英偉達開源Alpamayo，把Robotaxi門檻拉低到 “做手機水平”

在 CES 2026 的舞臺上，英偉達CEO黃仁勛沒提新顯卡，卻給自動駕駛行業投下了一顆 “核彈”—— 發布全球首個能 “思考” 的開源自動駕駛模型Alpamayo。

這款模型不僅能讓車自己剎車、變道，還能像人類司機一樣解釋 “為什么這么做”，直接破解了自動駕駛多年的 “長尾難題”。

更關鍵的是，搭載這套技術的奔馳新車今年就會在美國上路，2027年還要推出 Robotaxi服務，英偉達這次是真要從芯片供應商，變成自動駕駛的 “游戲規則制定者”。

01

傳統自動駕駛的 “死穴”，被 Alpamayo 破了

很多人對自動駕駛的印象還停留在 “看到紅燈就剎車”，但現實路況遠比這復雜：路口交通燈失靈、外賣小哥突然橫穿馬路、施工區域沒有標志…… 這些 “長尾場景”，正是傳統自動駕駛的噩夢。

傳統系統遵循 “感知 - 規劃 - 控制” 的流水線邏輯，本質是 “執行預設規則”。比如檢測到 “前方有行人” 就減速，但它沒法判斷 “這個行人是要過馬路，還是只是站在路邊”，更沒法預判 “旁邊的車可能要違規加塞”。之前有車主反饋，在高速上遇到車輛突然變道，系統反應慢了半秒，差點追尾 —— 這就是 “只會執行、不會思考” 的弊端。

而 Alpamayo的突破，恰恰是給車裝上了 “邏輯大腦”。它是行業首個開源的視覺 - 語言 - 行動（VLA）推理模型，100 億參數的底層架構里，藏著一套 “因果鏈推理” 能力。簡單說，它不僅能 “看到” 路況，還能 “想明白” 背后的邏輯：

• 在十字路口，它不只是識別 “前方有一輛車”，還能推理 “那輛車打了左轉燈，可能要橫穿我的路線，所以我該等它先過”；
• 遇到交通燈故障，它會結合周圍車輛的行駛規律、行人動作，規劃出 “先讓對向直行車通過，再緩慢左轉” 的路線，而不是僵在原地；
• 甚至能提前 2.3 秒識別突發狀況，比前代模型決策準確率提升 47%，在動態障礙物避讓測試中，響應速度達到毫秒級，控制精度能精確到厘米。
• 
  

實測數據更能說明問題：Alpamayo 的規劃精度提升 12%、越界率降低 35%、近碰率降低 25%，端到端延遲壓到了 99 毫秒。

在舊金山的實車演示中，搭載這套系統的奔馳 CLA，90% 的路程都實現了自動駕駛，只有遇到雙向堵車這種極端場景時，才需要人類介入。

02

2027年搞 Robotaxi

黃仁勛在演講里沒少放豪言，但這次的落地節奏卻異常清晰 —— 沒有 “未來可期”，全是 “明確時間表”。

首先是量產車落地：2025 款梅賽德斯 - 奔馳 CLA 會是首個搭載 Alpamayo 技術的車型，計劃 2026 年第一季度在美國上路測試。

這款車定位 “L2++ 級”，雖然要求駕駛員時刻保持注意力，但核心的高速脫手駕駛、自動避讓等功能，都靠 Alpamayo 支撐。

英偉達還透露，會在 2026 年底通過 OTA 升級，讓這款車具備城市導航能力 —— 也就是說，到時候在市區里，它能自己應對紅綠燈、環島、行人橫穿等復雜場景。

更重磅的是Robotaxi 布局：英偉達計劃 2027 年和合作伙伴一起，在特定區域測試 L4 級自動駕駛出租車服務。這意味著在這些區域里，車能完全自主處理所有駕駛任務，不需要人類司機坐鎮——直接對標 Waymo這個行業先行者。

要知道，英偉達之前只是給車企提供芯片和軟件，這次卻要親自下場做 “車隊運營”，野心不小。黃仁勛甚至放話：“未來會有十億輛自動駕駛汽車上路，要么個人擁有，要么租賃運營，汽車業務會成為繼 AI 之后的第二大增長極。”

目前來看，這個目標不是空想。一方面，Alpamayo 已經通過了 “開環指標評估、閉環仿真測試、真實道路驗證” 三重考驗，實車測試里程突破百萬公里；另一方面，除了奔馳，Lucid、捷豹路虎、Uber 也都明確要合作。

