“Alpamayo標志著汽車從‘單純駕駛’邁入‘安全推理’時代。”

黃仁勛在英偉達GTC臺北2026大會現場這樣說道。

在近兩個小時的演講中，他不僅發布了專為智能體設計的Vera CPU、AI工廠實戰指南DSX平臺、RTX Spark超級芯片等產品，更在汽車行業最為關注的自動駕駛領域推出了開放推理模型——NVIDIA Alpamayo 2 Super。

這是一個320億參數的開放視覺-語言-動作推理模型（Reasoning VLA），能夠在完整駕駛堆棧中進行推理、規劃與行動，從而為更安全、可規模化的 L4 級自動駕駛開發提供支持。

當然，這不是一次簡單的模型升級，而是一場從“模仿駕駛”到“安全推理”的根本范式轉移。

大會上，黃仁勛發布的產品從底層芯片到上層基礎設施，從數據中心到個人PC，從云端智能到物理機器人，標志著英偉達正在經歷從"GPU供應商"向"AI基礎設施運營商"的根本性轉變。

01

Alpamayo 2：自動駕駛邁入推理新階段

Alpamayo 2的核心突破在于"可解釋性"。

傳統端到端自動駕駛模型如同一個沉默的老司機，人們無法知道其決策過程。但Alpamayo 2則像一個"話癆司機"，車輛可以用自然語言實時解釋每一步決策，例如"由于前方靜止車輛阻擋車道，向左微調"、"為左側切入車輛讓行"、"停車讓行穿越交通"。這種"思維鏈"外化能力，顯然更有利于獲得人們的信任。

技術規格上，Alpamayo2實現了三項關鍵升級：360度全景感知（從前攝像頭擴展至前、側、后方），為變道、并線和交叉路口通行提供完整場景信息；新增"元動作（Meta-Action）"輸出，包括讓行、變道和停車等宏觀決策，使模型能夠為下游規劃提供高級駕駛指令；以及具有2D定位的推理自動標注，將標注周期從數月壓縮至數天，重塑輔助駕駛數據管線的成本結構。

更值得關注的是其"教師-學生"蒸餾架構。320億參數的Alpamayo 2 Super作為教師模型，可被蒸餾為緊湊型模型，運行在NVIDIA DRIVE AGX Thor車載計算平臺上。這意味著車企無需從零構建大模型，就能通過英偉達的開放生態獲得"即插即用"的推理能力。

自發布以來，Alpamayo系列下載量已接近40萬次，并榮獲COMPUTEX Best Choice Award車輛技術和智能座艙類別獎。

黃仁勛對大模型的評價是："Alpamayo標志著汽車從'單純駕駛'邁入'安全推理'。只有英偉達能夠提供開放模型、仿真環境、現實世界數據以及智能體技能，支持全球無人駕駛出租車生態系統開發出理解邊緣場景、解釋自身決策、贏得公眾信任，并安全地規模化部署到數百萬臺車上的L4級能力。"

02

"虛擬駕校"：AlpaGym與OmniDreams

如果說Alpamayo 2是"會思考的司機"，那么英偉達同步推出的AlpaGym和OmniDreams就是它的"虛擬駕校"。

具體來看，AlpaGym是一個開源、高吞吐量的閉環強化學習框架。與傳統開環訓練"根據記錄數據評估模型并生成單輪動作"不同，AlpaGym讓模型在NVIDIA AlpaSim仿真環境中經歷連續的決策-觀察循環——每次剎車、轉向和導航選擇都會對環境產生真實影響，從而暴露出靜態數據集所忽略的復合錯誤和邊緣故障。這相當于讓AI司機在"平行宇宙"中經歷數百萬次極端路況，把犯錯成本降到零。

OmniDreams則是全新的生成式世界模型，能夠生成逼真的閉環輔助駕駛場景，支持開發者大規模仿真罕見的長尾駕駛場景。結合NVIDIA Omniverse NuRec神經重建技術，開發者可以將真實車隊數據重建為逼真的3D場景，并適配不同車輛傳感器配置。英偉達甚至將因果鏈自動標注流水線以開源形式發布在GitHub上，能夠從原始駕駛片段中自動生成基于決策的因果鏈標簽，無需人工標注。

這套"仿真-訓練-部署"閉環的意義在于：它讓自動駕駛開發從"路測驅動"轉向"仿真驅動"。車企不再需要投入數千臺測試車在真實道路上積累十萬公里數據，而是可以在數字孿生環境中完成90%以上的邊緣案例驗證，可以幫助車企降低研發成本、縮短上市周期。

03

“超級大腦"：Vera Rubin與Vera CPU

大會上，黃仁勛還回顧了Vera Rubin。

黃仁勛表示，作為全球首款專為智能體AI設計的多機架Pod級超級計算系統，Vera Rubin已進入全面量產。

Vera Rubin將"推理"與"工具調用"的延遲壓到了納秒級敏感水平——這正是智能體決策所需的實時性基礎，其中最具顛覆性的組件是專為智能體設計的Vera CPU。

