英伟达开源Alpamayo，把Robotaxi门槛拉低到 “做手机水平”

在 CES 2026 的舞台上，英伟达CEO黄仁勋没提新显卡，却给自动驾驶行业投下了一颗 “核弹”—— 发布全球首个能 “思考” 的开源自动驾驶模型Alpamayo。

这款模型不仅能让车自己刹车、变道，还能像人类司机一样解释 “为什么这么做”，直接破解了自动驾驶多年的 “长尾难题”。

更关键的是，搭载这套技术的奔驰新车今年就会在美国上路，2027年还要推出 Robotaxi服务，英伟达这次是真要从芯片供应商，变成自动驾驶的 “游戏规则制定者”。

01

传统自动驾驶的 “死穴”，被 Alpamayo 破了

很多人对自动驾驶的印象还停留在 “看到红灯就刹车”，但现实路况远比这复杂：路口交通灯失灵、外卖小哥突然横穿马路、施工区域没有标志…… 这些 “长尾场景”，正是传统自动驾驶的噩梦。

传统系统遵循 “感知 - 规划 - 控制” 的流水线逻辑，本质是 “执行预设规则”。比如检测到 “前方有行人” 就减速，但它没法判断 “这个行人是要过马路，还是只是站在路边”，更没法预判 “旁边的车可能要违规加塞”。之前有车主反馈，在高速上遇到车辆突然变道，系统反应慢了半秒，差点追尾 —— 这就是 “只会执行、不会思考” 的弊端。

而 Alpamayo的突破，恰恰是给车装上了 “逻辑大脑”。它是行业首个开源的视觉 - 语言 - 行动（VLA）推理模型，100 亿参数的底层架构里，藏着一套 “因果链推理” 能力。简单说，它不仅能 “看到” 路况，还能 “想明白” 背后的逻辑：

• 在十字路口，它不只是识别 “前方有一辆车”，还能推理 “那辆车打了左转灯，可能要横穿我的路线，所以我该等它先过”；
• 遇到交通灯故障，它会结合周围车辆的行驶规律、行人动作，规划出 “先让对向直行车通过，再缓慢左转” 的路线，而不是僵在原地；
• 甚至能提前 2.3 秒识别突发状况，比前代模型决策准确率提升 47%，在动态障碍物避让测试中，响应速度达到毫秒级，控制精度能精确到厘米。
• 
  

实测数据更能说明问题：Alpamayo 的规划精度提升 12%、越界率降低 35%、近碰率降低 25%，端到端延迟压到了 99 毫秒。

在旧金山的实车演示中，搭载这套系统的奔驰 CLA，90% 的路程都实现了自动驾驶，只有遇到双向堵车这种极端场景时，才需要人类介入。

02

2027年搞 Robotaxi

黄仁勋在演讲里没少放豪言，但这次的落地节奏却异常清晰 —— 没有 “未来可期”，全是 “明确时间表”。

首先是量产车落地：2025 款梅赛德斯 - 奔驰 CLA 会是首个搭载 Alpamayo 技术的车型，计划 2026 年第一季度在美国上路测试。

这款车定位 “L2++ 级”，虽然要求驾驶员时刻保持注意力，但核心的高速脱手驾驶、自动避让等功能，都靠 Alpamayo 支撑。

英伟达还透露，会在 2026 年底通过 OTA 升级，让这款车具备城市导航能力 —— 也就是说，到时候在市区里，它能自己应对红绿灯、环岛、行人横穿等复杂场景。

更重磅的是Robotaxi 布局：英伟达计划 2027 年和合作伙伴一起，在特定区域测试 L4 级自动驾驶出租车服务。这意味着在这些区域里，车能完全自主处理所有驾驶任务，不需要人类司机坐镇——直接对标 Waymo这个行业先行者。

要知道，英伟达之前只是给车企提供芯片和软件，这次却要亲自下场做 “车队运营”，野心不小。黄仁勋甚至放话：“未来会有十亿辆自动驾驶汽车上路，要么个人拥有，要么租赁运营，汽车业务会成为继 AI 之后的第二大增长极。”

目前来看，这个目标不是空想。一方面，Alpamayo 已经通过了 “开环指标评估、闭环仿真测试、真实道路验证” 三重考验，实车测试里程突破百万公里；另一方面，除了奔驰，Lucid、捷豹路虎、Uber 也都明确要合作。

