เจสัน หวง (Jensen Huang) ซีอีโอของ NVIDIA ประกาศการปล่อยโมเดลดังกล่าว โดยเรียกว่า "เป็นกระดูกสันหลังที่ทรงพลังสำหรับโรโบแท็กซี่ รถบรรทุก รถรับส่ง รถส่งของ รถแทรกเตอร์ และหุ่นยนต์เคลื่อนที่ในระยะยาว" ก่อนหน้านี้โมเดลนี้เคยเปิดตัวครั้งแรกที่งาน CES 2026 และ GTC Taipei

สถาปัตยกรรม: 32B Vision-Language Backbone + 2B Action Decoder

Alpamayo 2 Super มีพารามิเตอร์รวมประมาณ 34,000 ล้านพารามิเตอร์ ประกอบด้วย:

• Vision-Language Backbone ขนาด 32,000 ล้านพารามิเตอร์ สร้างบน NVIDIA Cosmos 3 Super Reasoner
• Action Decoder ขนาด 2,000 ล้านพารามิเตอร์ แบบ Diffusion-based เรียกว่า Action Expert
• การฝึกเสริมด้วยการเรียนรู้แบบเสริมแรง (Reinforcement Learning) เพิ่มเติมจาก Cosmos 3 Super Reasoner

สถาปัตยกรรมเป็นแบบ Transformer ที่รับรู้รอบทิศทาง โดยรองรับวิดีโอจากกล้องสูงสุด 7 ตัวเพื่อครอบคลุม 360 องศา และออกแบบมาเพื่อการขับเคลื่อนอัตโนมัติระดับ 4 โดยเฉพาะ

Teacher Model: 5 เอาต์พุตต่อฉาก

NVIDIA ออกแบบ Alpamayo 2 Super ให้เป็น Teacher Model บนคลาวด์ ที่สร้าง เอาต์พุต 5 รูปแบบต่อหนึ่งฉากขับขี่ ซึ่งสามารถกลั่น (distill) เป็นโมเดลขนาดเล็กสำหรับติดตั้งในรถยนต์ได้ :

1. เส้นทางที่วางแผน (Planned trajectory) — เส้นทางการขับขี่ที่คาดการณ์ไว้
2. สายโซ่แห่งเหตุผล (Chain-of-causation reasoning trace) — ห่วงโซ่เหตุผลที่สามารถอธิบายได้ว่าทำไมถึงตัดสินใจแบบนั้น
3. การกระทำระดับสูง (High-level meta-action) — การกระทำในระดับสูง เช่น "ชะลอ" หรือ "เปลี่ยนเลน"
4. ป้ายเหตุผลที่สร้างอัตโนมัติ (Auto-generated reasoning labels) — ป้ายกำกับที่สร้างขึ้นโดยอัตโนมัติสำหรับเทรนนิ่งข้อมูล
5. คำตอบคำถามภาพ (Visual question answers / VQA) — คำตอบสำหรับคำถามที่เกี่ยวกับภาพในฉากขับขี่

สายโซ่แห่งเหตุผลเหล่านี้ผสานเข้ากับกระบวนการตรวจสอบความปลอดภัย NVIDIA Halos โดยตรง และรองรับข้อกำหนดด้านความปลอดภัย AI ตามมาตรฐาน ISO/PAS 8800

ประสิทธิภาพบนเบนช์มาร์ก: อันดับ 1 บน LingoQA

ในการทดสอบของ NVIDIA Alpamayo 2 Super ทำคะแนน LingoQA 79.2 คว้าอันดับ 1 บนเบนช์มาร์กยานยนต์ไร้คนขับ LingoQA โดยเอาชนะ:

• Qwen2.5-VL 72B ไป 17 จุด
• GPT-4o ไป 23.2 จุด
• Gemini 2.5 Pro (ในการทดสอบของ NVIDIA)

