3行まとめ
このテーマをもう少し広げて見るなら、NVIDIA Physical AI Agent Skills公開：ロボット/AV/検査AIで何を自動化できるか と NVIDIA Isaac GR00T Reference Humanoid Robot発表：研究者が確認すべき構成、提供時期、未確認点 も合わせて確認してください。Alpamayoを自動運転単体ではなく、Physical AIの作業自動化の流れとして理解できる。
ロボタクシー開発向けに、視覚、言語、行動、走行文脈を結びつける大規模モデルとして発表された。
32Bモデルを車載でそのまま動かす話ではなく、小型モデルへの蒸留や評価に使う位置づけで読む。
GitHub、Hugging Face、Developer資料で、weights、ライセンス、モデルカード、データ条件を確認する。
発表の中心は単体GPUではなく、データ、ラベル、シミュレーション、closed-loop training、車載展開をつなぐ開発基盤である。
NVIDIA Alpamayo 2 Superは、ロボタクシーや自動運転車の開発で使うことを想定した、32Bパラメータ規模のreasoning VLAモデルとして発表されました。単体の車載チップ発表ではなく、データ、ラベル、シミュレーション、closed-loop training、DRIVE Hyperion上の展開までをつなぐ開発パイプラインの発表です。
読者がまず確認すべきなのは、「32Bモデルそのものを車載で動かす話」ではなく、teacher modelとして推論やラベル生成、モデル評価、蒸留に使い、最終的に小型モデルや車載プラットフォーム側へ渡す設計だという点です。
公式発表で確認できるのは、Alpamayo 2 Super、AlpaGym、OmniDreams、Omniverse NuRec、CoC Auto-Labeling Pipeline、Physical AI AV Dataset、DRIVE AGX Thor/Hyperionとの関係です。一方で、ライセンス、モデルカード、weightsの公開状態、商用利用条件、車両ごとの安全検証は、公開リポジトリとNVIDIA Developer資料で継続確認が必要です。
NVIDIA Alpamayo 2 Superで何が発表されたのか
- 1Alpamayo 2 Super
32Bパラメータ規模のreasoning VLA modelとして、trajectory generationやreasoningを担う。
- 2Chain-of-Causation
走行判断の理由や因果関係を含むラベルを作り、判断の説明可能性を高める狙いがある。
- 3AlpaGym
モデルの行動が次の状況を変えるシミュレーション上で、失敗ケースや改善点を探しやすくする。
- 4DRIVE Hyperion
teacher modelから小型モデルへ知識を蒸留し、車載プラットフォーム側へ渡す流れで読む。
32Bという数字だけでなく、AlpaGym、OmniDreams、NuRec、CoC AutoLabeling Pipelineと合わせた開発作業列を見ることが重要である。
NVIDIAは2026年6月1日付の公式発表で、Alpamayo 2 Superを「open 32-billion-parameter reasoning-based vision language action model」として紹介しました。対象はレベル4ロボタクシー開発で、発表の中心はGPUそのものではなく、AV開発で不足しがちな「判断理由を持つモデル」「因果関係を含むラベル」「シミュレーション上の閉ループ学習」をまとめて扱う基盤です。
ここでいうVLAは、vision、language、actionを結び、車載カメラやナビゲーション入力、走行文脈を受けて、軌道や判断理由に近い出力を作るモデル群として読むと分かりやすいでしょう。NVIDIAのAlpamayo製品ページでは、AlpamayoはNVIDIA Cosmosを基盤に、multi-camera video、navigation inputs、driving contextを処理し、trajectoriesとChain-of-Causation reasoning tracesを生成すると説明されています。
32B reasoning VLA modelとしての位置づけ
根拠
Alpamayo 2 Superの数字として目立つのは32Bパラメータです。NVIDIAは従来の10B世代から32Bへ拡張したことで、reasoning、3D spatial understanding、long-tail scenarioでのtrajectory predictionを改善すると説明しています。
注意点
