芯片巨头英伟达周一在加州圣地亚哥举行的 NeurIPS 人工智能大会上宣布了新的基础设施和人工智能模型，此举旨在加速构建物理人工智能（Physical AI）的基础技术，该领域包括能够感知现实世界并与之互动的机器人和自动驾驶汽车。
首个自动驾驶推理视觉语言模型亮相
英伟达发布了 Alpamayo-R1，这是一款专用于自动驾驶研究的开放式推理视觉语言模型（VLAM）。该公司声称，这是首个专注于自动驾驶的视觉语言动作模型。视觉语言模型能够同时处理文本和图像，使车辆能够“看到”周围环境，并根据感知信息做出决策。
Alpamayo-R1基于英伟达的 Cosmos-Reason 模型，该推理模型能够在做出响应之前进行“思考”和决策。英伟达表示，像 Alpamayo-R1这样的技术对于旨在实现 L4级完全自动驾驶的公司至关重要，并希望这种推理模型能赋予自动驾驶汽车“常识”，使其能够更好地处理复杂的驾驶决策，更像人类驾驶员。
这款新模型已在 GitHub 和 Hugging Face 平台开放。
Cosmos Cookbook:加速开发者落地应用
除了新的视觉模型，英伟达还在 GitHub 上线了一套新的分步指南、推理资源和训练后工作流程，统称为 Cosmos Cookbook。这套指南涵盖了数据整理、合成数据生成和模型评估等方面，旨在帮助开发者更好地使用和训练 Cosmos 模型，以满足其特定的应用场景需求。
锁定下一波AI浪潮:物理人工智能
此次发布正值英伟达全力推进物理人工智能领域之际，将其视为其先进 AI GPU 的新应用方向。
英伟达联合创始人兼首席执行官黄仁勋曾多次强调，下一波人工智能浪潮将是物理人工智能。英伟达首席科学家比尔·戴利也表达了类似观点，并着重强调了物理人工智能在机器人领域的应用。戴利此前表示:“我认为最终机器人将在世界上扮演举足轻重的角色，而我们希望最终能够制造出所有机器人的大脑。要做到这一点，我们需要开始研发关键技术。”
