周一，NVIDIA 最新发布了用于语音、安全和自动驾驶的全新 AI 工具，其中包括 NVIDIA DRIVE Alpamayo-R1，这是世界上第一个面向移动领域的开放式行业规模推理视觉语言动作模型。此外，一项新的独立基准测试认可了 NVIDIA Nemotron 模型和数据集的开放性和透明度。

Alpamayo-R1是NVIDIA首个面向 自动驾驶 的 开源推理型视觉‑语言‑动作（VLA）模型，属于 NVIDIA 物理AI战略的关键组件。模型旨在让车辆在感知环境后，能够 进行因果推理 再做出行动决策，从而提升 L4 级自动驾驶在长尾、复杂场景下的安全性与可解释性。

这家半导体巨头在加利福尼亚州圣地亚哥举行的 NeurIPS 人工智能大会上发布了 Alpamayo-R1—— 一款面向自动驾驶研究的开源推理型视觉语言模型。该公司称，这是业界首个专注于自动驾驶领域的视觉语言动作模型。视觉语言模型能够同时处理文本与图像信息，使车辆能够“看见”周围环境，并基于所感知的内容做出决策。

该新模型基于英伟达此前推出的 Cosmos-Reason 推理模型构建，后者具备在响应前对决策进行逻辑推演的能力。英伟达最初于 2025 年 1 月发布了 Cosmos 模型系列，并于同年 8 月推出了更多扩展版本。

英伟达在一篇博客文章中指出，Alpamayo-R1 这类技术对于致力于实现 L4 级自动驾驶的企业至关重要。L4 级自动驾驶指在特定区域和限定条件下实现完全自动驾驶。

英伟达希望，此类具备推理能力的模型能赋予自动驾驶车辆类似人类的“常识”，从而更妥善地应对复杂的驾驶场景中的细微决策。

目前，该新模型已在 GitHub 和 Hugging Face 平台开源发布。

除发布新视觉模型外，英伟达还同步在 GitHub 上推出了名为“Cosmos Cookbook”的全套开发资源包，包含分步指南、推理工具及训练后工作流，以帮助开发者针对自身应用场景更高效地使用和训练 Cosmos 系列模型。该资源包涵盖数据整理、合成数据生成以及模型评估等关键环节。

上述发布正值英伟达全力进军具身智能领域，将其视为其先进 AI GPU 技术的新增长方向。

IT之家注意到，英伟达联合创始人兼首席执行官黄仁勋多次表示，人工智能的下一波浪潮将是具身智能。今年夏天，英伟达首席科学家比尔・达利（Bill Dally）在接受 TechCrunch 采访时也表达了相同观点，并特别强调了具身智能在机器人领域的应用前景。

“我认为，机器人最终将成为全球的重要角色，而我们的目标就是打造所有机器人的‘大脑’，”达利当时表示，“要实现这一目标，我们必须从现在开始研发关键技术。”

英伟达官宣原文：https://blogs.nvidia.com/blog/neurips-open-source-digital-physical-ai/?utm_source=chatgpt.com