Alpamayo 2 开放商用，安全不是一个权重文件

一个 32B 参数的自动驾驶模型，现在可以下载、微调、做衍生模型，还能商用。

这句话放在两年前，足够让很多自动驾驶团队连夜改路线图。

现在我看到它，第一反应却是另一件事。

开放权重以后，谁来证明这辆车不会在最糟糕的十秒里犯错。

NVIDIA 刚把 Alpamayo 2 Super 放到 OpenMDW-1.1 许可下。官方说，这个许可覆盖微调、衍生模型和商业再分发，之前偏研发用途的 Alpamayo 家族也会沿着同一条路开放商用。

好家伙，自动驾驶基础模型终于从「可以研究」往「可以拿去挣钱」迈了一步。

但如果只盯着开放商用四个字，很容易错过这次发布真正有意思的部分。

NVIDIA 没把 Alpamayo 2 Super 描述成一颗直接塞进车里就能接管方向盘的大脑。它更像一个云端教师和开发底座，负责生成高质量推理、合成训练数据、自动标注，再把能力蒸馏给能在车端实时运行的小模型。

大模型在云里慢慢想，小模型在车里迅速做。

NVIDIA 官方图把模型、数据、开发工具与车辆放在同一套开发体系里。

中间那条从「想明白」到「做安全」的路，才是整件事最硬的部分。

32B 不是卖点，五份相互对得上的输出才是

普通视觉模型看一帧画面，告诉你前方有辆车、右侧有行人，任务差不多就结束了。

自动驾驶不行。

它得回答一个更麻烦的问题。看见这些东西以后，接下来怎么走。

NVIDIA 在官方稿里列了 Alpamayo 2 Super 对同一个驾驶场景可以产出的五类结果。

一条计划轨迹，说明车准备往哪里走。

一段 CoC，也就是 chain of causation，因果链推理，用来解释为什么做这个决定。

一个元动作，例如让行、变道或停车，表达更高层的驾驶意图。

一组用于训练与验证数据的推理自动标注。

还有带二维视觉定位的问答，把模型说到的对象重新钉回摄像头画面里的具体区域。

这五份东西摆在一起，价值不是「模型会说更多话」。

价值在于它们可以互相对账。

模型说右侧车辆可能并线，元动作却是向右变道，轨迹还贴着右侧车道线，这三份输出当场就打架了。模型说前方行人是主要风险，二维定位却框到路边广告牌上，推理写得再流畅也没用。

很多朋友可能不知道，自动驾驶里最难处理的从来不是每天重复几十万次的直路巡航，而是长尾场景。施工区域突然改道，前车为了避障压线，雨夜里骑行者和反光路牌叠在一起，多方交通参与者互相试探。

这些场景少，组合又多，训练数据永远不够。

Alpamayo 2 Super 的思路，是用更大的多模态模型把稀疏场景里的因果关系掰开，再生成可以训练和检查的中间产物。官方还说，它能处理环视摄像头信息，把前后左右视角放进同一个判断里。

这一手确实有点子牛逼。

可中间产物多，并不自动等于安全。

推理链能解释，不代表它能证明

AI 行业有个很诱人的幻觉。

模型只要把思考过程写出来，我们就理解它了。

做聊天机器人时，这个误会顶多让人高估模型。放到自动驾驶里，代价会变得非常具体。

语言模型生成的解释，可能和它真正依赖的信号并不一致。学术界早就反复研究过 chain-of-thought 是否忠实这个问题。模型可以给出一段听起来很合理的理由，却在输入发生微小变化时暴露它其实抓住了别的线索。

所以 CoC 推理链不能当安全证明。

它更像一份可检验的口供。

口供有价值，因为你终于知道该从哪里追问。但口供必须和轨迹、元动作、视觉定位、传感器输入以及后续仿真结果一起对账，不能自己给自己盖章。

NVIDIA 把 CoC 接进 Halos 自动驾驶安全体系，并提到与 ISO/PAS 8800 对齐，这个方向是对的。安全关键系统需要的不是一句「模型认为没问题」，而是一条从数据来源、模型版本、场景输入、决策理由、计划轨迹到测试结果都能追溯的链。

问题也在这里。

权重文件可以下载，证据链下载不了。

它依赖团队自己的车队数据、场景库、标注标准、仿真器、回归门槛、故障注入和发布纪律。两家公司拿到同一份模型，一家把每次变更放进封闭场景回放和反馈回路仿真，另一家只看几个公开榜单，做出来的根本不是同一种安全水平。

模型是公共起点。

安全仍然是私有工程。

榜单第一，要先看是谁出的卷子

这次发布里有一组很漂亮的数字。

按 NVIDIA 自己的测试，Alpamayo 2 Super 在接近 40 个模型参与的 LingoQA 自动驾驶推理评测中排名第一。使用 Lingo-Judge 指标时，它比 Qwen2.5-VL 72B 高 17.0 分，比 Gemini 2.5 Pro 高 15.1 分，比 GPT-4o 高 23.2 分。