ただし、この32Bという規模だけを見て「市販車の中でそのまま推論するモデル」と読むのは危険です。公式発表では、Alpamayo 2 Superはteacher modelとして設計され、小型モデルへ知識を蒸留し、NVIDIA DRIVE Hyperionプラットフォーム上のaccelerated computeで実行する流れが示されています。導入判断では、32Bモデルの能力より先に、どの小型モデルへ蒸留されるのか、どの入力構成を前提にするのか、どの車両センサー構成で検証されるのかを見る必要があります。
10B世代から32Bへ広がった意味
Alpamayo製品ページは、Alpamayo 1 Nanoと1.5 Nanoを10Bパラメータのモデルとして示し、Alpamayo 2 Superで32Bへ拡張したと説明しています。ここでの意味は、単なる大型化よりも、開発パイプラインの中で担当できる仕事が増えた点にあります。
NVIDIAの説明では、Alpamayo 2 Superはtrajectory generationに加え、reasoning、auto-labeling、scene understanding、model critiquing、小型モデルへのdistillationを担います。従来の自動運転開発では、人間によるアノテーション、ルールベースのシナリオ設計、オープンループ評価、実車ログの再現が別々の工程になりがちでした。Alpamayo 2 Superは、その分断を少なくし、データから訓練、評価、展開までをつなぐ役割を狙っています。
同時に発表された周辺技術
今回の発表はAlpamayo 2 Super単体では終わりません。NVIDIAは同じ文脈で、AlpaGym、OmniDreams、Omniverse NuRecを使うNeural Reconstruction、CoC Auto-Labeling Pipeline、Physical AI AV Dataset、AV開発向けのphysical AI agent skillsに触れています。
この組み合わせを見ると、NVIDIAが出したかったメッセージは「新しいモデルを公開した」だけではありません。実車ログを再構成し、まれなシナリオを生成し、因果関係を含むラベルを作り、シミュレーションの中で行動結果を見ながら学習させる。その後、車載向けの小型モデルやDRIVE Hyperion側へ渡す。そういうAV開発の作業列を、NVIDIAスタック上でまとめたいという発表です。
この点は、ロボットやPhysical AIの流れともつながります。NVIDIAの最近の発表では、ロボット向けの基盤としてIsaac GR00T Reference Humanoid Robotや、開発手順をAIエージェントに実行させるPhysical AI Agent Skillsが続いています。Alpamayo 2 Superは、その自動運転版に近い位置づけで読むと理解しやすくなります。
すぐ使えるものと、公開状態を確認すべきもの
セキュリティや安全性に関わる自動運転開発では、勝ち負けではなく、公開範囲、利用条件、検証責任を分けて確認する。
Alpamayo 2 Superの発表で最も誤読しやすいのは、「open」と「すぐ本番で使える」を同じ意味で扱うことです。公式発表や製品ページにはGitHub、Hugging Face、Developer Blogへの導線がありますが、開発者が実際に確認すべきなのは、リポジトリの中身、ライセンス、モデルカード、weights、推論コード、データ利用条件、依存するNVIDIAソフトウェアのバージョンです。
Alpamayo 2 Superのmodel/codeで見る項目
Alpamayo製品ページには、AlpamayoのGitHub導線があります。公式発表ではAlpamayo 2 Superを「now available」と説明していますが、採用判断ではこの表現だけで止めず、実際に公開された資産を分解して確認する必要があります。
確認項目
まず見るべきなのは、weightsが公開されているか、推論コードが公開されているか、評価スクリプトがあるか、入力フォーマットが明示されているか、商用利用や再配布の条件が明確かです。open modelという表現は、モデルの全要素が無制限に使えることを意味しません。企業や研究機関で扱う場合は、license、model card、dataset card、acceptable use、export control、個人情報や走行ログの扱いを分けて確認します。
判断条件
次に、10B世代のAlpamayo 1 Nano/1.5 Nanoと、32BのAlpamayo 2 Superのどちらが手元で再現できるのかを見ます。teacher modelとしてのAlpamayo 2 Superが公開されても、車載側で走るcompact model、学習済みチェックポイント、蒸留手順、評価指標が別々に提供される可能性があります。記事やSNSの見出しだけで「32Bモデルが車載投入された」と読むのは避けたいところです。
