英伟达Alpamayo 2 Edge落地车端:20亿参数VLA模型怎么省算力?

资讯 AI 行业观察 全文 4030 字 · 约 11 分钟读完 配图 8 张 分类自动驾驶算力

智驾芯片还要堆多少算力?先看看车上的模型需要什么|甲子光年

所属频道 算力与芯片智能汽车与出行
英伟达Alpamayo 2 Edge落地车端:20亿参数VLA模型怎么省算力?(配图 1)
英伟达Alpamayo 2 Edge落地车端:20亿参数VLA模型怎么省算力?(配图 2)
模型怎么设计,一开始就要定下哪些计算值得做。



围绕智驾模型,业内眼下同时抓两头:一边把它做得更强,一边让它更省。


11月10日,英伟达发布技术博客,公开了面向车端部署的Alpamayo 2 Edge模型权重,并介绍了部署上的技术细节。就在这之前,黄仁勋正深陷婚外情风波。这款为车端开发的VLA模型,语言模型组件约20亿参数,搭配视觉编码器和动作专家生成驾驶轨迹,再靠按需推理砍掉常规驾驶中的计算量。更早时候,英伟达还推出过340亿参数的Alpamayo 2 Super,用于离线教师、评估和数据生成等任务。从能力探索走到车端部署,计算的安排已经变了。国内车企也在应对同样的问题。



今年8月,小鹏讲第二代VLA升级时,一头强调端侧模型参数量变大,一头又讲Token压缩与蒸馏,想把基座模型的能力放到算力更低的平台上。


今年9月,零跑高级副总裁周洪涛在与「甲子光年」的对话中说,他给团队定的目标是:把世界模型下放到算力更低的平台,“甚至在100TOPS的算力上也要跑出来一个比较好的效果。”


问题也就来了:智驾能力的增长,到底有多少非得靠车端硬件升级来接?




更大的模型,未必需要原封不动搬上车。“让大模型定义芯片,让芯片承载大模型的下一次进化。”



这句话出自10月29日苏州的一场发布会,说话的人是XHEART新芯航途CEO李宗霖,他用它来概括公司的技术路线。同场活动上,Momenta CEO曹旭东也给出了一个判断——“大模型定义芯片”。


英伟达Alpamayo 2 Edge落地车端:20亿参数VLA模型怎么省算力?(配图 3)

Momenta CEO曹旭东,图片来源:新芯航途


但在聊“大模型定义芯片”之前,有件事得先说清楚:训练体系里跑的模型,和真正上路开车的模型,可能并不是同一个。


Waymo在2025年12月发布的技术Blog里讲过这套做法:其基础模型分别用于驾驶、仿真和评估,各自形成大型教师模型,再蒸馏为效率更高的学生模型。教师模型体量太大,车端实时决策这类任务没法直接扛。


换句话说,一辆车能沾到更大模型的光,却不必把它整个塞进去。大模型负责产出训练信号、找出难例、评判驾驶行为,然后把能力交到更精简的模型手上。


英伟达的Alpamayo同样是一组智驾模型加配套工具,并不是装上车就能跑的完整智驾系统。体量偏大的模型可以去做离线研发的活,Edge模型则给车端的微调和部署打底。


英伟达Alpamayo 2 Edge落地车端:20亿参数VLA模型怎么省算力?(配图 4)

NVIDIA Alpamayo 2 Edge,图片来源:英伟达


小鹏今年两条路一起走:一边把端侧模型的参数规模做大,一边靠Token压缩和蒸馏,把基座模型的能力搬到算力更低的平台上。按照小鹏方面的说法,基座模型变强之后,蒸馏出来的图灵VLA 2.0 Lite也拿到了明显的能力提升。


英伟达Alpamayo 2 Edge落地车端:20亿参数VLA模型怎么省算力?(配图 5)

