当地时间2026年8月4日，英伟达宣布推出面向自动驾驶汽车与无人出租车的开源推理模型Alpamayo 2 Super，并在OpenMDW-1.1许可协议下开放商业使用（来源：观点网援引英伟达官方发布，2026年8月5日）。

两天后的8月6日，该公司首席执行官在其社交平台账号上发布第三条推文，为这款模型站台，并表示人工智能的下一波浪潮将属于机器人，而自动驾驶正是这一切的起点（来源：快科技，2026年8月6日）。

一个开通半个多月、只发过三条推文的账号，把其中一条留给了它。这个动作本身，比模型参数更值得注意。

340亿参数，拆成两半

先把这款模型的技术参数摆清楚。

Alpamayo 2 Super基于英伟达Cosmos 3 Super Reasoner构建，并通过强化学习优化，参数规模约340亿，由320亿参数的视觉语言骨干与23亿参数的动作专家组成，属于视觉语言动作（VLA）架构（来源：快科技，2026年8月6日；观点网，2026年8月5日）。

拆开这个结构，能看出它的设计意图。320亿参数放在视觉语言骨干上，负责理解场景；23亿参数放在动作专家上，负责输出控制。理解与执行被显式分开，理解侧的权重是执行侧的近14倍。

按官方描述，该模型除基础的视觉感知外，还具备理解和推理复杂世界的能力，可在行动前进行深度思考；可生成车辆行驶轨迹、决策推理链、驾驶意图、训练标注以及视觉问答等多项输出，帮助开发者验证自动驾驶决策过程（来源：网易科技援引英伟达发布，2026年8月5日；观点网，2026年8月5日）。

关键数据：Alpamayo 2 Super参数规模约340亿，其中视觉语言骨干320亿、动作专家23亿；基于Cosmos 3 Super Reasoner构建；在OpenMDW-1.1许可下开放商业使用，允许自动驾驶开发商、车企、卡车制造商及供应商微调、开发衍生模型并商业化部署（来源：快科技、观点网、网易科技援引英伟达官方发布，2026年8月4日至6日）。

这不是该系列的第一次开源。2026年1月5日，英伟达在CES上发布Alpamayo 1开源模型，同样是视觉语言动作架构，旨在结合因果链推理与轨迹规划（来源：网经社，2026年1月5日）。英伟达官方博客当时提到，捷豹路虎、Lucid和Uber等移动出行企业，以及包括伯克利DeepDrive在内的研究社区，将依托Alpamayo推进L4级部署（来源：英伟达官方博客，2026年1月）。

七个月，从Alpamayo 1到Alpamayo 2 Super，从研究开源到开放商用。节奏很清楚。

中国这边的底牌是什么

把镜头转回国内。要判断这次开源对中国智驾意味着什么，先得知道中国手里有什么。

工业和信息化部装备工业一司司长郭守刚在2026年7月27日举行的2026世界智能网联汽车大会媒体圆桌会上介绍，2026年以来，L2级组合驾驶辅助功能乘用车渗透率达到70.5%，领航驾驶辅助（NOA）功能乘用车渗透率达到34.2%，首批L3级有条件自动驾驶车型开始在特定区域上路通行（来源：工业和信息化部，经IT之家、观点网报道，2026年7月27日至30日）。

同一场合，北京市经济和信息化局党组成员、副局长苏国斌透露，2026年上半年北京市乘用车新车L2级组合辅助驾驶渗透率达到77.5%，高于同期全国平均水平（来源：北京市经济和信息化局，经IT之家报道，2026年7月28日）。

70.5%和34.2%这两个数字，是这场对照里中国最硬的两张牌。

它们的含义不只是装车量。L2级组合驾驶辅助功能的渗透率意味着数据回传的基数，NOA渗透率意味着复杂城市场景数据的基数。这两类数据是训练驾驶模型的核心原料，而原料的规模与场景多样性，恰恰是通用底座模型最难靠算法补齐的部分。

制度侧也在同步收口。《智能网联汽车组合驾驶辅助系统安全要求》强制性国家标准于2026年6月27日正式发布，将于2027年1月1日起实施，是国内第一部专门针对L2级组合驾驶辅助系统的强制性国家标准，在此之前辅助驾驶主要依靠企业自律与推荐性标准（来源：新浪财经行业报道援引工业和信息化部公告，2026年7月30日）。另据公开报道，2025年12月全国首块L3级自动驾驶专用号牌在重庆发放（来源：新浪财经行业报道，2026年7月30日）。