AlpaGymとAlpaSimはどこまで実行できるか
NVIDIA Technical Blogは、AlpaGymをclosed-loop post-trainingの文脈で説明しています。公式発表では、AlpaGymはAVモデルを実走行前にシミュレーション上で意思決定の結果に基づいて訓練する、高スループットのclosed-loop reinforcement learning frameworkとされています。
ここで重要なのは、従来のopen-loop評価との違いです。open-loopでは、モデルがログ上の正解軌跡にどれだけ近い出力を出すかを見やすい一方、モデル自身の行動が周囲に影響し、その結果として次の状況が変わる過程を十分に見られません。closed-loopでは、モデルの選択がシミュレーション内の未来を変えます。そのため、車線変更、合流、歩行者や他車との相互作用、急な遮蔽など、現実の運転判断に近い失敗を見つけやすくなります。
ただし、closed-loopだから安全性が証明されるわけではありません。シミュレーション環境、センサー再現、交通参加者の挙動、天候や道路条件、評価指標、失敗ケースの抽出方法が妥当かどうかは別途見なければなりません。AlpaGymがどの範囲まで公開され、AlpaSimやOmniverse NuRecとどう連携するのかは、GitHubとDeveloper Blogの更新を継続して追うべきポイントです。
CoC Auto-Labeling PipelineとNuRec/OmniDreamsの公開範囲
NVIDIAは、CoC Auto-Labeling PipelineをGitHubでopen sourceとして公開すると説明しています。CoCはChain-of-Causationの略で、走行場面における判断の因果関係を追うラベルとして扱われます。ロボタクシー開発では、「どの物体を見たか」だけでなく、「なぜ減速したか」「なぜ車線変更を待ったか」「なぜ停止を選んだか」を説明できることが重要になります。
Omniverse NuRecは、実世界のフリートデータをフォトリアルな3Dシーンへ再構成し、車両センサー構成に合わせて適応するための技術として説明されています。OmniDreamsは、まれなlong-tailシナリオを生成するgenerative world modelとして発表されました。これらは、単に美しい合成映像を作るためではなく、モデルが失敗しやすい場面を増やし、closed-loop trainingや評価に渡すための部品です。
読者が確認すべきなのは、どのデータを入力できるのか、出力されるラベルの品質を誰が確認するのか、生成シナリオが実交通に対してどれだけ妥当か、生成データで訓練したモデルを実車検証へ進めるときの基準です。公式発表の時点で開発パイプラインの方向性は見えますが、実務では公開範囲と検証手順を詰めないと判断できません。
ロボタクシー開発パイプラインで見るAlpamayo 2 Superの役割
- 1Physical AI AV Dataset
25カ国にまたがるmultisensor driving dataやCoC reasoning labelsを確認する入口になる。
- 2Omniverse NuRec
実車ログをフォトリアルな3Dシーンへ戻し、別の条件やセンサー構成で検証しやすくする。
- 3OmniDreams
まれな割り込み、視界不良、複雑な交差点など、長尾シナリオを増やす役割を持つ。
- 4CoC AutoLabeling
減速や停止の理由を因果関係として扱い、annotation cyclesを短くする狙いがある。
- 5AlpaGym
モデルの行動が未来の状況を変える形で、失敗ケースや弱点を早く見つける。
- 6compact model / DRIVE
teacher modelの知識を小型モデルへ蒸留し、車載側の計算資源と安全要件に合わせる。
生成シナリオやclosed-loop RLは強い試験装置になり得るが、実車安全性はセンサー、車両制御、道路環境、運行設計領域まで含めて確認する必要がある。
Alpamayo 2 Superを理解する近道は、モデル単体ではなくパイプラインの中に置くことです。NVIDIAの説明は、実世界データ、再構成、シナリオ生成、推論ラベル、closed-loop RL、モデル蒸留、車載展開という流れを示しています。
データ再構成とシナリオ生成
