【CES 2026】老黃開源自動駕駛「安卓系統」：開箱即用，當Robotaxi像當手機一樣簡單，賓士第一個上車

One model to rule them all !

黃仁勳剛在CES上「核爆」整個車圈和自動駕駛圈：輝達最新VLA模型，完全開源。

老黃嘴上沒說“rule”，但心裡最期盼的毫無疑問是這樣。

野心更是藏也藏不住：

輝達，不但要打掉自動駕駛研發門檻、砍掉車企自研預算，還要更進一步，做整個物理AI浪潮的「安卓」。

老黃CES發功：VLA大模型全開源

今日凌晨CES 2026火熱開幕，當下AI浪潮最炙手可熱的明星玩家之一－老黃代表輝達做的主題演講，順理成章成為第一日最受關注的熱點。

整體我們最後總結，先看跟智慧汽車自動駕駛緊密相關的part：

老黃宣布開源了輝達最新的自動駕駛大車型Alpamayo。

Alpamayo不是常說的端到端，相反是為解決端到端缺陷而生：只會模仿駕駛行為，不理解因果關係。

當然會造成一系列實際體驗上的痛點，例如迎面來車違規左轉、行人突然闖入、臨時施工、交通標誌被遮擋等等，L2+高頻用戶一定深有體會。

先看Alpamayo的療效：

規劃精度提升12%、越界率降低35%、近碰率降低25%、推理-行動一致性提升37%、端對端延遲降至99ms。

大白話：提升主要體現在以往最容易出錯的「長尾場景」—— 也就是說，它更接近「真正會判斷的駕駛者」。

現場示範中，老黃給了一段Alpamayo全程零接管點到點的Demo：

留意Demo中的關鍵訊息，後面要考~

Alpamayo跟以往所有端到端、VLA完全不同的地方：具備視覺-語言-動作模型的一切要素，但核心是推理能力。

核心工作3點，首先是Chain of Causation（因果鏈）資料集。

創新在於全新的數據標註體系（當然離不開人工），每一段駕駛數據不僅有“做了什麼”，還有“為什麼這樣做”。

在「因果」上下功夫，基本上避免了以往資料集行為描述模糊、因果關係混淆、行為推理與因果關係脫節等等問題。

模型本體則是基於輝達的Cosmos Reason模型，去年CES上老黃首次揭幕，是專為物理AI（Physical AI）設計的推理視覺語言模型：

整體結構上最大的特點是基於因果結構化推理而非自由敘事，意思是模型必須依據歷史可觀測證據，解釋操作的安全性與合規性——這是第二個重要創新點：

第三點是軌跡輸出階段，對應動作部分，引進了基於擴散模型的軌跡解碼器，能在即時限制下產生連續、動態可行的駕駛軌跡。本模組結合語言推理輸出與物理約束，實現從推理到控制的無縫銜接：

Alpamayo當然可以算VLA模型，但又和業界現在常見的「端對端+大語言模型外掛」的VLA有根本不同，它完全原生，基礎是輝達去年CES上發布的Cosmos基礎世界模型中的Cosmos Reason。

Cosmos系列是輝達連結AI和物理世界的“中間層”，為千行百業提供最基礎的實體AI“安卓”範本—“通才”型世界模式。

基座模型的訓練方法－擴散模型和自回歸模型，其中基於擴散的WFM，預訓練包括「文字到世界生成預訓練」以及「頻到世界生成預訓練」；基於自回歸的WFM，預訓練則包括「下一個token生成」以及「文字條件的影片到世界生成」。

對應到Alpamayo，預訓練其實就是CoC資料集的訓練過程。

所以Alpamayo與其說強調VLA的能力，不如說是老黃賣力吆喝這套推理模型的架構範式和訓練方法。

研究真正的價值，其實是CoC資料集的全新標註體系，以及可以利用思維鏈推理場景因果關係的大模型路線。

實際上在上個月的AI頂會NeurIPS上，Alpamayo就已經由輝達自動駕駛負責人吳新宙公佈，同時強調了Alpamayo架構開放可以兼容各種大模型，合作方完全可以不用輝達的Cosmos Reason，換成自研大模型也一樣work。

