Nvidia a publié Alpamayo 2 Edge, un modèle compact de raisonnement vision‑langage‑action (VLA) destiné à la planification et à l’explication en temps réel à bord des véhicules. Le billet développeur annonçant le modèle a été publié le 10 nov. 2026 ; Nvidia décrit Alpamayo 2 Edge comme un modèle de « raisonnement adaptatif » qui génère des explications causales uniquement lorsque cela est nécessaire et qui est optimisé pour fonctionner sur la plateforme DRIVE AGX Thor de la société, avec des latences d’inférence pixel‑vers‑trajectoire d’environ 160–190 ms selon la charge de raisonnement.

Ce que Nvidia a publié

Hugging Face héberge la fiche modèle et les poids (publiés le 11 nov. 2026), qui indiquent qu’Alpamayo 2 Edge est approximativement un modèle à 2 milliards de paramètres construit sur une architecture Cosmos 3 Edge basée sur Nemotron et un expert d’action de 0,2 milliard de paramètres. Nvidia publie les poids sous la licence OpenMDW‑1.1 et le code source sous Apache‑2.0 pour encourager la recherche et l’affinage en vue du déploiement. Le modèle a été post‑entraîné avec de l’apprentissage par renforcement en boucle fermée dans AlpaGym de Nvidia ; la société rapporte une amélioration de 48,9 % des performances de conduite en boucle fermée résultant de cette étape de post‑entraînement.

Au‑delà des chiffres de laboratoire, les acteurs de l’industrie expérimentent déjà. Le japonais Tier IV a déclaré le 11 nov. qu’il évaluait Alpamayo et intégrait le modèle à Autoware pour des piles bout‑en‑bout — un exemple public de la manière dont un fournisseur de logiciels peut adapter les poids de Nvidia aux plateformes logicielles des véhicules. Cette intégration précoce met en lumière une voie pratique du lancement du modèle vers les bancs d’essai fournisseurs et les essais sur le terrain.

Comment le modèle est destiné à fonctionner

Le billet développeur de Nvidia explique l’approche technique qui rend le raisonnement suffisamment compact pour une utilisation embarquée : raisonnement adaptatif (production de tokens de raisonnement uniquement lorsqu’ils sont utiles), décodage spéculatif, quantification en FP8 et constructions d’engine TensorRT‑Edge‑LLM ciblées sur DRIVE AGX Thor. Le blog décrit également AlpaJudge, un modèle d’évaluation calibré par des humains que Nvidia utilise pour sélectionner des données d’entraînement à plus forte valeur ajoutée et pour récompenser les traces de raisonnement lors de l’affinage par RL.

Ce que cela signifie pour le marché

Pour l’Europe centrale et orientale, l’impact immédiat est concret : de nombreux constructeurs et fournisseurs de rang 1 de la région travaillent déjà sur des piles de calcul de classe DRIVE ou intègrent des silicons Nvidia dans des projets ADAS et d’habitacle. Un modèle prêt pour l’edge et disponible publiquement réduit l’effort nécessaire pour prototyper des fonctions avancées de planification et d’explainabilité, raccourcissant le chemin de la simulation aux essais embarqués pour des entreprises de Prague à Poznań et de Bratislava à Budapest. La fiche modèle et la recette de déploiement signifient que des fournisseurs de taille plus modeste peuvent affiner sur des données de flotte sans construire un modèle fondation complet depuis zéro, ce qui peut accélérer les programmes pilotes et les cycles de validation logicielle dans les chaînes d’approvisionnement de la région CEE.

Cela étant dit, les benchmarks publiés par Nvidia sont internes et basés sur la simulation ; la déclaration de Tier IV montre une adoption industrielle mais n’équivaut pas à des homologations de sécurité en production. Les constructeurs et fournisseurs doivent encore valider le comportement conformément aux régimes de conformité UNECE et EU et réaliser une V&V en conditions réelles avant de passer à l’échelle sur des véhicules clients.

Véhicules disponibles immédiatement sur WorldTrader24 →

Sources : NVIDIA Developer Blog, Hugging Face, TIER IV