小鹏物理AI Infra体系,图片来源:小鹏


从这些行业实践里能看出来一件事:模型能力往上走,并不意味着每辆车的参数量和算力都得跟着同步涨。训练端照旧去探能力的天花板,部署端要琢磨的是更省钱的落地办法。


蒸馏当然做不到无损。低频场景、复杂场景以及Corner Case里的表现,都还要再验证。但它在产业上的意义已经摆在那里:研发资源可以先沉淀成模型和数据资产,再用不同版本去服务多档硬件。能力迭代和硬件换代之间,因此多出了一块调节余地。


基座模型参数变大,不能直接拿来当新车硬件升级的理由。消费者要弄明白的是部署版本多了哪些能力;车企要算清楚的是,这些能力到底要吃掉多少车端资源。


只把模型换个名字、加个版本号,不该成为车端硬件成本上涨的借口。




2.算力需求,也是模型团队选出来的


比起蒸馏和压缩,还有另一条路:在模型设计阶段就把哪些计算值得做定下来。


摄像头拍到的画面并不是方向盘和刹车指令,模型得从中找出跟驾驶相关的信息——车在哪、往哪动、道路边界在哪、交通参与者之间是什么关系。这些信息用什么形式存下来、怎么连起来,就是模型的“表征”。表征怎么选,决定模型沿着哪条路去理解环境,也决定要花多少计算。


VLA路线想借视觉语言模型已经学到的知识,帮系统看懂驾驶场景。比如碰上施工人员的手势或者特殊道路提示,模型不光要知道物体在哪,还得明白它们是什么意思。把语言相关的能力引进来,能提供知识底子;可相应的编码、跨模态交互,还有部分方案里的语言推理,同样要吃算力。


问题在于:哪些驾驶问题值得调用语言知识,哪些直接看视频和空间关系就能学会?


零跑世界模型智驾负责人冯铭月对这个问题的判断很明确。他跟「甲子光年」说,语言对齐未必是理解驾驶环境最有效的路子,团队更看重视频里的变化和空间信息。


据冯铭月介绍,零跑的做法是通过预测未来视频和3D占据做自监督预训练,分别学场景语义和空间关系,再把学到的表征拿去做轨迹预测。它想直接从视觉经验里学驾驶,而不是让所有信息都先围着语言转。


语言在模型里起什么作用之外,零跑还换了空间信息的组织方式:团队取消显式BEV表征,直接从图像学动作,图的是省掉视角转换那笔开销。


冯铭月说:“人类开车没有BEV,就不花算力做BEV视角转换,这样可以把视角转换的算力用在其他地方。”


零跑的工程取舍很清楚:空间信息照样要学,但拿到它、用上它的路径可以另做设计。砍掉一个环节,为的是把有限的资源留给对驾驶更有用的计算。


这么看,车端要多少算力,也是技术路线带出来的结果。模型用什么表征、留多少历史信息、走哪些处理环节,都会改变硬件的负担。先把模型组件越加越多,再把部署上的困难一股脑归到芯片不够强,就把架构本身能优化的地方盖住了。


不过,计算量降下来之后,剩下的活还得靠芯片高效干完。


一位主机厂的智驾模型技术负责人对「甲子光年」说:“智驾芯片的大模型定向优化,本质上就是Transformer或者说Attention算子的优化,不管是VLA还是世界模型,都是差不多的,厂家都会去做。”


可同样是优化这类算子,各家芯片跑起来的效率并不一样。算子运行时,一边要算,一边要读输入、存结果,还得跟后面的操作接上。所以优化不能只盯着计算单元有多快,数据能不能及时送到、中间结果能不能被高效复用,同样得看。


新芯航途的做法就是把这些路径尽量压短。据李宗霖介绍,该公司用上超大核NPU,把一部分跨核交互收进核内,同时针对求和、转置、Layer Norm等操作做了硬件适配,让访问外部DDR内存的次数降下来。


英伟达Alpamayo 2 Edge落地车端:20亿参数VLA模型怎么省算力?(配图 6)