03

安全不妥協，雙系統兜底

自動駕駛要落地，安全永遠是第一道坎。黃仁勛很清楚這一點，所以給 Alpamayo 設計了一套 “雙系統安全策略”，相當于給車裝了 “雙保險”：

• 第一套是端到端 AI 系統：基于 Alpamayo 的推理能力，負責感知環境、規劃路徑，處理大部分常規和復雜場景；
• 第二套是規則化安全棧：這是 “最后一道防線”，當 AI 對決策不確定時（比如遇到模糊的停止標志、極端暴雨天氣），它會強制接管車輛，按照預設的安全規則行駛。
• 
  

舉個例子：如果 AI 在判斷 “是否要闖紅燈” 時出現猶豫（比如燈壞了，只有閃黃燈），安全棧會立即介入，讓車輛減速到停止，確認安全后再啟動 —— 避免 AI “賭一把” 的風險。

而且系統還會實時監測 128 項潛在風險指標，從 “傳感器是否故障” 到 “輪胎壓力是否正?！保俚?“AI 模型的推理置信度”，只要有一項超標，就會觸發預警或接管。這種 “AI 靈活決策 + 規則兜底” 的模式，既解決了傳統系統的 “死板”，又避免了純 AI 模型的 “黑箱風險”。

04

開源 “殺招”：把自動駕駛門檻拉到 “做手機水平”

如果說 Alpamayo 的技術能力是 “硬實力”，那英偉達的 “開源策略” 就是打亂行業格局的 “軟殺招”。

這次英偉達不是只開放算法代碼，而是直接把從數據到部署的完整工具鏈都開源了：

• ※模型層面：Alpamayo 1 的底層代碼已上線 Hugging Face，開發者可以直接微調，生成更輕量化的版本（比如適配低成本車型）；
• ※仿真層面：配套的 AlpaSim 框架開源在 GitHub，能模擬各種天氣（暴雨、大霧）、路況（山區、市區），甚至能生成 “交通燈失靈”“貨車掉貨” 這種罕見場景，大幅減少實車測試成本；
• ※數據層面：開放 1700 小時全球駕駛數據集，覆蓋不同國家的道路規則、氣候條件，還有 45.5 萬個蛋白質結構、100TB 車輛傳感器數據 —— 相當于給中小車企和初創公司，送了一套 “自動駕駛研發全家桶”。

之前要做L4級自動駕駛，車企得投入幾十億建團隊、采數據、搭仿真平臺，現在基于Alpamayo，可能只需要幾個人的團隊，就能在半年內搭建出核心系統。

就像黃仁勛說的：“未來造自動駕駛汽車，會像做手機一樣簡單——底層有統一的‘安卓系統’（Alpamayo），廠商只需要專注做外觀、內飾這些差異化的東西?！?/p>

這對行業的影響是顛覆性的：之前 Waymo、 Cruise 靠 “獨家技術” 壟斷 Robotaxi 賽道，現在英偉達把門檻拉低，傳統網約車平臺、出租車公司，甚至區域性車企，都能 “開箱即用” 搞自動駕駛 —— 行業競爭從 “技術壁壘” 轉向 “運營能力”，而英偉達則穩穩抓住了 “底層生態” 的話語權。

結語：自動駕駛的 “iPhone 時刻”，要來了？

黃仁勛在演講里說：“物理 AI 的 ChatGPT 時刻已經到來，這是機器開始理解現實世界的轉折點。” 放在自動駕駛領域，Alpamayo 的意義，可能就像 iPhone 對功能機的顛覆 —— 不是簡單的 “性能提升”，而是重構了 “人與車的交互邏輯”。

從今年奔馳在美國上路，到 2027 年 Robotaxi 測試，再到 2028 年目標實現 “點對點自動駕駛”，英偉達的節奏很穩。

更重要的是，它用開源打破了技術壟斷，讓更多玩家能參與進來 —— 當自動駕駛不再是 “少數巨頭的游戲”，而是像手機一樣普及，那真正改變出行的時刻，就不遠了。

或許過不了幾年，我們坐進車里，說一句“去公司”，車不僅會自己開，還能跟你解釋“剛才為什么變道”“前面路段堵車，我繞了條更快的路”——這種“車懂你，也懂路況”的場景，正在從科幻變成現實。