- Nvidia presenta Alpamayo en el CES como ecosistema abierto de IA para vehículos autónomos.
- Modelos VLA con razonamiento en cadena y 10.000 millones de parámetros en Alpamayo 1.
- AlpaSim, datos de conducción a gran escala y sistema Halos refuerzan la validación de seguridad.
- Robotaxis y colaboración con grandes fabricantes marcan las primeras aplicaciones comerciales.
La compañía tecnológica Nvidia ha dado un paso más en su estrategia de inteligencia artificial aplicada a la movilidad autónoma con la presentación de Alpamayo, una nueva familia de modelos y herramientas diseñada para que los vehículos sin conductor puedan circular de forma más segura y comprensible. El anuncio, realizado en el CES de Las Vegas, sitúa a esta plataforma como uno de los movimientos más ambiciosos hasta la fecha dentro del ámbito de la IA física orientada al transporte.
El objetivo principal es que los coches autónomos, y en particular los robotaxis desplegados en ciudades europeas y de todo el mundo, sean capaces de enfrentarse a situaciones complejas y poco frecuentes con un razonamiento similar al humano, pero con un nivel de control, trazabilidad y prudencia más elevados. Alpamayo se presenta como un ecosistema abierto que combina modelos de IA, simulación avanzada y datos de conducción reales a gran escala.
Alpamayo: una familia de modelos de IA centrada en el razonamiento
Nvidia describe Alpamayo como una plataforma integral para el desarrollo de vehículos autónomos que combina tres componentes clave: modelos de inteligencia artificial abiertos, marcos de simulación y conjuntos de datos específicos para conducción. Todo ello está pensado para articular un ciclo de diseño, entrenamiento, prueba y despliegue coherente y escalable.
En el corazón de esta propuesta se encuentran los modelos de visión, lenguaje y acción (VLA), una arquitectura que rompe con el enfoque tradicional de separar la percepción del entorno y la planificación de maniobras. En lugar de eso, Alpamayo integra en un mismo sistema la capacidad de ver, comprender instrucciones en lenguaje natural y decidir qué hacer a continuación.
Esta arquitectura VLA incorpora técnicas de razonamiento en cadena de pensamiento, lo que permite que el vehículo no solo calcule una trayectoria, sino que genere una secuencia de pasos lógicos que explican por qué toma determinadas decisiones. Para fabricantes, reguladores y ciudadanos, este enfoque busca incrementar la confianza en los sistemas autónomos al hacer más transparente su comportamiento.
La familia incluye el modelo Alpamayo 1, presentado formalmente durante el CES y ya disponible como modelo abierto en plataformas como Hugging Face. Se trata de un sistema con 10.000 millones de parámetros que utiliza la entrada de vídeo del entorno de conducción para generar trayectorias acompañadas de trazas de razonamiento, algo especialmente relevante de cara a auditorías de seguridad y homologaciones en mercados como el europeo.
Según explicó Jensen Huang, fundador y consejero delegado de Nvidia, con Alpamayo la compañía busca llevar a los vehículos autónomos a lo que denominó el “momento ChatGPT de la IA física”: máquinas capaces de comprender, razonar y actuar en el mundo real, manejando escenarios imprevistos, justificando sus decisiones de conducción y reduciendo el riesgo de errores incontrolados.
Escenarios de “larga cola” y seguridad en la conducción autónoma
Uno de los grandes retos de la autonomía completa son los denominados escenarios de “larga cola”: situaciones poco frecuentes, muy variables o directamente inéditas que no se repiten lo suficiente en los datos de entrenamiento tradicionales. Puede tratarse, por ejemplo, de obras mal señalizadas, peatones que actúan de forma imprevisible o condiciones climáticas extremas.
En estas circunstancias, los enfoques clásicos que separan percepción y planificación tienden a mostrar sus límites, al no haber visto casos similares durante el entrenamiento. Alpamayo trata de suplir esa carencia aportando modelos con capacidad de razonamiento secuencial y explicable, capaces de analizar la escena paso a paso, evaluar alternativas y justificar por qué se elige una maniobra concreta.
Nvidia sostiene que este enfoque no solo mejora la seguridad en carretera, sino que facilita el diálogo con reguladores y organismos de certificación, algo especialmente sensible en Europa, donde el marco normativo sobre vehículos autónomos es más exigente en términos de responsabilidad y trazabilidad de decisiones.
Para reforzar la seguridad, todos los desarrollos de Alpamayo vienen respaldados por Nvidia Halos, un sistema orientado a la validación y al monitoreo continuo de las conductas autónomas. Este componente permite supervisar cómo se comportan los modelos en escenarios virtuales y reales, detectar desviaciones y ajustar los parámetros antes de que se produzcan fallos en situaciones críticas.
En la práctica, esta combinación de razonamiento explícito y control sistemático busca acortar los plazos para obtener autorizaciones de prueba y despliegue en vías públicas, a la vez que permite a fabricantes y operadores documentar con mayor precisión cómo responden sus vehículos a circunstancias extremas.
Un ecosistema abierto: modelos, simulación y datos de conducción
Alpamayo no se limita a ofrecer un modelo de IA aislado, sino que se plantea como un ecosistema abierto y modular que los fabricantes de automóviles, proveedores de movilidad y centros de investigación pueden adaptar a sus propias necesidades. Nvidia insiste en la importancia de la apertura y la transparencia para impulsar una innovación responsable en el ámbito de la movilidad autónoma.
El primer pilar de este ecosistema son los modelos abiertos de razonamiento VLA, que pueden descargarse, auditarse y ajustarse a distintos tipos de vehículo, infraestructuras de ciudad y marcos legales. Esto resulta especialmente relevante para actores europeos que necesitan adecuar sus sistemas a normativas nacionales y comunitarias sin tener que empezar desde cero.