黃仁勛這樣介紹這款CPU："AI智能體將成為計算資源的最大用戶。Vera正是為這一未來量身打造的首款CPU——它具備卓越的性能、能效和可編程性，專為在超大規模下運行智能體AI而生。"

Vera CPU搭載了88顆Olympus核心，采用空間多線程技術，配備帶寬高達1.2TB/s的LPDDR5X內存子系統。它的設計哲學與傳統CPU截然不同：傳統CPU為人類設計，人類對秒級延遲不敏感；智能體對延遲極度敏感，需要納秒級響應，因此需要從頭設計全新的CPU架構。

這款處理器的性能數據自然非常不錯——Vera CPU在SQL查詢速度上比頂級x86快3倍，在紐交所實時流處理性能上快6倍，在智能體沙箱性能上達到x86的1.8倍。它通過第二代NVLink-C2C互連技術，實現CPU與GPU之間高達1.8TB/s的相干帶寬，并將英偉達機密計算擴展至整機架規模。

Vera BlueField-4 STX處理器更將Vera CPU與高性能網絡、存儲加速及芯片級安全融為一體，構建"設計即安全"的AI原生數據平臺。

04

DSX：AI工廠制造藍圖

如何將這些硬件轉化為客戶的實際收益？英偉達的答案是DSX——一套建設AI工廠的參考設計藍圖。

DSX（Data Center Scale eXtended）平臺是英偉達專為從零開始建設AI工廠而打造的完整實戰指南。具體來看，DSX整合了開源模塊化軟件庫、API、參考設計、英偉達加速計算平臺及合作伙伴技術，打造出一個通用協同設計平臺，專門用于AI工廠的設計、部署與運營。

其核心組件DSX MaxLPS（Lowest Power per Token System）直指自動駕駛產業的痛點：如何在既定電力預算內最大化每兆瓦Token產出。通過將45℃液冷技術與優化每瓦性能的機架級技術相結合，DSX MaxLPS讓運營商能夠在幾乎不影響工作負載性能的前提下，將GPU運行在其最高能效點，從而額外部署高達40%的GPU。對于電力資源緊張、算力成本敏感的車企數據中心而言，這意味著同樣的電費賬單可以支撐更多的仿真訓練里程。

DSX Sim則提供了面向AI工廠全生命周期的高保真仿真層，幫助英偉達、合作伙伴及客戶對基礎設施決策進行建模、驗證和優化，貫穿從規劃、設計到部署運營的每個環節。黃仁勛在演講中強調："借助DSX平臺，你甚至可以在花出一元錢之前，就對整座工廠進行全面模擬，在一臺機柜裝上之前，就能驗證其性能表現。"

DSX Flex是將AI工廠與電網服務連接，使其能夠根據負載削減、需求響應和電價波動等電網信號動態調整工作負載。這與自動駕駛的"V2G（Vehicle-to-Grid）"愿景形成奇妙呼應：未來的自動駕駛數據中心不僅是算力消費者，更是電網的"柔性負載"，在用電低谷時全力訓練模型，在高峰時向電網反哺電力。

05

物理AI與機器人：Cosmos 3、Alpamayo 2與Isaac GR00T

演講的最后板塊指向了智能體從數字世界走向物理世界的關鍵一躍。

黃仁勛提到，物理AI的核心難題是數據，互聯網文本多為"第三人稱視角"，而機器人需要"第一人稱視角"的物理世界數據。英偉達的解決方案是Cosmos 3——開放的物理世界基礎模型，可作為視覺語言模型理解物理場景，生成物理準確的合成視頻，作為模擬器完成策略訓練閉環，更是Omniverse數字孿生平臺的基礎。它支持所有類型的機器人與物理系統開發，完全開放并允許用戶二次定制。

在自動駕駛領域，英偉達推出Alpamayo 2——全球首個可推理的自動駕駛開放模型，基于Hyperion平臺（全球80%汽車制造商采用，97%出行服務對接），支持端到端推理規劃。車輛可以用自然語言實時解釋每一步決策邏輯，將"黑箱模型"轉化為"可解釋AI"。

值得一提的是Isaac GR00T人形機器人參考平臺——25自由度雙手，31自由度全身，身高6英尺/體重150磅，集成全套數據生成、仿真、訓練、運行軟件棧，面向高校和科研機構。原本需要數月的搭建準備工作，現在僅需數小時即可啟動研究，旨在降低人形機器人研發門檻，推動整個領域發展。

黃仁勛為英偉達構建了一個完整的"智能體經濟"基礎設施版圖：底層是Vera Rubin/Vera CPU的算力供給，中間層是DSX的AI工廠藍圖和企業級智能體工具包，上層是RTX Spark的個人智能體入口，以及Cosmos/Alpamayo/GR0K構成的物理AI生態。

至此，英偉達的轉型路徑清晰可見：從賣GPU，到賣系統，再到幫客戶建設"能賺錢的AI基礎設施"。