03

安全不妥协，双系统兜底

自动驾驶要落地，安全永远是第一道坎。黄仁勋很清楚这一点，所以给 Alpamayo 设计了一套 “双系统安全策略”，相当于给车装了 “双保险”：

• 第一套是端到端 AI 系统：基于 Alpamayo 的推理能力，负责感知环境、规划路径，处理大部分常规和复杂场景；
• 第二套是规则化安全栈：这是 “最后一道防线”，当 AI 对决策不确定时（比如遇到模糊的停止标志、极端暴雨天气），它会强制接管车辆，按照预设的安全规则行驶。
• 
  

举个例子：如果 AI 在判断 “是否要闯红灯” 时出现犹豫（比如灯坏了，只有闪黄灯），安全栈会立即介入，让车辆减速到停止，确认安全后再启动 —— 避免 AI “赌一把” 的风险。

而且系统还会实时监测 128 项潜在风险指标，从 “传感器是否故障” 到 “轮胎压力是否正常”，再到 “AI 模型的推理置信度”，只要有一项超标，就会触发预警或接管。这种 “AI 灵活决策 + 规则兜底” 的模式，既解决了传统系统的 “死板”，又避免了纯 AI 模型的 “黑箱风险”。

04

开源 “杀招”：把自动驾驶门槛拉到 “做手机水平”

如果说 Alpamayo 的技术能力是 “硬实力”，那英伟达的 “开源策略” 就是打乱行业格局的 “软杀招”。

这次英伟达不是只开放算法代码，而是直接把从数据到部署的完整工具链都开源了：

• ※模型层面：Alpamayo 1 的底层代码已上线 Hugging Face，开发者可以直接微调，生成更轻量化的版本（比如适配低成本车型）；
• ※仿真层面：配套的 AlpaSim 框架开源在 GitHub，能模拟各种天气（暴雨、大雾）、路况（山区、市区），甚至能生成 “交通灯失灵”“货车掉货” 这种罕见场景，大幅减少实车测试成本；
• ※数据层面：开放 1700 小时全球驾驶数据集，覆盖不同国家的道路规则、气候条件，还有 45.5 万个蛋白质结构、100TB 车辆传感器数据 —— 相当于给中小车企和初创公司，送了一套 “自动驾驶研发全家桶”。

之前要做L4级自动驾驶，车企得投入几十亿建团队、采数据、搭仿真平台，现在基于Alpamayo，可能只需要几个人的团队，就能在半年内搭建出核心系统。

就像黄仁勋说的：“未来造自动驾驶汽车，会像做手机一样简单——底层有统一的‘安卓系统’（Alpamayo），厂商只需要专注做外观、内饰这些差异化的东西。”

这对行业的影响是颠覆性的：之前 Waymo、 Cruise 靠 “独家技术” 垄断 Robotaxi 赛道，现在英伟达把门槛拉低，传统网约车平台、出租车公司，甚至区域性车企，都能 “开箱即用” 搞自动驾驶 —— 行业竞争从 “技术壁垒” 转向 “运营能力”，而英伟达则稳稳抓住了 “底层生态” 的话语权。

结语：自动驾驶的 “iPhone 时刻”，要来了？

黄仁勋在演讲里说：“物理 AI 的 ChatGPT 时刻已经到来，这是机器开始理解现实世界的转折点。” 放在自动驾驶领域，Alpamayo 的意义，可能就像 iPhone 对功能机的颠覆 —— 不是简单的 “性能提升”，而是重构了 “人与车的交互逻辑”。

从今年奔驰在美国上路，到 2027 年 Robotaxi 测试，再到 2028 年目标实现 “点对点自动驾驶”，英伟达的节奏很稳。

更重要的是，它用开源打破了技术垄断，让更多玩家能参与进来 —— 当自动驾驶不再是 “少数巨头的游戏”，而是像手机一样普及，那真正改变出行的时刻，就不远了。

或许过不了几年，我们坐进车里，说一句“去公司”，车不仅会自己开，还能跟你解释“刚才为什么变道”“前面路段堵车，我绕了条更快的路”——这种“车懂你，也懂路况”的场景，正在从科幻变成现实。