英伟达（NVDA，股价：188.120美元；总市值：4.57万亿美元）在无人驾驶领域迈出关键一步，宣布开源其首个推理VLA(视觉–语言–动作)模型Alpamayo 1，这一举措旨在加速安全的自动驾驶技术开发。该模型通过类人思维方式处理复杂驾驶场景，为解决自动驾驶长尾问题提供新路径。
当地时间1月5日，美东时间1月5日周一，英伟达CEO黄仁勋在拉斯维加斯举行的CES展会上发布了Alpamayo平台，使汽车能够在真实世界中进行"推理"。黄仁勋表示，首款搭载英伟达技术的汽车将于第一季度在美国上路。
英伟达免费开放Alpamayo模型，允许潜在用户自行对模型进行重新训练。该模型旨在打造能在意外情况下"思考"解决方案的车辆，例如交通信号灯故障等场景。车载计算机将分析来自摄像头和其他传感器的输入，将其分解为步骤并提出解决方案。
英伟达此次发布的Alpamayo家族整合了三大基础支柱：开源模型、仿真框架和数据集，构建了一个完整的开放生态系统供任何汽车开发者或研究团队使用。
Alpamayo 1是业界首个为自动驾驶研究社区设计的思维链推理VLA模型，现已在Hugging Face平台发布。该模型采用100亿参数架构，使用视频输入生成轨迹及推理轨迹，展示每个决策背后的逻辑。开发者可以将Alpamayo 1改编为更小的运行时模型用于车辆开发，或将其作为自动驾驶开发工具的基础，例如基于推理的评估器和自动标注系统。
黄仁勋表示：“物理AI的ChatGPT时刻已到来——机器开始理解、推理并在真实世界中行动。无人出租车是首批受益者。Alpamayo为自动驾驶汽车带来推理能力，使其能够思考罕见场景，在复杂环境中安全驾驶，并解释其驾驶决策——这是安全、可扩展自动驾驶的基础。”
英伟达强调，Alpamayo模型并非直接在车内运行，而是作为大规模教师模型，供开发者微调并提取到其完整自动驾驶技术栈的骨干中。未来该家族的模型将具有更大的参数规模、更详细的推理能力、更多的输入输出灵活性以及商业使用选项。
推理VLA是一种统一的AI模型，将视觉感知、语言理解和动作生成与逐步推理集成在一起。
这类模型整合了明确的AI推理功能，在传统视觉-语言-动作模型的基础上构建。AI推理是AI逐步解决复杂问题并生成类似于人类思维过程推理痕迹的能力。这些系统对一系列互联网规模的任务进行预训练，包括语言生成和视觉连接，以发展通用知识和感知基础。
与将视觉输入直接映射到动作的标准VLA模型不同，推理VLA模型将复杂的任务分解成可管理的子问题，并以可解释的形式阐明其推理过程。这使模型能够更准确地解决问题或执行任务，还能对模型正在进行的操作提供一定程度的反思。
构建推理VLA模型需要三种基本AI功能：视觉感知、语言理解以及动作和决策制定。视觉感知处理来自摄像头、毫米波雷达或激光雷达等感知传感器的实时数据；语言理解通过自然语言处理解释命令、上下文提示和对话输入；动作和决策制定则使用融合的感官和语言信息来计划、选择和安全地执行任务，同时生成可解释的推理痕迹。
在自动驾驶场景中，推理VLA可以对交通状况进行逐步推理。例如，接近一个十字路口时，系统可能会进行如此推理：“我看到一个停止标志，左边有车辆驶来，还有行人正在过马路。我应该减速，完全停下来，等待行人通过人行横道，安全时再继续前进。”
除Alpamayo 1模型外，英伟达还发布了配套的仿真工具和数据集，构建完整的开发生态系统。
此外，英伟达CEO黄仁勋表示，AI的复杂性推高需求。新款Vera Rubin设计已经全面量产。宣布面向Vera Rubin电脑的六款新芯片。新款VeraCPU拥有88 Arm定制核。公司现在是最大的网络公司。
黄仁勋表示，英伟达公司备受期待的新款Rubin数据中心产品将于今年发布，客户很快就能试用该技术，这将有助于加速人工智能的发展。相比前代Blackwell架构，Rubin加速器在AI训练性能上提升3.5倍，运行（推理）性能提升5倍，并配备拥有88个核心的新款中央处理器（CPU）。英伟达表示，基于Rubin的系统运行成本将低于Blackwell版本，因为它们可以用更少的组件实现相同的效果。微软公司和其他大型云服务商将成为首批部署这一新硬件的客户。
英伟达宣布，作为全栈NVIDIA BlueField平台的一部分，NVIDIA BlueField®-4数据处理器将为推理上下文记忆存储平台提供动力。赋能推理上下文记忆存储平台（Inference Context Memory Storage Platform）。这是一种专为千亿级参数规模（Gigascale）推理设计的新型AI原生存储基础设施，旨在加速并扩展代理式AI（Agentic AI）。
