Nvidia تطلق Alpamayo لتعزيز قدرات الاستنتاج في المركبات ذاتية القيادة

في معرض CES 2026، أطلقت Nvidia منصة Alpamayo، وهي عائلة جديدة من نماذج الذكاء الاصطناعي وأدوات المحاكاة ومجموعات البيانات مفتوحة المصدر لتدريب الروبوتات والمركبات المادية. صُممت هذه التقنية لمساعدة المركبات ذاتية القيادة على الاستنتاج في مواقف القيادة المعقدة. وخلال مؤتمر صحفي وكلمة رئيسية يوم الاثنين، وصف Jensen Huang، الرئيس التنفيذي لشركة Nvidia، هذا الإطلاق بأنه “لحظة ChatGPT للذكاء الاصطناعي المادي قد حانت – حيث تبدأ الآلات في الفهم والاستنتاج والتصرف في العالم الحقيقي”. وذكر Huang أن Alpamayo تضفي قدرات الاستنتاج على المركبات ذاتية القيادة، مما يسمح لها بالتفكير في السيناريوهات النادرة، والقيادة بأمان في البيئات المعقدة، وشرح قرارات القيادة الخاصة بها.

في جوهر هذه العائلة الجديدة، يوجد نموذج Alpamayo 1، وهو نموذج “رؤية ولغة وحركة” (VLA) يحتوي على 10 مليارات معلمة. يتم استضافة الكود الأساسي لنموذج Alpamayo 1 على منصة Hugging Face، مما يسمح للمطورين بضبط النموذج لإنشاء نسخ أصغر وأسرع لتطوير المركبات، أو تدريب أنظمة قيادة أبسط، أو بناء أدوات مثل أنظمة التصنيف التلقائي. ولدعم هذا النظام البيئي، تُصدر Nvidia مجموعة بيانات مفتوحة تحتوي على أكثر من 1,700 ساعة من بيانات القيادة التي تم جمعها عبر مجموعة متنوعة من المناطق والظروف. بالإضافة إلى ذلك، أطلقت الشركة AlpaSim، وهو إطار عمل محاكاة مفتوح المصدر مستضاف على GitHub، مصمم لإعادة إنشاء ظروف القيادة في العالم الحقيقي حتى يتمكن المطورون من التحقق من صحة أنظمة القيادة الذاتية.

يستخدم نموذج Alpamayo 1 “الاستنتاج المتسلسل” (chain-of-thought) — وهو أسلوب استنتاج في الذكاء الاصطناعي يتم فيه تقسيم المشكلات إلى خطوات — لمساعدة المركبات على حل “الحالات الطرفية” (edge cases)، وهي سيناريوهات غير عادية أو معقدة في القيادة الذاتية. ووفقاً لـ Ali Kani، نائب رئيس قسم السيارات في Nvidia، يعمل النموذج عن طريق تقسيم المشكلات إلى خطوات، والاستنتاج عبر كل الاحتمالات، ثم اختيار المسار الأكثر أماناً. وأشار Huang إلى أن النموذج لا يكتفي بأخذ مدخلات المستشعرات لتنشيط عجلة القيادة والمكابح والتسارع فحسب؛ بل إنه يستنتج أيضاً بشأن أفعاله، ويشرح قراراته، ويحدد مساره. ولزيادة تدريب واختبار هذه الأنظمة، ذكر Kani أنه يمكن للمطورين استخدام Cosmos، وهي علامة Nvidia التجارية لنماذج العالم التوليدية، لإنشاء بيانات اصطناعية ودمجها مع مجموعات البيانات الحقيقية.

لماذا يهم

قد تؤدي خطوة Nvidia لجعل نماذج الاستنتاج هذه مفتوحة المصدر إلى تسريع تطوير المركبات ذاتية القيادة من خلال السماح للمطورين بمعالجة سيناريوهات القيادة المعقدة وغير العادية التي كانت تتطلب سابقاً بيانات تدريب مكثفة.