Wink Pings

20亿参数VLA塞进车机:英伟达Thor平台实测延迟最低160毫秒

英伟达发布适配DRIVE AGX Thor车载平台的Alpamayo 2 Edge模型,这款20亿参数级的推理VLA可在车端直接完成驾驶轨迹规划与决策解释,像素到轨迹的端到端推理延迟在160至190毫秒之间。

11月22日,科技媒体MarkTechPost作者Asif Razzaq披露了英伟达的最新车载大模型进展。

这款名为Alpamayo 2 Edge的模型,属于2B(20亿参数)级别的推理型视觉-语言-动作(VLA)模型,专门适配英伟达自家的DRIVE AGX Thor车载计算平台。核心功能有两个,一是直接基于车载摄像头采集的像素数据输出驾驶轨迹规划,二是同步给出决策的逻辑解释。实测端到端延迟,也就是从像素输入到轨迹输出的全流程耗时,在160到190毫秒区间。

对没有技术背景的读者,先补两个基础背景。
VLA是多模态大模型的细分方向,同时具备图像理解、语言处理和动作输出能力。放到自动驾驶场景里,模型既能看懂路面行人和车辆,识别交通标识,又能理解语言指令,还能直接输出对应的驾驶操作路径。之前具备完整决策能力的VLA大多参数规模较高,只能部署在云端机房,车辆要把采集到的路面数据上传,等云端计算完成再传回决策结果,整个过程依赖网络信号,延迟也很难压到车载安全要求的阈值内。

DRIVE AGX Thor是英伟达面向高阶自动驾驶推出的车规级计算平台,设计初衷就是承载车端大模型的推理任务。
这次2B参数的VLA在Thor平台上跑出160毫秒级的延迟,刚好落在车载实时决策的安全区间内。高速行驶场景下,几十毫秒的延迟差就对应数米的制动距离,车端本地运行加上决策可解释的特性,刚好对应当前自动驾驶方案的两个普遍痛点,云端依赖带来的不稳定性,以及决策过程不透明的黑盒问题。

目前英伟达尚未披露这款模型的量产上车时间表。

发布时间: 2026-11-23 02:37