数据来自 NVIDIA 官方发布稿，只代表其 Lingo-Judge 自测分差，不等同于真实道路安全水平。

这些数字值得看，也必须带着标签看。

它们来自 NVIDIA 测试，不是独立第三方复现。评测衡量的是驾驶场景推理表现，也不是现实道路上每公里接管率、碰撞风险或安全员干预次数。一个模型在问答与推理榜单上领先，能说明它更擅长理解和描述驾驶场景，不能直接推出它已经更适合控制真实车辆。

不是说榜单没用。

而是要把榜单放回它该在的位置。

它适合做候选模型筛选，适合发现能力上限，也适合比较模型能不能看懂复杂场景。它不该独自决定量产放行。

做 Agent 评测也一样。网页任务成功率 90%，不代表它可以拿生产账号。代码 benchmark 第一，不代表它改完支付逻辑就能自动合并。越是高风险场景，离线能力分数和上线资格之间越需要一座验收桥。

自动驾驶把这件事放大到了极致。

一条轨迹在离线数据上看着合理，进入反馈回路以后可能改变周围车辆行为，继而让原本安全的计划失效。这里的关键，是模型动作会改变环境，改变后的环境又成为下一步输入。只回放历史视频，永远看不到自己那一下动作造成的新局面。

因此 Alpamayo 家族旁边还有 AlpaSim 反馈回路仿真和 AlpaGym 强化学习环境。模型、数据、仿真、训练与验证放在一起，才接近一个开发系统。

这也解释了为什么我觉得「开放权重」不是这次最值得兴奋的四个字。

更重要的是，开放模型开始被放进一个可以持续质疑它的环境里。

云里的老师，不能直接坐到驾驶位

Alpamayo 2 Super 比 10B 的 Alpamayo 1 和 1.5 大约扩了三倍。更大的容量让它有机会从稀疏样本里学到更复杂的关系，也让它更难直接在车端用低延迟、低功耗跑起来。

NVIDIA 给的路线很现实。

让 32B 模型在云端当教师，生成推理轨迹、合成样本与自动标注，再把这些能力蒸馏到更小的车端模型。蒸馏可以理解成让小模型学习大模型的输出与判断模式，目标不是复制每个参数，而是在更小算力里保住最重要的能力。

这个设计把「研究上限」和「部署约束」分开了。

云端教师可以慢一点、贵一点，重点是覆盖长尾与提高标注质量。车端学生必须在严格时延和功耗里稳定运行，重点是可预测。二者之间通过场景、标签、策略和回归测试传递能力。

听着很顺，对吧。

真正的坑都藏在传递过程中。

教师模型会错，自动标注会把错误规模化。蒸馏会丢信息，小模型可能在常见场景里表现很好，却把教师处理少数复杂场景的那点余量一起压没。团队如果只检查平均分，很容易把长尾能力优化掉。

所以云到车不是一条流水线，更像一串检查站。

教师输出先过一致性检查，推理与视觉定位互相校验。自动标签要抽样复核，特别盯住低置信度和罕见场景。学生模型不仅和教师比平均指标，还要在长尾场景库里单独验收。进入车端后，再测时延抖动、传感器缺失、温度变化和硬件降频。

少一道都可能让漂亮的云端能力在车里变形。

真正该开源的，是可复现的失败

Hugging Face 模型页上的下载按钮当然重要。Alpamayo 家族已经超过 50 万次下载，开放商用会让更多车企、供应商和研究团队不用从零训练驾驶基础能力。

这会加快竞争，也会让小团队有机会站到更高的起点。

但我更期待另一个方向。

开源社区不只交换成功模型，还交换失败场景。

哪些光照条件会让视觉定位漂移，哪些多车交互会让元动作和轨迹冲突，哪些蒸馏配置会损伤长尾能力，哪个模型版本在同一段场景里出现回归。只要这些失败能用统一格式重放，社区积累的就不只是权重，而是一套越来越厚的共同考卷。

现在的模型发布很像交付一位简历极漂亮的候选人。

榜单第一，项目经验丰富，能解释自己的决定，下载量还超过 50 万。

厉害了。

可自动驾驶不是看完简历就发车钥匙。你得让它进仿真，进场景库，进故障注入，进版本回归，再看它在最糟糕的十秒里会不会保持一致。

NVIDIA 在 Cosmos 上做大模型，在 Alpamayo 里绑住推理与动作，再用 Halos 接安全验证，这条路已经比「模型会开车」的宣传成熟很多。

它仍然没有消灭那座桥。

也不该消灭。

模型可以开放，许可可以宽松，教师可以越来越聪明。真正决定一辆车能不能上路的，依然是团队有没有能力把每个决定变成可复现、可质疑、可拦截的工程证据。

权重是海图。

仿真、验收和回归才是船底那一层层不太好看、却真的能挡住海水的钢板。