撰文 | 张霖郁

编辑 | 黄大路

设计 | 甄尤美

当地时间2025年12月1日，英伟达通过其官网宣布开源自动驾驶模型 Alpamayo-R1。

目前，该模型对应的数据集也已上传至开源社区，总大小约100TB，这是英伟达首次将VLA模型进行开源。

在数据许可的部分，英伟达明确了数据集可以用于商业和非商业用途。

Alpamayo-R1是全球首个针对自动驾驶场景设计的开源视觉-语言-动作（VLA）大模型。与以往仅模仿驾驶动作的端到端模型不同，Alpamayo-R1通过“链式推理”让车辆在做出决策时“自言自语”，整个过程是先将传感器数据如摄像头、雷达等转化为自然语言描述，然后逐步进行场景分析和路径推理。

英伟达研究团队介绍，这一模型可以像人类老司机一样分步思考：先识别路口处的动态参与者，比如行人、车辆、自行车等，推断其潜在意图，结合交通规则和历史轨迹预测未来状态，再评估本车各种可行动作的安全边际，最终输出最优控制指令。

这一过程大大提高了系统在长尾复杂场景中的鲁棒性，例如车辆在繁忙十字路口遇到杂乱施工路障、无保护左转或雨夜道路损毁等情况时，能够通过逻辑推理预判风险并安全避让。

鲁棒性是人工智能、自动驾驶、工程控制等技术领域中的一个核心概念，指的是一个系统在面对外部干扰、输入变化、环境不确定性或异常情况下，仍能保持稳定、正确运行的能力。

Alpamayo-R1的出现可以解决最令人头疼的长尾场景下的安全性。

据公开资料，Alpamayo-R1在针对极端长尾场景的测试中较传统模型规划准确率提升12%，事故率降低35%、近碰率降低25%，同时实现了99毫秒的低延迟响应。

从功能上看，英伟达还将Alpamayo-R1连同部分训练数据集和配套工具一并开源，英伟达还提供了AlpaSim仿真评估框架及“物理AI开放数据集”中的部分训练数据。

此外，配套的Cosmos开发者工具链（Cosmos Cookbook）包含了高质量数据构建规范、合成场景生成流程以及模型评估基准等资源，方便研究人员在各自应用场景中微调与部署该模型。

总之，这套全栈开源方案不仅演示了最新AI推理技术在车载场景的落地，也意味着英伟达将其自动驾驶软件研发的核心成果置于开放平台之上。

战略考量

业内普遍认为，英伟达此举不仅是技术发布，更是战略布局的一环。

一方面，通过开放核心算法，英伟达意在巩固并扩张自身生态影响力。

许多汽车厂商过去需要自行开发全套自动驾驶算法，而借助英伟达的开源技术，它们可以像造手机一样快速组装自动驾驶系统：只需购买英伟达的芯片平台，将部分算法与场景微调，便能实现高级自动驾驶功能。

正如业内有评论所说，这标志着Robotaxi产业进入“安卓时刻”，即制造商可以采用通用开放的硬件+软件方案，而非闭门造。

业内人士说此举还与英伟达硬件销售目标相辅相成：更多开发者和整车厂采用其软件生态，自然会带动对Orin/Thor等车规级计算芯片的需求。

另一方面，英伟达也明确提出，要借助开源建立行业标准。

公司产品经理表示，让研发者“理解这些模型如何工作”，有助于行业形成统一的评测和安全标准。

换言之，在全球日益强调自动驾驶安全与透明度的大环境下，开放模型利于加速错误发现和修复，迎合监管对可解释性的要求。

同时，英伟达自身也能通过开放策略确立技术话语权：借助Cosmos大模型平台，英伟达希望“加速整个生态向‘理解型自动驾驶’演进”。

产业链冲击以及中国市场的机遇

从产业链视角看，英伟达的开放动作加剧了开源与封闭阵营间的竞争格局。

传统成熟自动驾驶方案多为闭源体系：如特斯拉的Autopilot、Waymo或Mobileye等厂商的核心算法并不对外公开，供应商和客户只能被动接受“黑盒”技术。

不过，自动驾驶领域并非没有开源先例。

早在2015年，日本名古屋大学团队推出了Autoware平台，成为业内首个面向自动驾驶的“All-in-One”开源软件。

对比之下，此次英伟达将高阶推理模型开源，无疑打破了其自身之前的封闭惯例——此前英伟达的DriveWorks平台虽然代码开源，但只能在英伟达 GPU上运行，而底层的DriveOS系统依赖QNX内核并未开源。

如今Alpamayo-R1及其工具链全面开放，标志着封闭高端自动驾驶技术的壁垒被进一步撕裂。

这一变化可能会引发新一轮开源热潮。

“随着自动驾驶硬件趋于同质化，决策层面的算法和软件生态将成为关键竞争点。”一位智驾芯片专业人士告诉《汽车商业评论》。

对中国车企和供应商而言，英伟达的开源浪潮机遇与挑战并存。

一方面，中国厂商对自动驾驶技术需求旺盛，且已有大量投资在英伟达平台上。

2023年盖世统计显示，中国智能驾驶域控制芯片装机量中，特斯拉自研FSD芯片占37%，英伟达Orin-X占33.5%；由于特斯拉芯片仅供特斯拉自用，绝大多数国内车企的L2/L3乃至L4系统都依赖英伟达方案。

对于这些依托英伟达平台的车企而言，开源软件和工具能够直接用于本地算法开发和场景调优，利用已有的数据资源加速软件化转型。

另一方面，国内企业也面临现实壁垒。

据央媒引用的行业数据显示，到2025年中国新能源汽车及智能网联相关人才缺口将超百万，智能驾驶工程师供需比仅为0.38。

要消化和应用像Alpamayo这样复杂的大模型，需要大量掌握算法、软件及系统集成的复合型人才。

目前，从现有测试统计分析看，中国绝大多数测试场景仍集中在有限路段和具体工况中，真正的大规模L4落地试运营仍需时间。

在这种环境下，中国车企和本土Tier-1供应商需要评估如何将开源技术本地化：他们是否有足够的高精度地图、长尾场景数据和高度模拟环境，来反复验证模型的安全性和合规性？