El segundo pilar es AlpaSim, un marco de simulación integral y de código abierto disponible en GitHub. Esta herramienta proporciona un modelado realista de sensores (cámaras, radares, lidar), dinámicas de tráfico configurables y entornos de prueba escalables, lo que permite recrear de forma virtual miles de escenarios de conducción, incluidos casos extremos que serían costosos o peligrosos de probar en el mundo real.
En tercer lugar, Nvidia ha puesto a disposición un conjunto de datos abierto de gran escala, con más de 1.700 horas de conducción registradas en múltiples geografías y condiciones de circulación. Esta base de datos incluye recorridos urbanos y de autopista, diferentes climas y niveles de tráfico, y está pensada para entrenar modelos robustos capaces de generalizar mejor ante nuevas situaciones.
Para Europa, donde la diversidad de climas, señalizaciones y hábitos de conducción entre países es considerable, contar con datos amplios y variados es un factor crítico. La combinación de datos reales y simulados permite adaptar Alpamayo a contextos regionales concretos, como pueden ser las ciudades densas del sur de Europa, los trazados de autopistas del centro del continente o entornos con meteorología adversa en el norte.
Robotaxis y despliegues comerciales: hacia una movilidad autónoma a gran escala
Entre las primeras aplicaciones que se beneficiarán de Alpamayo destacan los servicios de robotaxis y movilidad bajo demanda. Nvidia situó esta familia de modelos como pieza central para plataformas de transporte compartido que quieren operar flotas de vehículos autónomos en zonas delimitadas, con vistas a una expansión progresiva conforme maduren la tecnología y la regulación.
La compañía plantea que Alpamayo se integre en su arquitectura de referencia Drive AGX Hyperion 10, un sistema que combina chips especializados, sensores y software de conducción. Esta plataforma está diseñada para hacer posible la autonomía total en determinados entornos controlados, como distritos urbanos concretos o corredores logísticos definidos.
En el ecosistema automotriz, Nvidia ya colabora con grupos como Mercedes-Benz, General Motors, BYD, Xpeng, GAC o Toyota, entre otros, que han mostrado interés en aprovechar estos modelos de IA para sus futuros proyectos de conducción automatizada. Aunque muchos de estos acuerdos tienen alcance global, la compañía aspira a que los desarrollos resultantes puedan desplegarse también en carreteras europeas, siempre ajustados a los requisitos normativos locales.
En el terreno de la movilidad urbana, la integración de Alpamayo con servicios como los robotaxis que se estudian junto a operadores de transporte pretende reducir costes operativos, mejorar la seguridad vial y ofrecer alternativas al vehículo privado. Para las ciudades europeas, inmersas en planes de reducción de emisiones y restricción del tráfico, este tipo de soluciones se perciben como una posible herramienta para reorganizar la movilidad a medio y largo plazo.
Más allá del robotaxi, la tecnología de Alpamayo se perfila como base para otras aplicaciones, desde sistemas avanzados de ayuda a la conducción (ADAS) de nueva generación hasta flotas logísticas autónomas, vehículos industriales o transporte público automatizado, todos ellos ámbitos en los que Europa está incrementando su apuesta reguladora y de inversión.
IA física y datos sintéticos: el contexto más amplio de la apuesta de Nvidia
La presentación de Alpamayo no llega aislada, sino integrada en una visión más amplia de IA física y robótica que Nvidia está impulsando. Durante su intervención en el CES, Jensen Huang subrayó que el gran reto de esta nueva etapa tecnológica es dotar a las máquinas de sentido común sobre el mundo físico: comprender la permanencia de los objetos, la causalidad, la fricción, la gravedad o la inercia, cuestiones obvias para cualquier persona, pero nada triviales para un sistema de IA.
Para abordar este desafío, Nvidia está desarrollando modelos de mundo como Cosmos, entrenados con vídeos a gran escala, datos reales de conducción y robótica, y simulación 3D. Estos modelos fundacionales pretenden unificar lenguaje, imágenes, entornos tridimensionales y acción en una misma representación, capaz de generar, predecir y razonar sobre trayectorias en el espacio físico.
En este contexto, Alpamayo se sitúa como la pieza específica dedicada a los vehículos autónomos, aprovechando esa base de IA física y combinándola con marcos de simulación y datos orientados al tráfico rodado. El uso de datos sintéticos, generados mediante simulación, es clave para complementar los datos reales, que son costosos de obtener y nunca cubren la infinidad de situaciones posibles.
Esta estrategia de combinar datos reales y sintéticos resulta especialmente atractiva para laboratorios europeos y fabricantes con presencia en la región, que pueden recrear entornos concretos —como intersecciones complejas, rotondas muy concurridas o climas invernales severos— sin necesidad de exponer continuamente vehículos de prueba a esos riesgos en carretera.
Al mismo tiempo, Nvidia impulsa otras líneas de IA abierta en áreas como la robótica humanoide, agentes conversacionales, ciencias de la vida y ciberseguridad, pero mantiene para Alpamayo un foco claro: acelerar la llegada de una movilidad autónoma más segura, fiable y regulable.
Alpamayo se perfila como un intento de sentar las bases de una autonomía vehicular más transparente, colaborativa y adaptable tanto para fabricantes como para autoridades y operadores de transporte. Si logra consolidarse, la combinación de modelos de razonamiento, simulación avanzada y datos abiertos puede convertirse en un elemento clave para que los vehículos autónomos, incluidos los que circulen por las carreteras europeas, pasen de ser proyectos piloto a soluciones cotidianas en el tráfico diario.