กลยุทธ์: โครงสร้างพื้นฐานเปิดสำหรับอุตสาหกรรม AV

NVIDIA วางตำแหน่ง Alpamayo 2 Super อย่างชัดเจนว่าเป็น โครงสร้างพื้นฐานเปิดสำหรับอุตสาหกรรมยานยนต์ไร้คนขับทั้งหมด — ไม่ใช่คู่แข่งกับผู้ให้บริการโรโบแท็กซี่หรือผู้ผลิต AV โดยโมเดลนี้พร้อมให้ทุกบริษัทนำไปปรับแต่ง ดัดแปลง และนำไปใช้ในเชิงพาณิชย์ได้โดยไม่มีล็อกเฉพาะ

การปล่อยครั้งนี้ขจัดอุปสรรคด้านไลเซนส์ที่ทำให้ตระกูล Alpamayo รุ่นก่อนหน้าถูกจำกัดไว้แค่ใช้งานวิจัยเท่านั้น NVIDIA ระบุว่าไลเซนส์ OpenMDW นำไปใช้กับตระกูล Alpamayo ทั้งหมดแล้ว นักพัฒนาจึงสามารถปรับโมเดลสำหรับชุดซอฟต์แวร์ขับเคลื่อนไร้คนขับของตนเองได้

สรุปประเด็นสำคัญ

• ปล่อยเชิงพาณิชย์ วันที่ 4 สิงหาคม 2026 พร้อมน้ำหนักโมเดลบน Hugging Face
• ไลเซนส์ OpenMDW-1.1 อนุญาตปรับแต่ง สร้างโมเดลต่อยอด และใช้เชิงพาณิชย์
• รวม 34B พารามิเตอร์: 32B Cosmos 3 Super Reasoner + 2B Diffusion Action Expert
• 5 เอาต์พุตต่อฉาก สำหรับเวิร์กโฟลว์ Teacher Model บนคลาวด์
• LingoQA 79.2 — อันดับ 1 บนเบนช์มาร์ก เอาชนะ GPT-4o ได้ 23.2 จุด
• มุ่งเป้าเหตุการณ์ขอบสูง (long-tail edge cases) และสอดคล้องกับ ISO/PAS 8800 ผ่าน Halos

เจสัน หวง (Jensen Huang) ซีอีโอของ NVIDIA ประกาศการปล่อยโมเดลดังกล่าว โดยเรียกว่า "เป็นกระดูกสันหลังที่ทรงพลังสำหรับโรโบแท็กซี่ รถบรรทุก รถรับส่ง รถส่งของ รถแทรกเตอร์ และหุ่นยนต์เคลื่อนที่ในระยะยาว" ก่อนหน้านี้โมเดลนี้เคยเปิดตัวครั้งแรกที่งาน CES 2026 และ GTC Taipei

สถาปัตยกรรม: 32B Vision-Language Backbone + 2B Action Decoder

Alpamayo 2 Super มีพารามิเตอร์รวมประมาณ 34,000 ล้านพารามิเตอร์ ประกอบด้วย:

• Vision-Language Backbone ขนาด 32,000 ล้านพารามิเตอร์ สร้างบน NVIDIA Cosmos 3 Super Reasoner
• Action Decoder ขนาด 2,000 ล้านพารามิเตอร์ แบบ Diffusion-based เรียกว่า Action Expert
• การฝึกเสริมด้วยการเรียนรู้แบบเสริมแรง (Reinforcement Learning) เพิ่มเติมจาก Cosmos 3 Super Reasoner

สถาปัตยกรรมเป็นแบบ Transformer ที่รับรู้รอบทิศทาง โดยรองรับวิดีโอจากกล้องสูงสุด 7 ตัวเพื่อครอบคลุม 360 องศา และออกแบบมาเพื่อการขับเคลื่อนอัตโนมัติระดับ 4 โดยเฉพาะ

Teacher Model: 5 เอาต์พุตต่อฉาก

NVIDIA ออกแบบ Alpamayo 2 Super ให้เป็น Teacher Model บนคลาวด์ ที่สร้าง เอาต์พุต 5 รูปแบบต่อหนึ่งฉากขับขี่ ซึ่งสามารถกลั่น (distill) เป็นโมเดลขนาดเล็กสำหรับติดตั้งในรถยนต์ได้ :

