英伟达周一宣布推出新的基础设施与人工智能模型，旨在构建“具身智能”的核心技术基础，包括能够感知并与现实世界互动的机器人和自动驾驶车辆。在加利福尼亚州圣地亚哥举行的NeurIPS人工智能大会上，英伟达发布了Alpamayo-R1，一款面向自动驾驶研究的开源推理型视觉语言模型。该公司称这是业界首个专注于自动驾驶领域的视觉语言动作模型，能够同时处理文本与图像信息，使车辆能够“看见”周围环境，并基于所感知的内容做出决策。

该新模型基于英伟达此前推出的Cosmos-Reason推理模型构建，后者具备在响应前对决策进行逻辑推演的能力。英伟达于2025年1月首次发布Cosmos模型系列，并在同年8月推出了更多扩展版本。英伟达在其博客文章中指出，像Alpamayo-R1这样的技术对于实现L4级自动驾驶至关重要，L4级自动驾驶指在特定区域和限定条件下实现完全自动驾驶。英伟达希望通过此类具备推理能力的模型赋予自动驾驶车辆类似人类的“常识”，从而更妥善地应对复杂的驾驶场景中的细微决策。

目前，Alpamayo-R1已在GitHub和Hugging Face平台开源发布。此外，英伟达还在GitHub上推出了名为“Cosmos Cookbook”的全套开发资源包，包含分步指南、推理工具及训练后工作流，以帮助开发者针对自身应用场景更高效地使用和训练Cosmos系列模型。该资源包涵盖了数据整理、合成数据生成以及模型评估等关键环节。

此次发布正值英伟达全力进军具身智能领域，将其视为其先进AI GPU技术的新增长方向。英伟达联合创始人兼首席执行官黄仁勋多次表示，人工智能的下一波浪潮将是具身智能。今年夏天，英伟达首席科学家比尔·达利在接受采访时也表达了相同观点，特别强调了具身智能在机器人领域的应用前景。达利表示：“我认为，机器人最终将成为全球的重要角色，而我们的目标就是打造所有机器人的‘大脑’。要实现这一目标，我们必须从现在开始研发关键技术。”