ainews
NVIDIA выпустила Alpamayo 2 Super — 34B модель для беспилотников с открытой коммерческой лицензией
NVIDIA открыла Alpamayo 2 Super — модель на 34 миллиарда параметров для автопилотов, которая планирует траектории и объясняет решения. Релиз под OpenMDW-1.1 — можно использовать в продакшене сразу, включая коммерческие проекты и деривативы.
Это первый открытый foundation-блок для автопилотов, который можно брать и встраивать в коммерческий продукт без переговоров с NVIDIA. Для индустрии — шанс ускориться, для разработчиков — готовый стек планирования и объяснений.
Что произошло
NVIDIA выпустила Alpamayo 2 Super — vision-language-action модель на 34 миллиарда параметров для автономного вождения. Архитектура: 32B VLM-бэкбон (Cosmos 3 Super Reasoner, дообученный через RL) плюс 2.3B диффузионный декодер действий.
Модель обрабатывает видео с шести камер и выдаёт траекторию на 6.4 секунды вперёд (64 точки), причинное объяснение решения (Chain-of-Causation), мета-действие (типа «уступить дорогу» или «сменить полосу»), автоматическую разметку и grounded VQA. Один проход — пять типов выхода.
Обучалась на 115 тысячах часов видео с аннотациями траекторий и 3.7 миллиона причинных трейсов. Целевой кейс — редкие сложные сценарии с несколькими участниками, где классические системы детекции проваливаются.
Релиз под OpenMDW-1.1 (Linux Foundation) и Apache 2.0. Можно дообучать, делать деривативы, использовать коммерчески — без дополнительных разрешений. На LingoQA набрала 79.2 (первое место среди 40 моделей), обошла GPT-4o на 23 пункта.
Автор: Артём Ковалёв · Источник: marktechpost.com
Разработчикам. Открыт код, веса и лицензия для коммерческих проектов. Можно дообучать на своих данных, выдавливать для edge-инференса (сейчас требует H100), интегрировать с NVIDIA Halos для валидации безопасности по ISO/PAS 8800. API возвращает траекторию, мета-действие и объяснение — весь стек планирования в одной модели.
Бизнесу. Модель сжимает циклы разметки данных с месяцев до дней — можно быстро маркировать редкие кейсы на своём флоте. Открытая лицензия снимает барьеры для внедрения в беспилотные такси, грузовики, промышленные автономные машины. Объяснения решений упрощают сертификацию.
Инвесторам. Первая крупная open-weight модель для автопилотов с коммерческой лицензией. Ускоряет разработку AV-стартапов (не надо тренировать с нуля), открывает рынок автоматизированной разметки и fine-tuning-as-a-service. Может подтолкнуть консолидацию в AV-секторе вокруг общих foundation-моделей.
- Fine-tuning на собственных флотах: продавать дообученные модели под конкретные регионы или типы транспорта (городские такси, грузовики, логистика)
- Сервис автоматической разметки: развернуть модель как labeling-as-a-service для AV-компаний — конкурент Scale AI в нише беспилотников
- Edge-дистилляция: сжимать 34B модель до 1-3B для встраивания в автомобили, продавать оптимизированные версии автопроизводителям
- Safety-валидация: интеграция с Halos, строить консалтинг и инструменты для сертификации автопилотов по ISO/PAS 8800
- Sim-to-real платформы: комбинировать Alpamayo с AlpaSim, делать среды для обучения и тестирования редких сценариев
- Требует H100 для инференса — дорого для продакшена, пока не сдистиллировано; большинство автомобилей не потянут
- Редкие кейсы хорошо, но массовые данные валидации пока не публичны — риск переобучения на нише
- OpenMDW-1.1 новая, юридически не обкатана — потенциальные проблемы при коммерциализации в регулируемых рынках
- NVIDIA толкает весь стек (Cosmos, Halos, AlpaSim) — lock-in в экосистему, зависимость от одного вендора
Редакция: Это первый серьёзный open-weight релиз в AV, который реально можно коммерчески использовать — не демка, не исследование. OpenMDW-1.1 пока сырая лицензия (Linux Foundation только запустил), но намерение понятно: NVIDIA хочет, чтобы её стек стал стандартом для индустрии. Умный ход — дать модель бесплатно, заработать на железе и сервисах.
Но есть нюанс: модель требует H100 для инференса, а это космос для встраивания в автомобиль. Значит, реальный продукт — не сама модель, а её дистиллированные версии или облачные API. Если вы в AV-стартапе — это шанс не тренировать foundation с нуля. Если инвестор — смотрите на компании, которые строят инфру вокруг: автоматизацию разметки, fine-tuning, safety-валидацию. Сама модель — это лишь точка входа в экосистему.
Комментарии