NVIDIA Alpamayo 2 Super 開放商用:OpenMDW-1.1授權擴大至整個Alpamayo家族

NVIDIA Alpamayo 2 Super 何時開放商業使用?商業化的授權條款涵蓋哪些內容?

根據NVIDIA官方部落格報導,NVIDIA Alpamayo 2 Super現已開始進入商業使用,隸屬於Alpamayo系列,該系列是Hugging Face上採用最廣泛的自動駕駛開放式推理模型。Alpamayo 2 Super可於Hugging Face上取得,並採用Linux Foundation為開放AI模型發行所推出的寬鬆授權OpenMDW-1.1,該授權涵蓋微調、衍生模型與商業性的再次發布。

根據iThome報導,NVIDIA正式開放Alpamayo 2 Super自駕模型商用,並將OpenMDW-1.1授權擴大至整個Alpamayo模型家族;自駕車開發商、車廠及零組件供應商可使用自有資料調整模型、建立衍生版本,並將修改後的模型用於商業產品。iThome報導並指出,OpenMDW最初由Linux Foundation與旗下PyTorch Foundation於2025年推出,OpenMDW-1.1則由Linux Foundation於2026年5月發布,是專為機器學習模型及相關材料設計的寬鬆型開源授權。在具體權益上,Alpamayo模型使用者可免費使用、修改、微調及重新散布這些材料,也可用於商業用途,不必另外向NVIDIA申請許可;但重新發布原始或修改後的模型材料時,須附上授權文件,並保留適用的原始著作權與來源聲明。

Alpamayo 2 Super 相比前代在技術與性能上有什麼進步?

根據NVIDIA官方部落格報導,Alpamayo 2 Super以NVIDIA Cosmos 3 Super Reasoner為基礎,並透過強化學習進行後訓練。在模型規模上,Alpamayo 2 Super的規模是參數量100億的NVIDIA Alpamayo 1.5與Alpamayo 1模型的3倍。

在性能表現上,NVIDIA官方部落格指出,在自動駕駛推理基準測試LingoQA中,Alpamayo 2 Super於近40款接受評測的模型中名列榜首。以下為NVIDIA使用Lingo-Judge指標測試所得的分數差距:

Alpamayo 2 Super 為自駕應用提供哪些核心功能和配套工具?

根據NVIDIA官方部落格報導,針對每種駕駛情境,Alpamayo 2 Super可產生五項緊密連動的輸出:描述車輛規劃路徑的軌跡;解釋決策背後推理過程的因果鏈(chain-of-causation,CoC)軌跡;捕捉模型意圖的Meta-Action,例如讓行、變換車道或停車;可為訓練與驗證資料產生因果鏈註解的推理自動標籤;以及結合2D視覺定位的視覺問答回應。

除模型本身外,NVIDIA官方部落格也列出Alpamayo系列配套的開發工具:NVIDIA AlpaSim提供閉環模擬;NVIDIA AlpaGym支援高輸送量強化學習;NVIDIA物理AI開放資料集提供訓練與測試所需資料;另有開放式訓練配方與自動標註流程,用以加速模型開發、訓練與驗證。

模型在安全驗證上的保障措施和實際應用限制分別是什麼?

根據NVIDIA官方部落格報導,因果鏈軌跡整合了NVIDIA Halos安全驗證工作流程,並支援符合ISO/PAS 8800要求的AI安全性。

不過,根據iThome報導,Alpamayo 2 Super本身主要用於雲端開發,並不是可直接安裝到自駕車上的完整駕駛系統。模型投入實際車輛前,仍須配合特定車型、感測器配置及道路環境進行調整與安全驗證。

Alpamayo 系列模型在開發社群中的採用規模如何?

根據NVIDIA官方部落格報導,Alpamayo在Hugging Face上的下載量已突破50萬次,進一步鞏固其作為該平台上應用最廣泛的自動駕駛開放式推理模型系列之地位。這項採用規模數據,呼應了前述Alpamayo系列被描述為「Hugging Face上採用最廣泛的自動駕駛開放式推理模型」的定位。

這代表什麼

將前述事實並列可看出兩條並行的時間軸:授權政策從2025年OpenMDW初次推出、到2026年5月發布1.1版,再到本次擴大至整個Alpamayo家族並開放商用,呈現授權開放步調持續推進;同時Alpamayo系列下載量已達50萬次,且為Hugging Face上採用最廣泛的自駕開放式推理模型,顯示開放策略已累積一定的開發者基礎。但另一方面,即便Alpamayo 2 Super在LingoQA基準測試中,以Lingo-Judge指標領先Qwen2.5-VL 72B、Gemini 2.5 Pro與GPT-4o,模型本身仍僅限於雲端開發用途,搭載NVIDIA Halos工作流程、符合ISO/PAS 8800要求的安全驗證,也只是投入實際車輛前必經的其中一步——模型仍須配合個別車型、感測器配置及道路環境重新調整與驗證,才能真正上車。授權開放與下載規模擴大,和「上車仍待逐案驗證」之間,呈現出明確的落差。