AV開発では、実車ログの量だけでは足りません。実車ログには現実の状況が含まれる一方で、危険な場面やまれな組み合わせは十分に集まりにくく、再現も難しいからです。NVIDIAはPhysical AI Open Datasetsを通じて、25カ国にまたがるmulti-sensor driving dataとCoC reasoning labelsを提供すると説明しています。
データ再構成の段階では、NuRecのような技術で実世界の走行データを3Dシーンに戻し、別のセンサー構成や条件で再利用できるかが焦点になります。シナリオ生成の段階では、OmniDreamsのようなworld modelが、珍しい割り込み、視界不良、複雑な交差点、合流、工事区間などを増やせるかが重要です。
ここでの評価は、生成された映像の見た目だけでは不十分です。ロボタクシー開発では、センサー出力の一貫性、物体の動き、交通ルール、地図やナビゲーション入力との整合性、他車や歩行者の行動の自然さが問われます。見た目は自然でも、モデルにとって都合のよい場面だけを増やしてしまえば、安全性評価にはつながりません。
推論ラベルとChain-of-Causation
CoCラベルの価値は、走行判断を「結果」だけでなく「理由」に分解できる点にあります。例えば、車両が減速した理由が、前方車両のブレーキなのか、横断歩道の歩行者なのか、見通しの悪い交差点なのかで、モデルの評価は変わります。
NVIDIAはAlpamayo 2 Superに、reasoning auto-labelingと2D groundingを導入すると説明しています。これは、32Bのfoundation modelが高品質なreasoning labelsを提供し、annotation cyclesを短縮する狙いです。人手によるアノテーションが数カ月かかる工程を短くできる可能性は、AV開発企業にとって大きな意味があります。
一方で、自動ラベルは監査なしで正解にはなりません。特に自動運転では、ラベルの誤りがモデルの誤学習につながり、まれなケースほど検出が難しくなります。導入企業は、auto-labelingで生成したラベルを人間がどの割合で監査するのか、ラベルの信頼度をどう扱うのか、規制や安全ケースで説明できる形に残せるのかを確認する必要があります。
closed-loop RLで何を検証できるか
closed-loop RLの利点は、モデルが選んだ行動の結果を見られることです。たとえば、モデルが少し早く合流した結果、後続車の挙動が変わる。停止を選んだ結果、交差点内の交通流が変わる。そうした相互作用を見られると、open-loop評価だけでは分からない弱点を探しやすくなります。
評価基準
AlpaGymが狙うのは、この閉ループ評価と訓練を高スループットで回すことです。NVIDIAはAlpaSim microservice simulation stackとOmniverse NuRecを組み合わせ、Physical AI AV Datasetとともにopen-loop pretrainingからclosed-loop refinementへつなぐ流れを示しています。
注意点
ただし、closed-loop RLの結果をそのまま実車安全性と結びつけてはいけません。シミュレーションで良いスコアが出ても、実車センサー、車両制御、道路環境、通信、法規制、運行設計領域、遠隔監視などの条件は別です。開発者にとっては、closed-loop RLを「本番前の安全証明」ではなく、「失敗ケースを早く見つけて改善するための強い試験装置」と読むのが現実的です。
DRIVE Hyperion/DRIVE AGX Thorとの関係をどう読むか
車載AIでは、モデル、SoC、開発キット、量産プラットフォーム、パートナー発表を切り分けるほど判断ミスが減る。
Alpamayo 2 Superは自動運転向けのAIモデル発表ですが、NVIDIAの車載戦略ではDRIVE HyperionとDRIVE AGX Thorとの関係が欠かせません。ここを混同すると、モデル公開、開発キット、量産プラットフォーム、パートナー採用ニュースが一つの話に見えてしまいます。
teacher modelから小型モデルへの蒸留
公式発表では、Alpamayo 2 Superはteacher modelとして、小型モデルへ蒸留できると説明されています。この流れは、データセンターや開発環境で大きなモデルを使い、車載側では計算資源、消費電力、レイテンシ、安全冗長性に合わせたモデルを走らせるという考え方です。
DRIVE HyperionやDRIVE AGX Thorを見るときは、Alpamayo 2 Superそのもののパラメータ数よりも、最終的にどのモデルがどのSoC、どのセンサー構成、どのソフトウェアスタックで動くのかが重要になります。NVIDIA DeveloperのDRIVE AGXページでは、DRIVE AGX Thor Developer KitがBlackwell architecture classのintegrated GPU、ARM Neoverse V3AE CPU、DriveOS with DriveWorks、CUDA、cuDNN、TensorRTなどを含む開発環境として説明されています。
