Puntos clave:
El Alpamayo 2 Super de Nvidia triplica el recuento de parámetros de su predecesor a 32 mil millones, llevando la toma de decisiones basada en razonamiento a la conducción autónoma de nivel 4.
El nuevo modelo de código abierto Alpamayo 2 Super de Nvidia introduce la toma de decisiones basada en razonamiento en vehículos autónomos con 32 mil millones de parámetros, tres veces la escala de su predecesor, desafiando los enfoques internos de Tesla y Waymo.
«Alpamayo es el momento en que los automóviles comienzan a razonar de forma segura, no solo a conducir», afirmó Jensen Huang, fundador y director ejecutivo de Nvidia, en la GTC Taipei.
El modelo se expande de cámaras frontales a percepción envolvente de 360° e introduce Meta-Acciones — decisiones de conducción de alto nivel como ceder el paso, cambiar de carril y detenerse — junto con resultados de trayectoria. También añade autoetiquetado de razonamiento con fundamentación 2D que comprime los ciclos de anotación de meses a días, según Nvidia.
Las acciones de Nvidia cerraron a 211,26 USD el 30 de mayo, con una caída del 1,45%, y un volumen de 265 millones de acciones que superó en un 59% el promedio de 20 días de 166 millones. El valor ha subido aproximadamente un 12,6% en lo que va del año, cotizando por encima de su media móvil de 200 días de 187,65 USD.
Las especificaciones del Alpamayo 2 Super cierran la brecha de razonamiento
Construido sobre los modelos fundacionales del mundo Cosmos de Nvidia, el Alpamayo 2 Super está diseñado como un modelo maestro que puede destilarse en versiones compactas que se ejecutan en la plataforma Nvidia DRIVE AGX Thor dentro del vehículo. El modelo de 32 mil millones de parámetros mejora las trazas de cadena de causalidad y la calidad de trayectoria en escenarios de cola larga donde los sistemas tradicionales de aprendizaje por imitación fallan, según la empresa.
La familia Alpamayo ahora abarca de 10 mil millones a 32 mil millones de parámetros, con el nuevo modelo compatible con capacidades multitarea que incluyen razonamiento, autoetiquetado, comprensión de escenas, crítica de modelos y destilación de conocimiento. Alpamayo ganó el premio COMPUTEX Best Choice en la categoría de Tecnología Vehicular y Cabina Inteligente.
Junto con el modelo, Nvidia presentó AlpaGym, un marco de aprendizaje por refuerzo en bucle cerrado de código abierto que ejecuta modelos a través de ciclos de decisión continuos en el simulador AlpaSim. A diferencia del entrenamiento en bucle abierto, que evalúa modelos frente a datos grabados, AlpaGym expone errores compuestos al permitir que cada decisión de frenado, dirección y navegación afecte al entorno. La empresa también lanzó OmniDreams, un modelo de mundo generativo para la generación de escenarios fotorrealistas, y el pipeline de autoetiquetado CoC, que genera etiquetas causales a partir de clips de conducción en bruto sin anotación humana.
Lo que esto significa para la carrera de los robotaxis
El lanzamiento posiciona a Nvidia como el principal proveedor de infraestructura de IA para la industria de la conducción autónoma, compitiendo directamente con las soluciones integradas verticalmente de Tesla y Waymo. Al lanzar el modelo como código abierto en GitHub y Hugging Face este verano, Nvidia apuesta a que el ecosistema de desarrolladores en general adoptará su pila en lugar de construir sistemas propietarios desde cero.
Para los inversores, la cuestión es si las descargas de desarrolladores se traducen en ingresos por hardware. El segmento automotriz de Nvidia ha sido históricamente un contribuyente pequeño en comparación con su negocio de centros de datos, pero las casi 400.000 descargas de la plataforma Alpamayo desde su lanzamiento sugieren una creciente tracción. Cada implementación requiere la plataforma de computación Nvidia DRIVE AGX Thor, creando un arrastre recurrente de hardware que podría expandir el mercado total direccionable de la compañía más allá de sus negocios principales de centros de datos y juegos.
Se espera que Alpamayo 2 Super esté disponible este verano con código de inferencia en GitHub y pesos de modelo en Hugging Face.
Este artículo es solo para fines informativos y no constituye asesoramiento de inversión.