新芯航途X7 Ultra的参数,图片来源:新芯航途


哪些工作值得做,由模型团队来定;这些工作放在哪里执行、数据怎么送过去,则归芯片团队管。两边怎么取舍,一起决定实际效率高低。


所谓“大模型定义芯片”,说到底就是:硬件还没定型,算法需求就得先进入设计环节。


协同越往深处走,对未来的押注也越具体。地平线副总裁吕鹏接受《每日经济新闻》采访时提到,一颗芯片从定义走到上车,起码要两三年,技术范式得提前判断。


X7流片之前,新芯航途就和Momenta一起做了量产模型的全芯片仿真,把软硬集成和优化提到前面。交付周期因此有望缩短,同时也会攒下大量围绕这一平台的工程经验。


提前合作能少走部署阶段的弯路,可另一面是,芯片资源已经按某些需求分好了。模型一迭代,原来的专用单元还能顶多少用、新算子交给谁跑、工具链能不能继续高效调度,这些都决定了这次优化能撑多久。


所以,想用“通用”和“专用”给行业划一条线,并不容易。


有价值的芯片,得让当下的模型少等、少搬,也得给下一轮模型变化留出调整余地。算力竞争走到最后,比的是对计算任务的理解,以及围绕这些任务怎么取舍。




3. 算力之外,还要比什么?


智驾芯片行业有个毛病越来越明显——产品数字一个比一个好看,想横向比一比却越来越费劲。峰值算力、模型实测性能、计算利用率,摆出来眼花缭乱。问题是,这些数字可能来自不同精度、不同稀疏条件、不同测试模型,根本没法直接排成一张性能榜。宣传时这些区别又常被抹平,最后只留下谁的TOPS更高。



地平线创始人余凯最近就公开表达了对智驾芯片行业算力口径不一的不满。


英伟达Alpamayo 2 Edge落地车端:20亿参数VLA模型怎么省算力?(配图 7)

余凯微博内容


口径不统一,最直接的后果就是数字之间的落差容易被读成产品性能的落差。一颗芯片,不光要看理论上能跑多少次运算,还得看具体模型能调用多少资源,以及在给定功耗和时延下能完成多少有效计算。


在一个模型上跑出高效率,只能证明一次优化奏效。对智驾芯片供应商来说,让更多模型都能高效运行,才算平台能力。这也是“大模型定义芯片”必须回答的下一道题:芯片可以围着代表性模型来设计,但不能假定所有客户的模型结构和运行特征都一样。模型一换,需要多少适配、性能还能剩多少,和首发数字同样要紧。



元戎启行的一位技术人员对「甲子光年」表示,芯片算力哪怕只有一百多TOPS,只要模型优化到位,整车智驾体验同样不至于太差。


这话点出了规格竞争的局限:同样的硬件资源,不同团队能兑现的能力并不一样。车企买芯片,最终买的是自家模型的运行效果,不是别人模型上的最好成绩。


性能高低不只体现在硬件本身,适配环节同样会拉开差距。车企在某一平台上投入的工程越多,模型与芯片结合得越紧密,日后转投其他平台时,这部分付出也得计入成本。


李宗霖提到新芯航途与Momenta的合作时说过,两家在架构、设计、商务层面都没有绑定关系,合作并不排他。


可没有排他协议,不代表换平台就不用花钱。模型要装车,算子适配、量化、编译、调优和整车验证一样都省不了。一旦更换芯片,其中有些环节得从头再做一遍。新芯片到底便宜多少,得把迁移所需的人力、周期和项目风险放在一起算。


芯片厂商面对的题目也跟着变了。跟一家算法公司联手调优,能帮首个项目先跑起来;想把市场做大,就得把这些经验做成更多客户都能上手的工具链和平台。每来一家新客户都要重新砸进大量工程资源,规模效应就会被适配开销一点点吃掉。