DRIVE AGX Thor Developer Kitで確認する項目
開発者がDRIVE AGX Thor Developer Kitを見るときは、TOPSやメモリ帯域だけでなく、開発に必要な全体条件を確認します。公式Developerページでは、Single AGX Thor SoC、64GB LPDDR5X、最大273GB/sのメモリ帯域、カメラ入力、Ethernet、CAN、DriveOS/DriveWorksのサポートが示されています。
実装条件
AV開発では、推論性能だけでなく、センサー同期、ログ記録、データ転送、再現性、車両I/O、ソフトウェア更新、セーフティケース、開発者ライセンスが重要です。Alpamayo 2 Superを試す場合も、モデル側のGitHubだけでなく、DriveOS、DriveWorks、TensorRT、コンテナ、対応ハードウェア、必要なNVIDIA Developer Programの条件を合わせて見ます。
計算基盤の見方
データセンター側の計算基盤も無関係ではありません。Alpamayoのような大規模モデル、シミュレーション、生成シナリオ、closed-loop trainingは、ローカルの車載開発キットだけで完結しにくい領域です。NVIDIAのAI factory文脈は、Vera Rubin世代のAIファクトリーやGB300/NVL72のような大規模計算基盤ともつながります。ただし、この記事の主役は株価やデータセンター需要ではなく、ロボタクシー開発で何を確認するかです。
Hyperion採用ニュースと技術利用可否を分ける
NVIDIAは2026年3月の公式発表で、BYD、Geely、Isuzu、NissanなどがLevel 4車両向けにDRIVE Hyperionを採用すると説明しています。これはNVIDIAの車載プラットフォームの需要を読む材料になります。
しかし、パートナー採用ニュースは、Alpamayo 2 Superが特定メーカーの量産車で採用済みであることを意味しません。DRIVE Hyperionの採用、DRIVE AGX Thor Developer Kitの入手、Alpamayo 2 Superのモデル公開、CoC Auto-Labeling Pipelineの利用、OmniDreamsのシナリオ生成は、それぞれ確認対象が異なります。
導入企業は、どの車両プログラムで、どのNVIDIAソフトウェアを、どの安全規格と運行設計領域で使うのかを切り分ける必要があります。発表の勢いは大きいものの、量産・商用運行・規制承認・保険・遠隔監視・地域別法規は別の確認項目です。
AV開発者が公開後に確認すべきチェックリスト
model weights、推論コード、評価コード、設定ファイル、入力データ形式、出力フォーマット、必要GPU、必要メモリを確認する。
地域、道路種別、センサー構成、天候、昼夜、交通参加者、プライバシー処理、CoC labelsの監査方法を見る。
AlpaGym、AlpaSim、Omniverse NuRec、OmniDreamsの公開範囲、再現性、seed管理、評価指標を確認する。
センサー構成、冗長系、熱設計、消費電力、DriveOS/DriveWorks、OTA更新、ログ取得、安全ケースを見る。
日本の道路環境で使う場合は、左側通行、標識、車線幅、自転車、歩行者密度、積雪や雨天などを自社の運行設計領域に合わせて確認する。
Alpamayo 2 Superを開発判断に使うなら、公式ニュースの要約だけでは足りません。公開リポジトリ、model card、dataset card、Developer Blog、DRIVE SDK資料を組み合わせ、次の4領域に分けて確認すると見落としが減ります。
Model/Codeの確認
最初に見るのは、model weights、推論コード、評価コード、設定ファイル、入力データ形式、出力フォーマット、必要GPU、必要メモリ、依存ライブラリです。Alpamayo 2 Superがteacher modelとして使われるなら、蒸留先のモデル、distillation recipe、評価ベンチマーク、モデルサイズごとの用途も確認します。
ライセンスも重要です。研究利用、商用利用、再配布、生成ラベルの利用、派生モデルの公開、第三者データとの組み合わせがどう扱われるかを見ます。openという言葉だけで社内PoCや顧客案件に持ち込むと、後から利用条件で止まることがあります。
