NVIDIA 于 2026 年 8 月 4 日宣布 Alpamayo 2 Super 可供商业使用。这个模型面向 robotaxi 和其他 autonomous vehicle，重点不只是识别道路物件，而是在少见、复杂和难以预先训练的 long-tail 情境中，理解状况、推理因果、选择行动，再产生可供车辆执行的路径。
商业开放是这次发布的核心变化。NVIDIA 表示，Alpamayo 2 Super 在 Hugging Face 以 Linux Foundation 的 OpenMDW-1.1 授权提供，涵盖 fine-tuning、衍生模型和商业重新分发。这让汽车制造商、车队和供应商可以用自己的数据和驾驶政策调整模型，而不必先取得额外的个别部署许可。
模型建立在 NVIDIA Cosmos 3 Super Reasoner 之上，并通过 reinforcement learning 完成 post-training。NVIDIA 描述的工作流是 cloud-to-car：先在云端用较大型模型产生 reasoning traces、synthetic training data 和 teacher outputs，再把专门化模型蒸馏到适合车内实时推理的版本。这种分工把开发时的推理能力和车内的延迟、成本、算力限制分开处理。
Alpamayo 2 Super 在每个驾驶情境中可产生五类互相连接的输出：车辆预计行走的 trajectory、解释决策因果的 chain-of-causation trace、代表意图的 meta-action、用于训练和验证的 reasoning auto-label，以及带有 2D visual grounding 的 visual question answering。NVIDIA 认为，这些输出能让开发者把模型看到的画面、选择的行动和验证数据连接起来。
NVIDIA 也公布自己的 benchmark 结果：在接近 40 个模型的 LingoQA 评估中，Alpamayo 2 Super 在 NVIDIA 的 Lingo-Judge 指标排名第一；相对 Qwen2.5-VL 72B、Gemini 2.5 Pro 和 GPT-4o，分别高出 17.0、15.1 和 23.2 分。这些是 NVIDIA 在指定模型、数据和评测方法下的结果，应视为发布方测试，不是跨车队、硬件或道路环境的独立保证。
模型也被定位为自动标注器，可在车队自己的数据上产生因果 trace 和带 2D grounding 的问答结果，并支持 scene understanding、model critiquing 和 knowledge distillation。NVIDIA 同时列出 AlpaSim 闭环模拟、AlpaGym reinforcement learning、Physical AI datasets 和 Halos safety validation 等配套，试图把模型放进完整的自动驾驶研发管线。
开放商业授权会降低采用门槛，但不等于可以直接把模型放上道路。车队仍要自行验证传感器融合、延迟、极端天气、责任分配、法规和安全案例；而「可检视的输出」也不应被解读成已经证明模型在所有情况下安全。Alpamayo 2 Super 的讯号，是 physical AI 正把开放权重、可追溯数据和部署流程放在同一个产品策略内。