1. เส้นทางที่วางแผน (Planned trajectory) — เส้นทางการขับขี่ที่คาดการณ์ไว้
2. สายโซ่แห่งเหตุผล (Chain-of-causation reasoning trace) — ห่วงโซ่เหตุผลที่สามารถอธิบายได้ว่าทำไมถึงตัดสินใจแบบนั้น
3. การกระทำระดับสูง (High-level meta-action) — การกระทำในระดับสูง เช่น "ชะลอ" หรือ "เปลี่ยนเลน"
4. ป้ายเหตุผลที่สร้างอัตโนมัติ (Auto-generated reasoning labels) — ป้ายกำกับที่สร้างขึ้นโดยอัตโนมัติสำหรับเทรนนิ่งข้อมูล
5. คำตอบคำถามภาพ (Visual question answers / VQA) — คำตอบสำหรับคำถามที่เกี่ยวกับภาพในฉากขับขี่

สายโซ่แห่งเหตุผลเหล่านี้ผสานเข้ากับกระบวนการตรวจสอบความปลอดภัย NVIDIA Halos โดยตรง และรองรับข้อกำหนดด้านความปลอดภัย AI ตามมาตรฐาน ISO/PAS 8800

ประสิทธิภาพบนเบนช์มาร์ก: อันดับ 1 บน LingoQA

ในการทดสอบของ NVIDIA Alpamayo 2 Super ทำคะแนน LingoQA 79.2 คว้าอันดับ 1 บนเบนช์มาร์กยานยนต์ไร้คนขับ LingoQA โดยเอาชนะ:

• Qwen2.5-VL 72B ไป 17 จุด
• GPT-4o ไป 23.2 จุด
• Gemini 2.5 Pro (ในการทดสอบของ NVIDIA)

กลยุทธ์: โครงสร้างพื้นฐานเปิดสำหรับอุตสาหกรรม AV

NVIDIA วางตำแหน่ง Alpamayo 2 Super อย่างชัดเจนว่าเป็น โครงสร้างพื้นฐานเปิดสำหรับอุตสาหกรรมยานยนต์ไร้คนขับทั้งหมด — ไม่ใช่คู่แข่งกับผู้ให้บริการโรโบแท็กซี่หรือผู้ผลิต AV โดยโมเดลนี้พร้อมให้ทุกบริษัทนำไปปรับแต่ง ดัดแปลง และนำไปใช้ในเชิงพาณิชย์ได้โดยไม่มีล็อกเฉพาะ

การปล่อยครั้งนี้ขจัดอุปสรรคด้านไลเซนส์ที่ทำให้ตระกูล Alpamayo รุ่นก่อนหน้าถูกจำกัดไว้แค่ใช้งานวิจัยเท่านั้น NVIDIA ระบุว่าไลเซนส์ OpenMDW นำไปใช้กับตระกูล Alpamayo ทั้งหมดแล้ว นักพัฒนาจึงสามารถปรับโมเดลสำหรับชุดซอฟต์แวร์ขับเคลื่อนไร้คนขับของตนเองได้

สรุปประเด็นสำคัญ

• ปล่อยเชิงพาณิชย์ วันที่ 4 สิงหาคม 2026 พร้อมน้ำหนักโมเดลบน Hugging Face
• ไลเซนส์ OpenMDW-1.1 อนุญาตปรับแต่ง สร้างโมเดลต่อยอด และใช้เชิงพาณิชย์
• รวม 34B พารามิเตอร์: 32B Cosmos 3 Super Reasoner + 2B Diffusion Action Expert
• 5 เอาต์พุตต่อฉาก สำหรับเวิร์กโฟลว์ Teacher Model บนคลาวด์
• LingoQA 79.2 — อันดับ 1 บนเบนช์มาร์ก เอาชนะ GPT-4o ได้ 23.2 จุด
• มุ่งเป้าเหตุการณ์ขอบสูง (long-tail edge cases) และสอดคล้องกับ ISO/PAS 8800 ผ่าน Halos