時隔一個月，老黃CES上再提Alpamayo，核心依然是更進一步開源開放：除了核心演算法、資料集之外，Alpamayo配套工具鏈同步開放。

畢竟，老黃早就多次闡述，物理AI是輝達認定的下一階段人工智慧“風口”，其中最關鍵的環節，就是建立鏈結物理世界和AI的“中間層”。

老黃一夜打掉自動駕駛門檻

與之前僅開源程式碼不同，輝達這次開源了Alpamayo從資料到部署的完整資源。

而輝達自動駕駛模式的開源，絕不僅僅是供科學研究圈參考之用，而是亮相即開源、開源即量產：

剛剛說的Demo中的關鍵信息，你發現了嗎——演示車輛沒有遮擋車標，三叉星輝赫然在目！

沒錯，輝達正式從一個底層算力晶片Tier 2，轉變成了自動駕駛軟硬全端供應商，類似生態位，參考國內的華為、地平線。

賓士第一個吃螃蟹，新款賓士CLA首發搭載輝達Alpamayo方案，最快明年北美上路。

這是老黃「核彈」的第一波衝擊：一夜打掉車企自研預算。

多模態大模型、強推理能力世界模型，指明了一條自動駕駛「破2到3」、「破2到4」的可操作路徑，眼下正被越來越多的玩家認可、押注，自動駕駛技術、方案呈現出階段性收斂。

對車企來說，短期可能還有大廠不甘心外採，但長期看技術與體驗的細微差異，遠不如頂級供應商品牌號召力、大眾消費者認可來得強大。

畢竟AI越來越有千行百業底層「基礎建設」的性質，而基礎建設最便捷高效的投資建設方式，肯定不是各自為戰。

另一方面，既然汽車鼻祖、百年老店賓士都能放下偶像包袱，其他車企又有什麼必要再堅持呢？

老黃「核彈」的第二波衝擊，同樣從技術範式革新的底層邏輯出發，但受衝擊的，則是當下炙手可熱的Robotaxi賽道：

CES演講中，老黃講了輝達Robotaxi的的產品方案，但更強調的是Robotaxi生態。

在底層硬體層，統一晶片、感測器的驅動接口，直接適配輝達的演算法，避免硬體不相容的研發內耗。

核心演算法層面，Alpamayo提供L4級自動駕駛的基礎能力，支援玩家透過API進行客製化場景最佳化，例如在校園場景中強化行人識別，在高速場景中優化變換車道邏輯等等。

至於上層功能接口，有實力的出行平台可以介入自有APP，而輝達也可以在底層直接開放，只需接入接口就能快速上線Robotaxi服務。

借助輝達方案，大量本來沒有實力進軍Robotaxi的傳統叫車平台、計程車公司、車企，現在「開箱即用」了。

如果馬斯克力推的多模態大模型路線對所有傳統L4都是前所未有的技術挑戰的話，輝達開源Alpamayo，其實是一次整個Robotaxi商業模式的衝擊——

傳統L4玩家自持車隊、自建平台的成型窗口期，越來越短了。

老黃開始建造、力推車圈、自動駕駛圈的新遊戲規則：輝達成為“安卓”，相對封閉的特斯拉則是“蘋果”。

黃仁勳，物理AI時代「教父」？

One model to rule them all，代表車企造L2+、L3量產車、甚至Robotaxi，跟造手機一樣簡單。

輝達成為燃油車時代的博世角色，只要是造車、出遊相關，就繞不開。

甚至，老黃的野心不止在車圈、自動駕駛圈。

老黃CES演講始終有一條主線－下一階段All in實體AI。

底層邏輯從質疑大語言模型的Scaling Law入手，提出模型“多思考比多看書可能更有用”，所以輝達押注了強推理理解能力的世界模型路線，即Cosmos系列模型家族。

Alpamayo只是其中一環，相當於四個輪子的機器人，而整個技術體系則涵蓋Agent/機器人/自動駕駛/AI4S。

例如具身智能領域，老黃直接丟下了一套針對實體AI（Physical AI）的開源全家桶——模型、框架及基礎設施，應有盡有。

其中Cosmos Reason 2和Alpamayo同源的，同樣是讓機器像人一樣看懂世界並進行邏輯推理。

當然少不了輝達傳統優勢專案－Vera Rubin硬體平台，第一次把CPU、GPU、網路、儲存、安全，當成一個整體來設計。

核心想法就是：不再堆卡，而是把整個資料中心變成一台AI超算，達到Blackwell GPU效能的5倍之多。

結合老黃最近的一系列動作，例如收購Groq補齊推理能力、收購AI21 Labs增強大語言模型….快速補齊輝達在GPU之外的AI能力。

連點成線，輝達所有的動作，都是為了構件式建構連結物理世界和AI的「中間層」。

千行百業，甚至沒有強AI演算法能力的公司、個人，都可以用強大的基座模型和流程工具打造屬於自己的產品。

老黃CES上前所未有直言不諱：

「未來所有應用，建在AI之上」。

人類的第四次生產力革命——AI浪潮，老黃野心早就不止是“教主”，而是“教父”了。

One more thing

輝達All in物理AI，還有一個最直接的證據：

和去年發表50張顯示卡不同，今年同樣是「消費性電子展」CES，但老黃壓根沒提顯卡的事。

畢竟，PC玩家為輝達貢獻的營收，怎麼能和千行百業投資實體AI基礎設施相比呢？(智慧車參考)