英偉達(dá)周一宣布推出新的基礎(chǔ)設(shè)施與人工智能模型，旨在構(gòu)建“具身智能”（Physical AI）的核心技術(shù)基礎(chǔ)，包括能夠感知并與現(xiàn)實(shí)世界互動(dòng)的機(jī)器人和自動(dòng)駕駛車輛。

這家半導(dǎo)體巨頭在加利福尼亞州圣地亞哥舉行的 NeurIPS 人工智能大會(huì)上發(fā)布了 Alpamayo-R1—— 一款面向自動(dòng)駕駛研究的開源推理型視覺語(yǔ)言模型。該公司稱，這是業(yè)界首個(gè)專注于自動(dòng)駕駛領(lǐng)域的視覺語(yǔ)言動(dòng)作模型。視覺語(yǔ)言模型能夠同時(shí)處理文本與圖像信息，使車輛能夠“看見”周圍環(huán)境，并基于所感知的內(nèi)容做出決策。

該新模型基于英偉達(dá)此前推出的 Cosmos-Reason 推理模型構(gòu)建，后者具備在響應(yīng)前對(duì)決策進(jìn)行邏輯推演的能力。英偉達(dá)最初于 2025 年 1 月發(fā)布了 Cosmos 模型系列，并于同年 8 月推出了更多擴(kuò)展版本。

英偉達(dá)在一篇博客文章中指出，Alpamayo-R1 這類技術(shù)對(duì)于致力于實(shí)現(xiàn) L4 級(jí)自動(dòng)駕駛的企業(yè)至關(guān)重要。L4 級(jí)自動(dòng)駕駛指在特定區(qū)域和限定條件下實(shí)現(xiàn)完全自動(dòng)駕駛。

英偉達(dá)希望，此類具備推理能力的模型能賦予自動(dòng)駕駛車輛類似人類的“常識(shí)”，從而更妥善地應(yīng)對(duì)復(fù)雜的駕駛場(chǎng)景中的細(xì)微決策。

目前，該新模型已在 GitHub 和 Hugging Face 平臺(tái)開源發(fā)布。

除發(fā)布新視覺模型外，英偉達(dá)還同步在 GitHub 上推出了名為“Cosmos Cookbook”的全套開發(fā)資源包，包含分步指南、推理工具及訓(xùn)練后工作流，以幫助開發(fā)者針對(duì)自身應(yīng)用場(chǎng)景更高效地使用和訓(xùn)練 Cosmos 系列模型。該資源包涵蓋數(shù)據(jù)整理、合成數(shù)據(jù)生成以及模型評(píng)估等關(guān)鍵環(huán)節(jié)。

上述發(fā)布正值英偉達(dá)全力進(jìn)軍具身智能領(lǐng)域，將其視為其先進(jìn) AI GPU 技術(shù)的新增長(zhǎng)方向。

英偉達(dá)聯(lián)合創(chuàng)始人兼首席執(zhí)行官黃仁勛多次表示，人工智能的下一波浪潮將是具身智能。今年夏天，英偉達(dá)首席科學(xué)家比爾 達(dá)利（Bill Dally）在接受 TechCrunch 采訪時(shí)也表達(dá)了相同觀點(diǎn)，并特別強(qiáng)調(diào)了具身智能在機(jī)器人領(lǐng)域的應(yīng)用前景。

“我認(rèn)為，機(jī)器人最終將成為全球的重要角色，而我們的目標(biāo)就是打造所有機(jī)器人的‘大腦’，”達(dá)利當(dāng)時(shí)表示，“要實(shí)現(xiàn)這一目標(biāo)，我們必須從現(xiàn)在開始研發(fā)關(guān)鍵技術(shù)。”