需要说明的是，上述强制性国标的具体标准号在不同公开报道中存在表述差异，编辑在成稿引用具体文号前，须回溯工业和信息化部公告原文核对。

免费给出去的，往往才是最贵的

开源两个字，容易让人只看到让利的一面。放回商业史里看，它更常见的角色是另一个。

开放商业许可意味着什么？意味着车企、卡车制造商与供应商可以直接拿去微调、做衍生模型、商业化部署（来源：网易科技援引英伟达发布，2026年8月5日）。省下来的是从零训练一个底座模型的时间与算力成本。

代价在别处。当一款底座模型被广泛采用，跟着一起被采用的还有它的数据格式、标注体系、评测基准与工具链。衍生模型越多，这套接口就越接近事实标准；而事实标准一旦成立，围绕它的芯片、开发套件与云服务就形成了一条默认路径。

这就是这次开源真正瞄准的位置：不是卖模型，是定接口。

可带走框架·开源三层争夺：第一层争许可证，决定别人能不能商用，也决定它是不是真开源；第二层争接口，决定衍生模型的数据格式、标注体系与评测基准跟谁走；第三层争生态位，决定芯片、工具链与云服务的绑定关系。判断一次开源是让利还是设卡，只看一件事，即开源的是权重，还是连同接口与评测标准一起给出去。

用这个框架量一遍：Alpamayo 2 Super在第一层给得很干脆，OpenMDW-1.1许可直接放开商用；在第二层，它输出的不只是轨迹，还有决策推理链、驾驶意图与训练标注，这些恰恰是接口层的东西；至于第三层，模型基于该公司自家的Cosmos推理骨干构建，工具链的归属不需要多解释。

三层都占，这是一次典型的、教科书式的生态位布局。

中国自研路线的两个根基

以下为推理，供读者参考。一个免费、可商用、带推理链输出的底座模型进入市场，对中国长期走全栈自研路线的方案商与车企，考验的是两个根基。

第一个是数据闭环的独占性。如果自研方案的核心优势来自本土复杂路况的自有数据积累，那么开放底座并不能直接抵消这一优势，因为数据不会随模型一起开源。70.5%的L2渗透率与34.2%的NOA渗透率所对应的数据规模，正是这道护城河的宽度（来源：工业和信息化部，2026年7月27日）。

第二个是算力成本的可承受性。全栈自研意味着从预训练到部署全程自担算力开支。当竞争对手可以直接拿一个340亿参数的成熟底座起步，自研方案需要回答的问题变成：多花的这笔训练成本，换来的性能差距是否值得。

这两个根基的强弱，决定的不是胜负，而是路线选择的空间。本段为基于公开信息的逻辑推演，不构成对任何企业技术路线与经营结果的判断。

需要补充一句克制的话：截至2026年8月7日，尚无公开数据显示中国主流方案商采用该模型的实际情况。开源模型从发布到被产业采纳，中间隔着适配、验证、法规符合性与供应链决策等多个环节，这个过程通常以季度而非以周计。

这件事跟你有什么关系

第一层，是做智驾算法与数据的从业者。接口层的变化比模型本身更值得跟踪：训练标注格式、评测基准、决策链输出规范，这几项一旦形成事实标准，工具链的迁移成本会迅速上升。

第二层，是整车与Tier1的技术决策者。自研与采用开放底座之间，不是二选一，而是分层决策：哪一层用开放底座起步、哪一层必须自研以保住数据与调校的独占性，这是接下来一段时间产业内部真正的分歧点。

第三层，是每一个坐在车里的人。2026年以来L2级组合驾驶辅助功能乘用车渗透率已达70.5%（来源：工业和信息化部，2026年7月27日），这意味着新买的车里，超过七成配了这套功能。谁提供底座模型、谁定义评测标准，最终会落到方向盘前那几秒的判断上。而2027年1月1日起实施的强制性国家标准，正是为这几秒设定底线的东西。

对此你有什么想说的？欢迎在评论区聊聊谈谈你的看法。

本文仅为信息分享与行业分析，不构成任何投资建议、投资分析意见或交易邀约。文中数据来自英伟达官方发布（2026年8月4日）及观点网、快科技、网易科技的转述报道（2026年8月5日至6日）、英伟达官方博客（2026年1月）、网经社（2026年1月5日）、工业和信息化部装备工业一司在2026世界智能网联汽车大会媒体圆桌会上的介绍（2026年7月27日，经IT之家、观点网报道）、北京市经济和信息化局（2026年7月28日，经IT之家报道）、新浪财经行业报道（2026年7月30日）等公开信源，数据以原始信源为准。文中涉及的强制性国家标准具体文号在公开报道中存在表述差异，引用前须回溯主管部门公告原文。市场有风险，决策需谨慎。文中标注“推理”的内容为基于公开信息的逻辑推演，不代表官方立场，也不代表对任何企业竞争结果的判断。