340亿参数开源+商用,自动驾驶进入「安卓时刻」

黄仁勋注册了一个新社交媒体账号。

开通半个多月，只发了三条内容。

其中一条，给了Alpamayo 2 Super。

这个动作本身，比模型参数更值得注意。

8月4日深夜，英伟达CEO正式宣布推出这个面向自动驾驶的开源推理模型。不是仅供研究，是直接开放商用。

340亿参数，挂到Hugging Face上，用的是Linux基金会的OpenMDW-1.1协议。

下载下来就能微调，就能做衍生模型，就能商用。

不需要找英伟达签协议，不需要额外授权。

340亿参数是怎么来的？

拆开看，320亿参数的Cosmos 3 Super Reasoner负责理解场景，23亿参数的动作专家负责输出控制。

理解与执行被显式分开。理解侧的权重是执行侧的近14倍。

这个设计意图很清楚：先想明白，再动手。

Alpamayo 2 Super是一个VLA模型，视觉-语言-动作架构。

以前的自动驾驶模型，感知一个、预测一个、规划一个、标注还得另一个。

出了问题，得在好几个模型之间来回跳，还不一定能找到根因。

这个模型把这些活全揽了。一个模型，输入多摄像头视频，一口气输出五个东西。

未来轨迹，车该怎么走。

因果链推理，为什么这么走。

元动作，变道、让行、停车这些高层意图。

自动标注，直接生成训练标签。

视觉问答，还带2D定位。

最关键的是那个「因果链」。

它不光告诉你该怎么走，还能告诉你为什么这么走。

变道是因为前车太慢？让行是因为有行人要横穿？每一个决策都有推理过程可查。

自动驾驶最大的问题之一就是「黑箱」。出了事故，谁也说不清车为什么那么做。

有了因果链，开发者能排查，监管能验证，出了事能溯源。

性能到底有多猛？

LingoQA这个自动驾驶推理基准，测了快40个模型，Alpamayo 2 Super排第一。

用Lingo-Judge指标测，比Qwen2.5-VL 72B高17分，比Gemini 2.5 Pro高15.1分，比GPT-4o高23.2分。

GPT-4o是通用大模型里的天花板级选手，在专门的驾驶推理任务上被一个垂直模型甩开20多分。

这说明自动驾驶这个领域的垂直化趋势已经非常明显。通用模型再强，到了专业场景还是打不过专门训练的。

参数规模是前代的3倍。

Alpamayo 1.5和1都是100亿参数，2 Super直接干到340亿。

参数多了带来的好处是长尾场景的泛化能力更强。那些罕见的、多智能体交互的复杂场景，以前的模型容易懵，现在能更好地处理。

感知范围也升级了，从单摄像头扩到最多7个摄像头的360度全景。

变道、并线、无保护左转、复杂交叉口这些高风险场景，有了环绕视角之后理解会更全面。

不过有一说一，这个340亿的版本不是给车端用的。

340亿参数，推理一次得几十GB显存，普通车根本跑不动。

它的定位是「云端教师模型」。

在云上用这个大模型做推理、生成训练数据、做知识蒸馏，然后把蒸馏出来的小模型部署到车上的DRIVE AGX Thor芯片上。

这个套路其实很英伟达：模型白给你用，但是要跑我的芯片。

开源模型是饵，卖芯片才是真正的生意。

但模型开源这件事本身，意义还是很大的。

对中小自动驾驶公司来说，门槛又降了一截。

以前从零训练一个基础推理大模型，数据、算力、人才哪一样都是天价。

现在有了340亿参数的开源底座，可以在上面微调自己的数据、适配自己的驾驶策略，省了好几年的基础研发时间。

对车企来说，多了一个选择。

不用再被某一家供应商绑死，也不用完全自研从零开始。

有开源底座打底，可以把精力放在自己真正有差异化的地方。

而且整个生态不是只有一个模型。

英伟达同时放出来的还有AlpaSim闭环仿真、AlpaGym强化学习框架、Physical AI开放数据集、训练配方和自动标注流水线。

从数据到训练到仿真到部署，一套东西给你凑齐了。

Alpamayo整个系列在Hugging Face上的下载量已经超过50万次了。

这个量级说明行业对开源自动驾驶模型的需求是真的大。大家都不想从零造轮子。

回到中国这边。

工信部数据显示，2026年以来，L2级组合驾驶辅助功能乘用车渗透率达到70.5%，领航驾驶辅助（NOA）功能乘用车渗透率达到34.2%。

首批L3级有条件自动驾驶车型已经开始在特定区域上路通行。

北京市2026年上半年乘用车新车L2级组合辅助驾驶渗透率更是达到77.5%。

高阶智驾正在从概念变成标配。

我之前写过一篇关于比亚迪智驾芯片的文章。

那篇文章里提到，比亚迪在深圳发布了中国首款4nm车规级智驾芯片——璇玑A3，单车搭载3颗，整车综合算力超过2100TOPS，原生支持L3、L4高阶自动驾驶。

现在英伟达把340亿参数的开源模型放出来，对比亚迪、极氪、小米这些已经基于英伟达硬件生态布局智驾的车企来说，可以直接无缝升级顶级大模型能力。

模型开源了，硬件生态绑定更紧了。

过去智驾的核心壁垒是有没有大模型、有没有核心算法。

未来的核心壁垒将变成谁的数据运营更好、谁的场景适配更精准、谁的整车调校更成熟。

这与安卓时代手机厂商不再比拼系统底层，而是比拼硬件、影像、系统优化、本地化体验的逻辑完全一致。

自动驾驶，进入「安卓时刻」。

当然，模型开源了不代表你就能造出车了。

自动驾驶这事，模型只是其中一环。数据、仿真、硬件、安全验证、法规合规，哪一环都不简单。

但门槛确实降了。

当门槛降低，竞争的重心就会转移。

从「能不能做」变成「谁做得更好」。

这对消费者来说，是好事。

延伸阅读：《比亚迪4nm智驾芯片量产》—— 2026年5月29日