Data/Labelsの確認
次に、Physical AI AV DatasetやCoC labelsを確認します。公式ページでは25カ国にまたがるmulti-sensor driving dataと説明されていますが、導入企業は、地域、道路種別、センサー構成、天候、昼夜、交通参加者、プライバシー処理、ライセンスを細かく見る必要があります。
日本の道路環境で見る条件
CoC Auto-Labeling Pipelineについては、入力できるraw driving clips、生成されるラベル形式、2D groundingの表現、信頼度、失敗例、監査手順を確認します。特に日本の道路環境や自社の運行設計領域で使う場合、左側通行、標識、車線幅、自転車、歩行者密度、積雪や雨天などが十分に表現されているかが重要です。
Simulation/RLの確認
AlpaGymやAlpaSim、Omniverse NuRec、OmniDreamsを見るときは、どの部分が公開済みで、どの部分がNVIDIAプラットフォームやクラウド環境に依存するのかを確認します。シミュレーションの再現性、seed管理、評価指標、失敗ケースの保存、可視化、CIへの組み込み、複数モデルの比較方法が実務では効いてきます。
また、生成シナリオの品質をどう測るかも重要です。長尾シナリオを増やすこと自体は魅力的ですが、現実に起きない不自然なケースばかり増やしてもモデルは強くなりません。NuRecで再構成した実世界データと、OmniDreamsで生成した場面をどう区別し、どう混ぜるかを決める必要があります。
Vehicle/Deploymentの確認
最後に、車両側の展開条件を見ます。DRIVE AGX Thor Developer Kitは開発に使うハードウェアであり、商用運行の全条件を自動的に満たすものではありません。センサー構成、冗長系、熱設計、消費電力、リアルタイム制約、DriveOS/DriveWorksのバージョン、OTA更新、ログ取得、遠隔監視、安全ケースを確認します。
Alpamayo 2 Superで作ったラベルや蒸留モデルが、車載環境でどのようなテストを通るのかも重要です。シミュレーション、クローズドコース、限定地域の公道試験、運行設計領域の拡張、事故時の説明責任まで、段階を分けて管理する必要があります。
NVIDIAのロボタクシー戦略として見る需要シグナル
需要シグナルは読者の関心を示す材料であり、性能、商用採用、提供条件の証明とは分けて扱う。
直近の需要シグナルを見ると、Alpamayo 2 Superは「NVIDIAがロボタクシー用の32B open reasoning modelを出した」という見出しで注目されやすい発表です。自動運転、Physical AI、生成シミュレーション、ロボット開発、AIエージェントの話題が重なるため、開発者だけでなく、事業担当者や投資家の関心も集めます。
ただし、需要シグナルは事実の根拠ではありません。コミュニティで反応があることは、読者が何を知りたいかを示す材料であって、性能、商用採用、提供条件を証明するものではありません。この記事では、事実認定をNVIDIA公式ニュース、IR掲載、製品ページ、Developer Blog、DRIVE Developer資料に限定しています。
公式発表から読めるシグナル
公式資料から読めるシグナルは、NVIDIAが自動運転を「車載SoCだけの競争」として見ていないことです。Alpamayo 2 Superは大規模モデル、AlpaGymはclosed-loop RL、OmniDreamsはシナリオ生成、NuRecは実世界データ再構成、CoC Auto-Labeling Pipelineはラベル生成、DRIVE Hyperionは車両プラットフォームです。
つまり、NVIDIAはロボタクシー開発の上流から下流までを、AI factory、simulation、developer tools、車載computeで囲い込む方向を強めています。GPUやSoC単体の販売ではなく、開発パイプライン全体でNVIDIAスタックを使わせる発表として読むと、Alpamayo 2 Superの意味が見えます。
まだ需要として確定できないこと
一方で、Alpamayo 2 Superの発表だけでは、ロボタクシー事業の成功やNVIDIAの売上増を直接断定できません。商用運行には、車両メーカー、モビリティ事業者、地域規制、保険、運行監視、道路環境、消費者受容、事故対応が関わります。
また、open modelが公開されたとしても、企業がそのまま採用するとは限りません。既存の自動運転スタック、社内データ、独自センサー、地域別要件、競合ベンダー、クラウド/オンプレ運用、法務レビューがあるためです。NVIDIAの発表は強い技術シグナルですが、導入の確定情報とは分けて扱う必要があります。
