NVIDIA 在 2026 年 8 月 4 日宣布 Alpamayo 2 Super 可供商業使用。這個模型面向 robotaxi 和其他 autonomous vehicle，重點不只是辨識道路物件，而是在少見、複雜和難以預先訓練的 long-tail 情境中，理解狀況、推理因果、選擇行動，再產生可供車輛執行的路徑。
商用開放是這次發布的核心變化。NVIDIA 表示，Alpamayo 2 Super 在 Hugging Face 以 Linux Foundation 的 OpenMDW-1.1 授權提供，涵蓋 fine-tuning、衍生模型和商業重新分發。這讓汽車製造商、車隊和供應商可以用自己的數據和駕駛政策調整模型，而不必先取得額外的個別部署許可。
模型建基於 NVIDIA Cosmos 3 Super Reasoner，並以 reinforcement learning 做 post-training。NVIDIA 描述的工作流是 cloud-to-car：先在雲端用較大型模型產生 reasoning traces、synthetic training data 和 teacher outputs，再把專門化模型蒸餾到適合車內即時推理的版本。這種分工把開發時的推理能力和車內的延遲、成本、運算限制分開處理。
Alpamayo 2 Super 每個駕駛情境可產生五類互相連結的輸出：車輛預計行走的 trajectory、解釋決策因果的 chain-of-causation trace、代表意圖的 meta-action、用於訓練和驗證的 reasoning auto-label，以及帶有 2D visual grounding 的 visual question answering。NVIDIA 認為，這些輸出能讓開發者把模型看到的畫面、選擇的行動和驗證資料連在一起。
NVIDIA 亦公布自己的 benchmark 結果：在接近 40 個模型的 LingoQA 評估中，Alpamayo 2 Super 於 NVIDIA 的 Lingo-Judge 指標排名第一；相對 Qwen2.5-VL 72B、Gemini 2.5 Pro 和 GPT-4o，分別高出 17.0、15.1 和 23.2 分。這些是 NVIDIA 在指定模型、資料和評測方法下的結果，應視為發佈方測試，不是跨車隊、硬件或道路環境的獨立保證。
模型也被定位為自動標註器，可在車隊自己的數據上產生因果 trace 和帶 2D grounding 的問答結果，並支援 scene understanding、model critiquing 和 knowledge distillation。NVIDIA 同時列出 AlpaSim 閉環模擬、AlpaGym reinforcement learning、Physical AI datasets 和 Halos safety validation 等配套，試圖把模型放進完整的自動駕駛研發管線。
開放商用授權會降低採用門檻，但不等於可以直接把模型放上道路。車隊仍要自行驗證感測器融合、延遲、極端天氣、責任分配、法規和安全案例；而「可檢視的輸出」也不應被解讀成已經證明模型在所有情況下安全。Alpamayo 2 Super 的訊號，是 physical AI 正把開放權重、可追溯資料和部署流程放在同一個產品策略內。