所以,行业该比的至少有三样:在给定成本下能交出多少驾驶能力;换一个模型要搭进去多少开发投入;模型更新之后,还能不能接着高效部署。


发布会上,各家可以争夺对性能的解释权;到了量产项目上,最后结算的无非是效果、成本和交付。


算力数字能招来客户,只有持续把客户的模型跑好,客户才留得住。

本文由本站编辑组整理与排版,内容基于公开信息核实后归纳发布,与文中提及的产品、公司无隶属关系。我们持续跟踪 AI 领域的模型、产品与行业动态,力求信息准确、表述清晰;文中涉及的名称、价格与功能细节可能随官方调整而变化,请以官方最新说明为准。如发现疏漏或表述有误,欢迎通过站内渠道反馈指正。

相关推荐 按相关度与热度排序

全部资讯 →
  1. G7易流翟学魂:货量零增长,平台算力却涨了115倍

    中经记者 路炳阳 无锡报道前三季度,全社会物流总额280万亿元,按可比价格增长4.9%。路炳阳/摄影近日,由北京汇通天下物联科技有限公司(以下简称“G7易流”)主办的2026数字物流大会在无锡举行。G7易流创始人、CEO翟学魂在开场演讲中给出一组数据,G7易流平台上300多万台卡车的运行轨迹显示,2026年货运总量与2

    来源 腾讯网
  2. 中科曙光万伟:超大规模智算集群,高速互连是关键

    中科曙光高速网络互联产品部总工程师万伟在会上分享超大规模智算集群高速网络架构设计与工程实践,提出高速互连是算力基础设施实现规模扩展的关键。中科曙光将超节点内部互连与超节点之间的组网相结合。大会期间,中科曙光还获评“2026中国算力领军企业”,scaleFabric高速网络入选“2026中国算力应用典型案例”。超大规模集

    来源 TechWeb
  3. DeepSeek长对话72小时上限:先给出口,再设限制

    11月15日下午,突然有多位DeepSeek用户表示,当他们想接着几天前的对话往下聊时,手机App就会弹出一条提示:“由于算力不足,已超过72小时的长对话暂不可用,可导出对话到其他App使用。”

    来源 凤凰科技
  4. 考克森谈Mythos:重训只需初始一小部分算力

    考克森在 Anthropic 只工作了约四个月。让他决定离职的原因之一,是公司 IPO 路演中一张展示 AI 模型训练算力需求变化的图表。图表采用压缩坐标轴,即使算力需求增长 10 倍和 100 倍,看起来也相差不大。

    来源 IT之家
  5. 谷歌TPU四款齐发:整柜外售,推理每美元性能超GB200五成

    英伟达最近头疼的事儿可不止老黄那一件。 本周内,谷歌祭出了两款新TPU芯片,分别瞄准机密推理和长上下文。算上上半年发布的两款TPU芯片,第八代TPU已经扩到四种配置。 今年,谷歌第一次在同一年内推出四款TPU系统。而谷歌对TPU的野心,可能比外界想象得更大—— 还是今年,谷歌破天荒开始对外销售TPU系统。 量子位从谷歌

    来源 AI 行业观察
  6. 黄仁勋卸任英伟达CEO:AI算力格局将如何改写?

    英伟达CEO黄仁勋在一场令人震惊的变故后黯然离职。这位以皮衣形象深入人心的AI算力布道者离场,对全球最关键的芯片公司、整个AI产业以及他本人都意味着什么?《连线》记者Lauren Goode深入解析权力交接背后的迷雾,以及这场变故将如何重塑行业格局。

    来源 AI 科技快讯
  7. 丰田联手小马智行,第七代铂智 4X Robotaxi 在广州开启示范运营

    IT之家 11 月 16 日消息,11 月 16 日,小马智行与丰田合作研发并量产的第七代铂智 4X Robotaxi 在广州正式投入示范运营,面向公众开放 L4 级自动驾驶服务。 据介绍,目前,小马智行与丰田已在北上广深四座一线城市落地 Robotaxi 服务。铂智 4X Robotaxi 投入示范运营,标志着双方在

