Nvidia hat Alpamayo 2 Edge veröffentlicht, ein kompaktes Reasoning Vision‑Language‑Action (VLA) Modell, das für Echtzeit‑Planung und Erklärung im Fahrzeug vorgesehen ist. Der Entwickler‑Blog, der das Modell ankündigt, wurde am 10. Nov 2026 veröffentlicht; Nvidia beschreibt Alpamayo 2 Edge als ein „adaptives Reasoning“ Modell, das kausale Erklärungen nur bei Bedarf erzeugt und so optimiert ist, dass es auf der DRIVE AGX Thor Plattform des Unternehmens mit Pixel‑zu‑Trajectory Inferenzlatenzen von etwa 160–190 ms je nach Reasoning‑Belastung läuft.

Was Nvidia veröffentlicht hat

Hugging Face hostet die Model Card und die Gewichte (veröffentlicht 11. Nov 2026), die Alpamayo 2 Edge als ungefähr ein 2‑Milliarden‑Parameter‑Modell ausweisen, aufgebaut auf einem Nemotron‑basierten Cosmos 3 Edge Backbone und einem 0,2B‑Parameter Action‑Expert. Nvidia veröffentlicht die Gewichte unter der OpenMDW‑1.1‑Lizenz und den Quellcode unter Apache‑2.0, um Forschung und Feinabstimmung für den Einsatz zu fördern. Das Modell wurde in Nvidias AlpaGym mit Closed‑Loop‑Reinforcement‑Learning nachtrainiert; Nvidia berichtet von einer 48,9%igen Verbesserung der Closed‑Loop‑Fahrleistung durch diesen Nachtraining‑Schritt.

Über die Laborzahlen hinaus experimentieren Industrieakteure bereits. Der japanische Anbieter Tier IV erklärte am 11. Nov, dass er Alpamayo bewertet und das Modell in Autoware für End‑to‑End‑Stacks integriert habe — ein öffentliches Beispiel dafür, wie ein Softwarelieferant Nvidias Gewichte an Fahrzeugsoftwareplattformen anpassen kann. Diese frühe Integration zeigt einen praktischen Weg von der Modellveröffentlichung zu Lieferantentestumgebungen und Feldversuchen auf.

Wie das Modell ausgeführt werden soll

Der Entwicklerbeitrag von Nvidia erläutert den technischen Ansatz, der Reasoning so kompakt macht, dass es onboard nutzbar ist: adaptives Reasoning (Erzeugung von Reasoning‑Tokens nur wenn nützlich), spekulatives Decoding, FP8‑Quantisierung und TensorRT‑Edge‑LLM Engine‑Builds, die auf DRIVE AGX Thor ausgerichtet sind. Der Blog beschreibt außerdem AlpaJudge, ein von Menschen kalibriertes Evaluationsmodell, das Nvidia verwendet, um höherwertige Trainingsdaten auszuwählen und Reasoning‑Spuren während des RL‑Fine‑Tunings zu belohnen.

Was das für den Markt bedeutet

Für Mittel‑ und Osteuropa ist die unmittelbare Auswirkung praktisch: Viele OEMs und Tier‑One‑Zulieferer in der Region arbeiten bereits an DRIVE‑Klassen‑Compute‑Stacks oder integrieren Nvidia‑Silizium in ADAS‑ und Cockpit‑Projekten. Ein offen verfügbares, edge‑bereites Reasoning‑Modell verringert den Aufwand, der nötig ist, um fortgeschrittene Planungs‑ und Erklärbarkeitsfunktionen zu prototypisieren, und verkürzt den Weg von der Simulation zu On‑Vehicle‑Tests für Unternehmen von Prag bis Poznań und Bratislava bis Budapest. Die Model Card und das Deployment‑Rezept bedeuten, dass kleinere Zulieferer auf Flottendaten feinabstimmen können, ohne ein komplettes Foundation‑Modell von Grund auf zu bauen, was Pilotprogramme und Software‑Validierungszyklen in CEE‑Lieferketten potenziell beschleunigen kann.

Das gesagt, die von Nvidia veröffentlichten Benchmarks sind intern und simulationsbasiert; die Aussage von Tier IV zeigt eine Branchenaufnahme, entspricht aber nicht automatisch Produktions‑Sicherheitsfreigaben. OEMs und Zulieferer müssen das Verhalten weiterhin gegen UNECE‑ und EU‑Konformitätsregime validieren und reale V&V‑Tests durchführen, bevor sie auf Kundenfahrzeuge skalieren.

Sofort verfügbare Fahrzeuge auf WorldTrader24 →

Quellen: NVIDIA Developer Blog, Hugging Face, TIER IV