英伟达发布自动驾驶研究新开源AI模型与工具

英伟达周一宣布推出新的基础设施和AI模型，旨在构建物理AI的核心技术，包括能够感知并与现实世界交互的机器人和自动驾驶车辆。

这家半导体巨头在加利福尼亚州圣地亚哥举行的NeurIPS AI会议上发布了Alpamayo-R1，这是一个面向自动驾驶研究的开源推理视觉语言模型。该公司声称这是首个专注于自动驾驶的视觉语言动作模型。视觉语言模型能够同时处理文本和图像，使车辆能够"看到"周围环境并根据所感知的内容做出决策。

这个新模型基于英伟达的Cosmos Reason模型，这是一个在响应前会思考决策的推理模型。英伟达最初在2025年1月发布了Cosmos模型系列，并在8月发布了额外的模型。

英伟达在博客文章中表示，像Alpamayo-R1这样的技术对于希望达到4级自动驾驶的公司至关重要，4级自动驾驶意味着在特定区域和特定环境下的完全自主。

英伟达希望这种推理模型能够为自动驾驶车辆提供"常识"，使其能够更好地处理像人类一样的细致驾驶决策。

这个新模型已在GitHub和Hugging Face上提供。

除了新的视觉模型外，英伟达还在GitHub上上传了新的分步指南、推理资源和训练后工作流程，统称为Cosmos Cookbook，帮助开发者更好地使用和训练Cosmos模型以适应其特定用例。该指南涵盖数据策划、合成数据生成和模型评估。

这些公告发布之际，该公司正全力推进物理AI，将其作为先进AI GPU的新发展方向。

英伟达联合创始人兼首席执行官黄仁勋多次表示，AI的下一波浪潮是物理AI。英伟达首席科学家Bill Dally在夏季与TechCrunch的对话中也呼应了这一观点，强调了机器人技术中的物理AI。

"我认为机器人最终会成为世界的重要参与者，我们希望基本上为所有机器人制造大脑，"Dally当时说道。"要做到这一点，我们需要开始开发关键技术。"

Q&A

Q1：Alpamayo-R1是什么？有什么特殊功能？

A：Alpamayo-R1是英伟达发布的开源推理视觉语言模型，专门用于自动驾驶研究。它是首个专注于自动驾驶的视觉语言动作模型，能够同时处理文本和图像，使车辆能够"看到"周围环境并根据所感知的内容做出决策。

Q2：什么是4级自动驾驶？为什么这个模型对它重要？

A：4级自动驾驶意味着在特定区域和特定环境下的完全自主驾驶。Alpamayo-R1这样的推理模型对达到4级自动驾驶至关重要，因为它能为自动驾驶车辆提供"常识"，使其能够更好地处理像人类一样的细致驾驶决策。

Q3：开发者如何获取和使用这个模型？

A：Alpamayo-R1模型已在GitHub和Hugging Face上开源提供。此外，英伟达还在GitHub上传了Cosmos Cookbook，包含分步指南、推理资源和训练后工作流程，帮助开发者更好地使用和训练Cosmos模型以适应其特定用例。