    来源 AI 行业观察
  8. 大众 ID.Buzz 变身自动驾驶出租车,May Mobility 计划到 2031 年投放 1 万辆

    IT之家 11 月 15 日消息,当地时间周四,自动驾驶技术公司 May Mobility 宣布,计划将自家的自动驾驶系统整合到大众 ID. Buzz 上,让这款电动面包车进入允许无人驾驶出租车运营的市场。 May Mobility 希望利用现有技术平台,为 ID. Buzz 加装相应的硬件和软件,使车辆具备“提前 1

    来源 AI 行业观察
  9. 燃气轮机订单排到2031年,AI公司开始拆航发供电

    (本文作者为 硅碳变量,钛媒体经授权发布)文|硅碳变量,作者|沈浪据英国《金融时报》11月8日报道,Anthropic在9月下旬与位于德克萨斯州圣安东尼奥的设备供应商OnePWR Solutions完成一笔交易,以34亿美元(约合人民币227亿元)锁定1.7吉瓦重型发电机供货,用于数据中心的电力供给。更早之前,AI基础

    来源 腾讯网
  10. 开源社区请愿黄仁勋回归英伟达

    据MIT Technology Review报道,一项要求恢复黄仁勋担任英伟达CEO的请愿在社交媒体上流传,并出现包括埃隆·马斯克在内的知名签名者。事件折射出开源社区对英伟达GPU生态、AI算力供应与公司领导力的复杂情绪。本文梳理请愿背景、黄仁勋与开源运动的关系,并分析其象征意义。

    来源 AI 科技快讯
  11. 英伟达遭遇多线挑战:AMD、谷歌、亚马逊追赶,大客户自研芯片提速

    英伟达在AI芯片市场的统治地位正面临前所未有的挑战。即便没有黄仁勋近期的风波,AMD、谷歌、亚马逊等竞争对手的追赶步伐也已明显加快,而大客户纷纷自研芯片更让这家芯片巨头腹背受敌。分析人士指出,这场混乱可能成为挑战者撬动英伟达护城河的绝佳窗口。本文剖析英伟达真正的结构性风险,以及这场AI算力霸主之争的下一步走向

    来源 AI 科技快讯
  12. 英伟达发布Rubin HPC GPU:5万CUDA核心,2028年上市

    Rubin HPC单颗GPU搭载超5万CUDA核心,专为科学计算优化,预计2028年上市。CUDA-X扩展科学计算版图,覆盖天体物理、材料科学、药物研发和单细胞生物学等领域,黑洞分析从一个月缩短至8分钟。英伟达展示光子互连与量子计算融合、补齐超算基础设施,称Lambda采用英伟达光子共封装光学技术(CPO)实现最高5倍

    来源 华尔街见闻
  13. OpenAI锁定AMD:六年部署457MW MI455X算力

    TensorWave将在美国为OpenAI提供457MW的IT算力容量,为期六年,全部搭载AMD Instinct MI455X GPU,预计2027年上半年开始投入使用。TensorWave由AMD Ventures支持,今年6月完成B轮融资,旨在加速AMD算力部署。

    来源 华尔街见闻
  14. 黄仁勋卸任、RTX 60延期,消费级显卡真被AI挤到边缘了?

    最近科技圈里最大的瓜就是黄仁勋的离职风波了,英伟达临时换帅,引发了巨大震动。以游戏显卡起家的英伟达,如今在AI芯片领域拥有了绝对的统治权。英伟达的业务板块里,绝大部分资源都分配给了算力卡,留给消费级显卡的并不多。

    来源 36氪
  15. 奥特曼谈黄仁勋:英伟达换了掌舵人,AI行业也“没事”

    OpenAI CEO 萨姆·奥特曼近日就“后黄仁勋时代”的英伟达发声。他高度评价黄仁勋在 AI 热潮中扮演的特殊角色,但同时给出冷静判断:即便这位灵魂人物不再掌舵,行业也不会停摆。这番表态既是对个人英雄主义的祛魅,也折射出 OpenAI 在算力供应上分散风险、摆脱单一依赖的战略意图。

    来源 AI 科技快讯
  16. 黄仁勋辞任风波:英伟达确定性溢价受冲击,基金研判AI投资新变量

    从一封道歉信到官宣辞任,短短数日,英伟达创始人黄仁勋的个人风波已经演变为一场席卷全球AI产业链的巨震。多家基金及相关机构认为,此次风波冲击的并非全球AI产业的长期需求,而是英伟达作为全球AI芯片龙头的确定性溢价。随着全球算力竞争格局加速重塑,产业链有望从“一枝独秀”走向“百花齐放”,国产算力也有望迎来重估契机。(证券时

    来源 AI 行业观察
  17. 美联储:AI算力债务超6800亿,3万亿表外承诺何解?