競争軸としての見方
競争軸は、モデルの大きさだけではありません。AV開発では、データの質、ラベルの説明可能性、シミュレーションの再現性、closed-loop評価の信頼性、車載展開のレイテンシ、規制対応、開発者体験が効きます。
Alpamayo 2 Superの強みは、32Bという数字よりも、NVIDIAが持つCosmos、Omniverse、NuRec、DRIVE、CUDA、TensorRT、AI factory側の計算基盤をつなげられる点にあります。反対に、導入企業にとってのリスクは、NVIDIAスタックへの依存、データ形式の固定化、ライセンスやサポート条件、社内の既存AV基盤との統合難度です。
NVIDIA Watch Japanでは、2026年6月のNVIDIA発表を月次まとめページで追っています。Alpamayo 2 Superは、ロボタクシー単体の記事として読むだけでなく、NVLink Fusion、Vera Rubin、Physical AI Agent Skills、RTX Sparkなどの発表と並べると、NVIDIAが「AIを作る基盤」と「AIを動かす現場」を同時に押さえようとしている流れが見えます。
読者が持ち帰ること
Alpamayo 2 Superはteacher modelとして読むのが基本で、車載側ではcompact modelやDRIVE側の条件を見る。
weights、ライセンス、商用利用、再配布、モデルカード、データカードは公開リポジトリで継続確認する。
closed-loop refinementは失敗ケースを見つける強い手段だが、実車安全性は別の段階で検証する。
NVIDIAがソフトウェア、シミュレーション、データ、車載基盤を束ねようとしている点を見る。
開発者は公開資産と自社フローの接点を分け、導入企業はDRIVE条件やデータ利用ルールまで含めて確認する。
Alpamayo 2 Superは、ロボタクシー開発の読者にとって重要な発表です。ただし、読み方を間違えると「32Bの巨大モデルが車載でそのまま走る」「openなので商用利用条件は気にしなくてよい」「シミュレーションで良ければ実車でも安全」といった誤解につながります。
いま言えること
いま一次情報から言えるのは、NVIDIAがAlpamayo 2 Superを32B reasoning VLA modelとして発表し、Alpamayoファミリーを10B世代から拡張したことです。NVIDIAは、full-surround perception、Meta-Actions、reasoning auto-labeling、2D grounding、CoC traces、trajectory qualityの改善を示しています。
また、AlpaGym、AlpaSim、Omniverse NuRec、OmniDreams、CoC Auto-Labeling Pipeline、Physical AI AV Datasetを組み合わせ、実世界データからclosed-loop refinementまでをつなぐパイプラインを描いています。DRIVE Hyperion/DRIVE AGX Thorとの関係では、teacher modelからcompact modelへ蒸留し、車載側へ渡す流れを確認できます。
まだ確認すべきこと
まだ詰めるべき点も多くあります。モデルやコードの公開範囲、weightsの入手条件、商用利用条件、モデルカード、データセットの地域・センサー条件、CoCラベルの監査方法、AlpaGymの実行要件、OmniDreamsの生成品質、DRIVE AGX Thor上の実際のレイテンシや消費電力は、公式リポジトリとDeveloper資料で継続確認が必要です。
公開後に見る資料
特に日本の読者にとっては、日本の道路環境や法規制との関係が重要です。公式発表はグローバルなAV開発基盤としての説明であり、日本国内での商用ロボタクシー運行、地域別サポート、車両メーカーごとの採用、保険や遠隔監視までを保証するものではありません。
読者の次アクション
開発者は、まずAlpamayoのGitHub、Physical AI AV DatasetのHugging Face、CoC Auto-Labeling Pipeline、NVIDIA Technical Blogを確認し、自社のAV開発フローに入る部分と入らない部分を分けるのがよいでしょう。導入企業や調査担当者は、DRIVE Hyperion/DRIVE AGX Thorの条件、NVIDIA Developer Program、必要なデータセンター計算基盤、社内データ利用ルールを合わせて確認します。
