10天，3条推文，98.9万粉丝，7000万阅读量。地球上最内向的CEO终于学会发推了——而且每一条都在掷骰子。第一条推给安全联盟，第二条推给开源AI，第三条直接把340亿参数的自动驾驶大模型免费扔了出来。黄仁勋的话很直白："下一波AI浪潮是机器人技术，而它将从自动驾驶车辆开始。"
刚刚，英伟达CEO黄仁勋在X平台发布了入驻以来的第三条推文。
这一次，他送出的是Alpamayo 2 Super——一款专为自动驾驶车辆打造的开源推理大模型，参数规模达到前代产品的3倍。采用OpenMDW-1.1许可，完全免费商用。
01
五重输出：不只会开车，还会"解释"自己
Alpamayo 2 Super最颠覆传统智驾系统的地方，不在于参数量——而在于它不再是一个"黑盒"。
传统智驾系统遇到突发情况只能按预设代码执行，程序员看不到决策过程，出了事故也查不清原因。Alpamayo 2 Super不同——针对每一种驾驶情况，它能同时产生五个紧密耦合的输出：
1.轨迹规划
描述车辆计划行驶的路径，精确到每一帧的转向与速度。
2.因果链追踪（CoC）
解释每一个决策背后的原因链——为什么变道、为什么减速、为什么停车。
3.元动作标注
用自然语言捕捉模型意图：让行、变道、停车、避让……人与机器可以对话了。
4.推理自动标签
自动生成CoC标注，用于训练和验证数据——从"开车"变成"教别的AI开车"。
5.2D视觉基础问答
将答案与摄像头图像中的特定区域关联——模型能指着画面说"那辆白车要加塞"。
换句话说，Alpamayo 2 Super不只是一个会开车的系统，它还是一个会解释自己为什么这么开的系统。这在自动驾驶安全审计和事故追责领域，价值不可估量。
02
碾压群雄：LingoQA榜单断层登顶
光说不练假把式。英伟达附在推文中的两张性能截图，让整个行业集体沉默了。
在近40款受测模型参与的自动驾驶推理基准测试LingoQA中，Alpamayo 2 Super名列第一——而且是断层式的第一。
英伟达Lingo-Judge测评结果显示，该模型在驾驶场景推理能力上表现卓越，得分分别领先Qwen2.5-VL 72B 17.0分、Gemini 2.5 Pro 15.1分以及GPT-4o 23.2分。
对，你没看错——连GPT-4o都被甩开了23.2分。在以驾驶场景为核心的推理能力上，Alpamayo 2 Super已经不是一个量级的选手。
03
从"开车"到"教AI开车"：标注周期缩短百倍
Alpamayo 2 Super最被低估的能力，是它可以当自动标注器用。
传统自动驾驶开发中，数据标注是最磨人的环节——把原始驾驶视频变成可训练的标注数据，往往需要数月时间，大量人工参与。
Alpamayo 2 Super改变了一切。它可以基于专有车队数据，自动生成CoC标签，并执行基于2D图像的视觉问答。通过将推理与摄像头图像中的特定区域关联，它能把原始驾驶视频片段直接转换为更丰富的训练数据。
效率对比
标注周期：数月 → 数天
传统流程：人工逐帧标注 → 数月级周期 → 成本高昂 → 难以规模化
Alpamayo流程：模型自动标注 → 数天级周期 → 可规模化复制 → 成本骤降
这不是效率提升，这是范式转换。当标注不再是瓶颈，数据飞轮将以前所未有的速度旋转。
除了规划和自动标注，Alpamayo 2 Super还支持场景理解、模型评估和知识提炼。一个基础模型，覆盖从训练到部署到审计的全链条——开发工具被简化，迭代速度被加速。
04
开源全家桶：送整套工具链
如果只开源一个模型，那只是给了一块砖。英伟达送的是整栋楼的图纸。
Alpamayo 2 Super只是更广泛的自动驾驶开放生态的一部分。与之配套的，是一整套工具链：
英伟达自动驾驶开源生态全景
Alpamayo 2 Super
340亿参数开源VLA推理模型，核心引擎
AlpaSim
高保真闭环仿真框架，虚拟世界训练场
AlpaGym
高吞吐量强化学习框架，让模型自我进化
Physical AI Datasets
开放训练与测试数据集，含1700小时真实驾驶数据
Halos OS
车规级安全操作系统，为Alpamayo决策兜底
训练方案 & 自动标注
完整训练recipe + 自动化标注流程
模型、仿真器、强化学习框架、数据集、安全OS、训练方案——全套交付，免费商用。这是英伟达版的"乐高积木"策略：积木免费送，但核心芯片和工具链必须跑在英伟达的生态上。
05
11年智驾长跑：从DRIVE PX到Alpamayo 2 Super
Alpamayo 2 Super不是凭空诞生的。它是英伟达11年智驾长跑的最新成果。
2015年 CES首发DRIVE PX初代平台（Tegra X1），英伟达从游戏GPU跨界车载AI计算
2016-2018年 DRIVE PX 2迭代 → DRIVE Xavier发布，车规级域控开端
2019年 DRIVE Orin发布，奠定全球智驾算力霸主地位
2021-2022年 DRIVE Atlan夭折 → CES公布DRIVE Thor（2000TOPS），Hyperion 9发布，比亚迪官宣搭载
2024年 Thor架构切换Blackwell，算力调整至1000 INT8 TOPS，量产推迟至2026年
2026年1月 CES首发Alpamayo 1（100亿参数VLA），业界首个自动驾驶专属可解释推理模型；捷豹路虎、Lucid、Uber、奔驰首批接入
2026年3月 Alpamayo 1.5更新，优化城市道路与极端天气推理；发布Halos安全OS；比亚迪、吉利、日产加入联合开发
2026年6月 Alpamayo 2 Super升级，340亿参数，专为L4 Robotaxi设计；上线半年全系下载突破40万次
2026年8月 黄仁勋第三条推文，正式开源商用，宣布"下一波AI浪潮是机器人"
11年，从一颗Tegra X1芯片到340亿参数的推理大模型。硬件铺路，软件封顶，英伟达的智驾版图，是一砖一瓦垒起来的。
06
结语：从自动驾驶到"数十亿台自主机器"
让我们回到黄仁勋推文中最核心的一句话——
下一波 AI 浪潮是机器人技术——而它将从自动驾驶车辆开始。
这不是一句口号。在黄仁勋的叙事框架里，这是一条清晰的路径图：
1.自动驾驶车辆 → 最先落地的"机器人"
Robotaxi、无人卡车、配送车、拖拉机——轮子上的自主机器，是机器人技术的第一个大规模商用场景。
2.长尾移动机器人群 → 更广阔的物理世界
仓库搬运、农业作业、矿山开采——从单一场景走向"数十亿台"自主机器。
3.物理AI（Physical AI）→ 千亿美元赛道
一切在物理世界中自主行动的智能体，都将建立在同一套基础架构之上。
英伟达的野心，从来不只是卖GPU给数据中心。它要做的，是成为数十亿台自主机器的底层操作系统。