    导读:美联储11月13日发布的半年度《金融稳定报告》首次以专章形式拆解AI算力基建的融资结构。报告给出的核心数字是:年内先进算力相关债务发行超6800亿美元,七大科技公司尚未生效的租约与担保承诺合计可能超过3万亿美元。

    来源 36氪
  18. SPU基准发布:AI预测湿实验,算力翻5倍也难及格

    不ber,现在的基准测试都进化到酱婶了??? 这回不刷题了,就直接给AI一组实验条件,让它自己研究、提前猜真实湿实验的结果…… 比如,同一个反应换几种条件,哪种能得到更多目标产物?一批抗体变体,哪个表达量更高? 答案先藏好,等AI交卷,再拿实测结果对一对。 你还别说,这事儿现在真值得一测。 这两年,AI for Sci

    来源 AI 行业观察
  19. 黄仁勋与英伟达深度绑定:AI行业会否被一家公司拖累?

    TechCrunch文章抛出一个尖锐问题:如果黄仁勋和英伟达遭遇坏消息,是否意味着整个AI行业也将承压?摘要指出,Jensen几乎等同英伟达,而当前AI经济高度依赖英伟达。本文围绕这一判断,分析英伟达在AI算力、资本市场与产业信心中的枢纽角色,并讨论风险集中可能带来的连锁反应。

    来源 AI 科技快讯
  20. DeepSeek调整使用规则:超7天对话不保留,单次输入约4万字

    DeepSeek近期对旗下App及网页版实施长对话使用限制,涉及历史对话保留、单次输入长度及每日对话额度等多个方面。据用户反馈,此次调整主要与平台当前算力资源承载压力有关。 具体来看,DeepSeek目前不再支持超过7天未活跃的长对话历史,单次提问的文字输入上限也下调至约4万字。同时,平台新增每日对

    来源 AI 开发者社区
  21. 考克森离职Anthropic内幕:IPO路演一张图成导火索?

    IT之家 11 月 14 日消息,曾任职于 OpenAI 和 Anthropic、因公开警告 AI 风险而受到广泛关注的研究员雅各布 · 考克森称,Anthropic 在 IPO 路演中展示的一张幻灯片,是促使他离职的重要原因。考克森在 Anthropic 只工作了约四个月。让他决定离职的原因之一,是公司 IPO 路演

    来源 腾讯网
  22. DeepSeek调整使用规则:7天历史对话、4万字输入与每日额度

    DeepSeek近期对App及网页版实施长对话使用限制,涉及历史对话保留、单次输入长度和每日对话额度。用户反馈称,此举与平台算力资源承压有关。具体调整包括:不再支持超过7天未活跃的长对话历史,单次提问输入上限降至约4万字;新增每日对话额度,达上限后系统提示“因服务器繁忙”。

    来源 AI 产业速递
  23. 尚界Z7T星野套装实车图曝光:11月20日发布,增行李架与黑色尾翼

    IT之家 11 月 15 日消息,汽车博主 @未来的学习笔记 昨日分享了鸿蒙智行尚界 Z7T 星野套装实车图。 尚界 Z7T 星野套装最明显的变化属车尾部分。从画面可以看到,该版本车型新增了银色行李架、银色后视镜外壳、全车跨界套件以及黑色尾翼。 参考IT之家此前报道,尚界 Z7T 是一款猎装车型,于今年 4 月上市,售

    来源 AI 行业观察
向下滚动自动加载更多