NVIDIAは、自動運転（AV）開発の複数工程を単一モデルで横断する「Alpamayo 2 Super」を公開した。340億パラメータのオープンな推論VLAモデルであり、軌道生成から評価用データの自動ラベリングまでを一つの基盤で提供する。これにより、工程ごとに個別モデルを維持してきたAV開発の効率と検証の一貫性が変わる可能性がある。

単一モデルが複数工程を横断する設計

Alpamayo 2 Superは、320億パラメータのCosmos 3 Super Reasonerと20億パラメータのAction Expertを組み合わせた構成を持つ。前者が最大7台のカメラによる360度映像、言語コンテキスト、過去のモーション履歴を解釈し、後者が将来の自車軌道を拡散ベースで生成する。特筆すべきは、この単一モデルが軌道生成に加えて、Chain-of-Causation推論トレース、高次のメタアクション（「譲る」「車線変更」「停止」など）、シーンへの自然言語応答、推論自動ラベリングといった多様な出力を返せる点である。AV開発のワークフロー上で別々に存在していたモデル群を共通基盤に置き換え、表現や評価の一貫性を高める狙いが読み取れる。

開発工程の分断が生んでいた手戻りと検証コスト

従来のAV開発では、軌道生成、意図予測、シーン理解、データラベリングなどに個別のモデルが使われることが一般的だった。この分断は、関連する出力同士の比較や因果関係の検証を難しくし、問題が起きた際のモデル挙動の調査を複雑にする。開発の上流で使う表現を下流工程で再利用できないため、工程間の引き継ぎに変換ロスも生じやすい。Alpamayo 2 Superが目指す統合は、オフラインのポリシーティーチャー、評価指標としてのクリティック、データエンジン、タスクカスタマイズの起点といった複数の役割を同一モデルで担うことを可能にし、検証の手戻りや再学習のコストを抑制する可能性がある。

AI開発基盤の共通化がもたらす産業構造への影響

この動きは、AV領域に留まらず、大規模AIモデルの産業応用における「共通基盤化」の一例として捉えられる。NVIDIAは、推論用のReasonerと動作生成用のExpertを組み合わせ、強化学習によるポストトレーニングを施したモデルをオープンに公開することで、GPUからモデル、導入ワークフローまで自社エコシステム内で完結させる設計を進めている。AV開発企業やティア1サプライヤーにとっては、モデル調達と計算リソースの選定が直結する構図となる。一方、OpenMDW-1.1ライセンスでの公開は、商用再配布や派生モデルの展開を許容しており、モデルを自社データでファインチューニングした上でのサービス提供という選択肢を広げる。

国内AV開発における参照価値と今後の論点

日本国内では、自動運転レベル4の限定エリアでの実装が段階的に進む一方、開発現場ではトラジェクトリ予測、リスク評価、データラベリングの工程が依然として分断されている例が多い。今回のような共通VLA基盤が実用段階に入れば、限られたエンジニアリングリソースを工程統合に振り向けられる可能性がある。ただし、34B規模のモデルを車載やエッジで推論させる際の遅延や計算要件、国内の交通環境での性能検証は現時点では明らかにされておらず、実導入には追加の評価とカスタマイズが必要となる。今後の論点は、オープンモデルを前提とした評価基盤の標準化と、各国の交通法規に適合する安全性検証の枠組みである。