NVIDIA、自動運転の「思考」をオープンに：Alpamayo 2 SuperがもたらすVLAモデルの新時代

NVIDIAのCEOであるジェンスン・フアン（Jensen Huang）氏はこのリリースを発表し、「ロボタクシー、トラック、シャトル、配送バン、トラクター、そしてモバイルロボットのロングテールにとって強力なバックボーンとなる」と述べています。このモデルは、同年のCES 2026およびGTC Taipeiで初めて公開されました。

アーキテクチャ：32Bビジョン言語バックボーン + 2Bアクションデコーダ

Alpamayo 2 Superは合計約340億パラメータを有します。その構成は以下の通りです：

• NVIDIA Cosmos 3 Super Reasoner をベースにした320億パラメータのビジョン言語バックボーン。
• 20億パラメータの拡散ベースのAction Expert（アクションデコーダ）。
• ベースとなるCosmos 3 Super Reasonerに適用された強化学習（RL）による追加学習。

このアーキテクチャは全周囲認識を備えたトランスフォーマーであり、最大7台のカメラからの映像を処理して360度の視野をカバーし、レベル4自動運転を明確にターゲットとしています。

教師モデル：シーンあたり5つの結合出力

NVIDIAはAlpamayo 2 Superをクラウドベースの教師モデルとして設計し、1つの運転シーンに対して5つの結合された出力を生成します。これらはその後、車両に搭載するより小型の展開モデルに蒸留（ディスティレーション）することができます：

1. 計画軌道（Planned trajectory） — 予測される走行経路。
2. 因果連鎖推論トレース（Chain-of-causation reasoning trace） — 運転判断を説明する解釈可能な推論連鎖。
3. 高レベルメタアクション（High-level meta-action） — 高レベルの運転行動（例：「譲る」「車線変更」）。
4. 自動生成推論ラベル（Auto-generated reasoning labels） — トレーニングデータのための自動ラベル付けされた理由付け。
5. 視覚的質問応答（VQA） — 運転シーンに関する視覚的な質問への回答。

因果連鎖トレースはNVIDIA Halos安全検証ワークフローと直接統合されており、ISO/PAS 8800要件に準拠したAI安全性をサポートします。

ベンチマーク性能：LingoQAで首位

NVIDIAのテストにおいて、Alpamayo 2 SuperはLingoQAスコア79.2を達成し、自動運転ベンチマークLingoQAで首位に立ちました。他の主要モデルとの比較は以下の通りです：

• Qwen2.5-VL 72B を17ポイント上回る
• GPT-4o を23.2ポイント上回る
• Gemini 2.5 Pro も上回る（NVIDIAの報告による）

戦略的ポジショニング：自動運転業界のためのオープンインフラ

NVIDIAはAlpamayo 2 Superを、自動運転業界全体のためのオープンインフラとして明確に位置づけており、ロボタクシー運営事業者や自動運転メーカーの競合となるものではないとしています。このモデルは、どの企業でも微調整、適応、商用展開が可能で、独自ロックインはありません。

今回のリリースにより、以前のAlpamayoファミリーを研究目的のみに制限していたライセンス上の障壁が取り除かれました。NVIDIAは、OpenMDWライセンスがAlpamayoシリーズ全体に適用されると述べており、開発者は独自の自動運転スタックに合わせてモデルを自由に適応させることができます。

主なポイント

• 商用リリース：2026年8月4日、Hugging Face上で重みを公開。
• OpenMDW-1.1ライセンス：微調整、派生モデル、商用利用を許可。
• 総パラメータ数340億：320億のCosmos 3 Super Reasoner + 20億の拡散Action Expert。
• シーンあたり5つの結合出力：クラウドベースの教師モデルワークフロー向け。
• LingoQA 79.2：ベンチマークで首位、GPT-4oを23.2ポイント上回る。
• ロングテールのエッジケースをターゲット：Halosを介してISO/PAS 8800に準拠。