個人読者や投資家は、この発表を短期の株価材料として読むよりも、NVIDIAがロボタクシー開発のソフトウェア、シミュレーション、データ、車載基盤をどう束ねようとしているかを見る方が有益です。本記事は投資助言ではなく、売買推奨や目標株価を示すものではありません。
NVIDIA Watch JapanはNVIDIAおよび関係会社とは非提携の独立サイトです。公式情報を確認したい場合は、本文末の参照URLと資料・確認ログもあわせて確認してください。
更新履歴
- 2026年6月3日初版作成
NVIDIA Newsroom、NVIDIA IR、Alpamayo製品ページ、Developer Alpamayo、Technical Blog、DRIVE AGX Hyperion Developer Kitの公開情報を確認した。
- 公開後モデルとコードの更新確認
GitHubリポジトリ、Hugging Faceのmodel card、dataset card、weights、推論コード、評価手順を確認する。
- 公開後AlpaGymとCoCの更新確認
AlpaGym、CoC AutoLabeling Pipeline、OmniDreams、NuRec、DRIVE AGX Thor関連資料の変更を追う。
公開範囲や利用条件に変化があれば、モデルの使い方、導入判断、記事内の注意点も更新対象になる。
- 2026年6月3日: NVIDIA Newsroom、NVIDIA IR、NVIDIA Alpamayo製品ページ、NVIDIA Developer Alpamayo、NVIDIA Technical Blog、NVIDIA DRIVE AGX Hyperion Developer Kitの公開情報を確認し、初版を作成しました。
- 公開後の確認予定: GitHubリポジトリ、Hugging Faceのmodel/dataset card、AlpaGym/CoC Auto-Labeling Pipelineの更新、DRIVE AGX Thor関連ドキュメントの更新を確認し、公開範囲や利用条件に変化があれば追記します。
次に読むなら
次に読むなら
参照した主な情報源
- NVIDIA Newsroom: NVIDIA Launches Alpamayo 2 Super Open Reasoning Model for Robotaxis（確認日: 2026年6月3日）
https://nvidianews.nvidia.com/news/nvidia-alpamayo-2-super-robotaxis
- NVIDIA Investor Relations: NVIDIA Launches Alpamayo 2 Super Open Reasoning Model for Robotaxis（確認日: 2026年6月3日）
https://investor.nvidia.com/news/press-release-details/2026/NVIDIA-Launches-Alpamayo-2-Super-Open-Reasoning-Model-for-Robotaxis/default.aspx
- NVIDIA Alpamayo product page: Open AI for Robotaxis and Autonomous Vehicles（確認日: 2026年6月3日）
https://www.nvidia.com/en-us/solutions/autonomous-vehicles/alpamayo/
- NVIDIA Developer: NVIDIA Alpamayo（確認日: 2026年6月3日）
https://developer.nvidia.com/drive/alpamayo
- NVIDIA Technical Blog: How to Post-Train Autonomous Vehicle Models in Closed-Loop with NVIDIA Alpamayo（確認日: 2026年6月3日）
How to Post-Train Autonomous Vehicle Models in Closed-Loop with NVIDIA Alpamayo
- NVIDIA Developer: DRIVE AGX Autonomous Vehicle Development Platform（確認日: 2026年6月3日）
https://developer.nvidia.com/drive/hyperion
- NVIDIA Newsroom: BYD, Geely, Isuzu and Nissan Adopt NVIDIA DRIVE Hyperion for Level 4 Vehicles（確認日: 2026年6月3日）
https://nvidianews.nvidia.com/news/drive-hyperion-level-4