Balitang MerkadoAI Mobility / AI / autonomous vehicles / robotaxi3 min read
32B robotaxi model ng NVIDIA: ang tunay na tanong ay kung paano ito susuriin
Inanunsyo ng NVIDIA ang Alpamayo 2 Super sa GTC Taipei noong Hunyo 1, 2026. Para sa AI operators, malinaw ang senyales: bago hayaang kumilos ang AI sa totoong mundo, kailangan ng simulation, closed-loop validation at recovery path.
Cover image: Source image: NVIDIA / GlobeNewswire · source-attributed
Key Points
- Inanunsyo ng NVIDIA ang Alpamayo 2 Super, isang open 32B VLA reasoning model para sa Level 4 robotaxi development.
- Ipinapakita ng AlpaGym, OmniDreams at NuRec ang paglipat patungo sa simulation at closed-loop validation.
- Iminumungkahi ng ALTOS LAB na unahin ang validation at recovery design bago palawakin ang high-risk AI automation.
Inilunsad ng NVIDIA sa GTC Taipei ang Alpamayo 2 Super, isang open reasoning model na 32B para sa robotaxi development. Hindi lang laki ng modelo ang dapat bantayan. Ang mas mahalagang signal: pinagdudugtong na ng autonomous driving AI ang perception, reasoning, simulation, training at deployment sa iisang product workflow.
Ano ang nagbago
Ayon sa NVIDIA, ang Alpamayo 2 Super ay isang vision-language-action model para sa Level 4 robotaxi development. Dinisenyo ito para mag-reason, magplano at kumilos sa buong driving stack, at maging teacher model na puwedeng i-distill sa mas maliit na model para sa in-vehicle platform.
Kasabay nito, ipinakilala rin ang AlpaGym, OmniDreams at bagong Omniverse NuRec capabilities. Pinapagana ng AlpaGym ang closed-loop reinforcement learning kung saan ang braking, steering at navigation choices ay may epekto sa simulated environment. Gumagawa ang OmniDreams ng rare at long-tail driving scenarios. Ginagamit naman ng NuRec ang real fleet data para bumuo ng photorealistic 3D scenes.
Market signal: validation ang magiging depensa
Sinabi ni Jensen Huang na ang Alpamayo ay sandaling nagsisimulang mag-reason nang ligtas ang sasakyan, hindi lang mag-drive. Para sa operators, malinaw ang ibig sabihin: kapag ang AI ay kumikilos na sa totoong mundo, kailangang malaman ng team kung ano ang nakita ng system, bakit iyon ang ginawa, anong scenario ang nasubukan, at paano ito babalik sa ligtas na estado kapag mali.
Ang susunod na hadlang para sa autonomous AI ay hindi isang magandang demo, kundi closed-loop validation na nauulit at nasusukat.
Ano ang dapat tingnan ng kumpanya
Hindi lahat ng kumpanya ay gumagawa ng robotaxi. Pero mahalaga ito sa AI Agent, physical AI at high-risk automation. Kapag may permiso ang AI na kumilos, hindi sapat ang offline testing. Kailangan ng replayable scenarios, malinaw na human handoff points, nababasang decision traces at paraan para gawing bagong test case ang failure.
Ngayong linggo, itanong ang apat na bagay: aling AI decisions ang may tunay na epekto; aling edge cases ang nasa imahinasyon pa lang; aling failures ang puwedeng i-replay; at aling outputs ang kailangang maintindihan ng tao bago gamitin. Mas una ito kaysa sa tanong kung anong model ang pipiliin.
Sources
- NVIDIA Launches Alpamayo 2 Super Open Reasoning Model for Robotaxis
NVIDIA introduced Alpamayo 2 Super, a 32B open reasoning VLA model for level 4 robotaxi development, alongside AlpaGym, OmniDreams and Omniverse NuRec agent skills.
- How to Post-Train Autonomous Vehicle Models in Closed-Loop with NVIDIA Alpamayo
NVIDIA explains closed-loop reinforcement learning with AlpaGym and Alpamayo recipes, showing how AV models can be trained against the consequences of their driving decisions.
- NVIDIA Alpamayo: Open AI for Robotaxis and Autonomous Vehicles
NVIDIA positions Alpamayo as an open portfolio of models, simulation frameworks and datasets for robotaxi and autonomous vehicle development.
FAQ
FAQ
Ano ang Alpamayo 2 Super?
Ito ay 32B open vision-language-action reasoning model ng NVIDIA para sa robotaxi at autonomous vehicle development.
Bakit dapat pansinin ng non-automotive companies?
Dahil kapag may kakayahan ang AI na kumilos, pareho ang prinsipyo: kailangang ma-simulate ang consequences, mareview ang decisions at maibalik ang sistema kapag nagkamali.
Ken
Research at engineering editor ng ALTOS LAB, nakatuon sa AI agents, data workflows, review systems, at productization risk.
