Waymo在技术和运营上仍然领先，但Alpamayo的开放生态意味着竞争格局将从“几家自研巨头”的寡头游戏，变成“无数基于开源平台”的群雄逐鹿。
风险与局限
在热情之外，有必要指出几个冷静的事实。
Alpamayo 2 Super目前仅在H100 GPU上验证，未验证其他GPU架构。这意味着虽然模型权重开放，但实际的硬件绑定仍然存在。
这是云端教师模型，不是车端推理模型。从教师模型蒸馏出适合车端实时推理的小模型，本身就是一个复杂且昂贵的工程问题。健康度、延迟、功耗，这些在车规级部署中必须解决的问题，Alpamayo并没有直接给出答案。
LingoQA等基准测试的分数，与真实道路上的驾驶安全性之间，没有直接对应关系。在benchmark上领先GPT-4o 23分，不等于在旧金山繁忙路口比Waymo的专用系统更安全。
开源模型还有安全性问题。如果一家车企在Alpamayo基础上微调出的模型出现了安全事故，责任归属将是一个复杂的法律问题。开源许可证（即使是OpenMDW-1.1）通常不承担任何担保责任，这意味着所有风险由部署方承担。
开放模型的推出，意味着自动驾驶的竞争从“谁能造出最好的模型”变成了“谁拥有最好的自有数据、最深的场景理解和最安全的落地能力”。英伟达把枪递到了每个人手里，但能扣动扳机的人，才真正拥有未来。
快报