英伟达CES：Alpamayo标志着物理AI的真正到来
在CES 2026， 英伟达公司宣布了Alpamayo，这是一个全新的开放式AI模型、仿真工具和数据集家族，旨在解决技术中最棘手的问题之一：让自动驾驶车辆在现实世界中安全，而不仅仅是演示。
表面上看，Alpamayo 看起来像是又一个 AI 平台的发布会。实际上，这正是我多年来在theCUBE采访中追踪的一种转变的延续——也是验证：行业正从感知型人工智能转向物理型AI——能够感知、推理、行动并解释决策的系统，在错误不可接受的环境中进行。
这不是关于更好的车道保持或更平稳的高速公路驾驶。它关乎长尾效应：罕见且不可预测的情况，虽然不常出现，但决定了自主性是否安全、可扩展且值得信赖。
阿尔帕马约的重要性
传统的自动驾驶系统把这个问题当作管道来处理：环游世界，规划路线，执行命令。这种做法奏效——直到意外发生。
阿尔帕马约代表了一种不同的哲学。英伟达正在推出能够逐步思考情境的车型，不仅展示了车辆应该做什么，更展示了为什么要做。这种推理能力——并解释决策的能力——对于自主权要超越试点，进入广泛四级部署至关重要。
同样重要的是：Alpamayo 并不打算直接在汽车上运行。这是一种教师系统——在自主烟囱上路前就进行训练、测试和加固的方式。这种区分很重要，并且与我们今天实际部署自动驾驶的运营商所说的观点高度吻合。
这不是无预兆的
如果你一直在看我们的报道，阿尔帕马约感觉不像是飞跃，更像是一次汇聚。
在我的采访中 Gatik，首席执行官Gautam Narang介绍了他们如何利用Nvidia合作的仿真技术安全地跨市场扩展。Gatik 不依赖模拟而非真实驾驶——他们用模拟来提升学习效果。数千英里的真实距离会变成数百万合成英里，涵盖各种传感器模式，以验证安全性，然后再扩展到新的区域。
那次对话让我印象最深刻的不是工具设计，而是理念。高塔姆明确表示：真实世界的数据是无可替代的。模拟和合成数据只有在实时遥测数据基础上才能发挥作用。这种融合——真实数据输入模拟，仿真反馈学习循环——正是英伟达通过Alpamayo正式化的。
这就是物理人工智能的实际应用：物理系统（卡车）、数字孪生和大规模计算的融合，作为一个系统协同工作。
实时就是实时
我们在与 Plus.ai 的讨论中听到了类似的现实检验。CEO刘大卫在theCUBE上反复强调了一个观点：近乎实时并不算实时。当你在高速公路上以8万磅的速度行驶时，每50毫秒做出一次决策并不是奢侈——那是基本标准。
Plus 把这辆车当作边缘超级计算机。AI驾驶员在本地运行，每秒做出20次决策，而学习则在云端进行，并不断被提炼回车辆。这种架构——云训练智能，设备端执行——正是Alpamayo设计支持的模式。
英伟达的Thor和Cosmo平台在这些讨论中反复出现是有原因的。自主性不仅仅是软件问题。这是一个全栈系统问题：传感器、计算、网络、冗余和安全验证都协同工作。
从辅助驾驶到真正的自动驾驶
另一个反复出现的主题是关于自治等级的混淆。在我与Tensor的对话中，区别非常清晰：Level 2和Level 3协助驾驶员。4级则取代司机——在特定条件下，手放开，眼睛不看。
《可靠的4级》不是关于炫目的演示。它关乎环境间的一致性、保护隐私的设备智能，以及连接中断时的韧性。Alpamayo强调推理、解释和以模拟为先的验证，直接反映了这些要求。
这也是开放性重要的原因。Nvidia并没有把Alpamayo锁在门后。通过发布开放模型、开放仿真和大规模开放数据集，他们使生态系统——汽车制造商、初创企业和研究人员——能够大规模地对自动驾驶进行压力测试。
更宏观的格局：人工智能工厂与物理智能
从更远的角度看，Alpamayo恰好融入了我们与Nvidia在GTC和Dell Tech World等活动中报道的更广泛主题。正如Kari Briski在theCUBE上解释的，企业——现在还有机器人和出行公司——正从CPU时代的运营转向GPU驱动的AI工厂。
这些工厂不仅仅是生产模型。他们做出决策。代币变成了动作。数据变成了行为。在车辆和机器人等物理系统中，延迟、吞吐量和可靠性不是抽象指标——它们决定安全性。
Alpamayo 是当 AI 工厂思维应用于现实世界时的结果。
底线
Alpamayo并不是“汽车界的ChatGPT时刻”，因为它很炫。这是因为它承认了一个残酷的事实：只有当系统能够推理意外并解释自己的选择时，自主性才会扩展。
从以模拟为主的运营商如Gatik，到实时边缘系统如Plus，再到代理化车辆愿景如Tensor，行业多年来在我们的采访中一直传递着同样的信号。英伟达现在正以结构、工具和开放性来支持这一信号。
这就是物理人工智能的成长——这是让第四级自主权成为现实而非理论化的最明显步骤之一。
加入微信
获取电子行业最新资讯
搜索微信公众号：EEPW
或用微信扫描左侧二维码