自动驾驶卡车已经能够沿着预定路线运送货物。现在，开发者希望它们具备另一种能力：不仅知道应该怎样驾驶，还能够解释为什么要这样做。

瑞典自动驾驶货运公司Einride周三（10月21日）宣布扩大与英伟达（Nvidia）的合作，将测试后者开发的Alpamayo人工智能推理模型，尝试提高自动驾驶卡车处理复杂路况的能力，并降低向新路线和不同车型扩展的开发成本。

根据合作计划，Einride将成为首批在英伟达Hyperion自动驾驶平台上测试Alpamayo的货运企业之一。双方将利用Einride实际商业运输过程中积累的数据，对模型进行针对性训练，使其适应重型卡车的驾驶环境。

不过，这项技术不会立即接管车辆。

Einride计划首先采用所谓的“影子模式”（Shadow Mode）测试，让Alpamayo在车辆行驶时独立分析路况、生成驾驶建议，再将这些结果与现有自动驾驶系统及人类司机的决策进行比较。

在这一阶段，车辆仍由原有驾驶及安全系统控制。双方预计到2027年下半年才开展进一步的实际道路评估。

Alpamayo是一种视觉—语言—动作模型（Vision-Language-Action，VLA）。

与主要依靠识别物体、预测轨迹和执行预设规划的传统自动驾驶架构不同，这类模型试图将视觉感知、环境理解、驾驶决策和推理过程联系起来。

例如，当一辆卡车接近施工路段，发现前方车道突然收窄时，系统不仅需要识别路障和周围车辆，还要判断是否减速、何时变道，以及这些选择是否符合当前交通环境。

Alpamayo的设计目标，是让模型在提出驾驶行动的同时，给出可以供工程师分析的推理依据。

这种能力对自动驾驶行业尤其重要。车辆在日常交通中遇到的大多数情况可以通过大量训练数据覆盖，但真正棘手的往往是那些出现频率很低、却可能造成严重后果的特殊场景。

英伟达将这类问题称为自动驾驶的“长尾场景”。公司认为，具备推理能力的模型有望改善车辆应对罕见复杂情况的表现。

但能够解释决策，并不意味着决策必然正确。模型的推理结果仍需要通过模拟、道路测试和独立安全机制验证。

此次合作最值得关注的安排，是Einride没有急于将Alpamayo直接投入自动驾驶控制。

在影子模式下，模型可以接收车辆运行时的环境信息，并实时提出自己的驾驶方案，但这些方案不会转化为方向盘、制动或加速指令。

工程师因此能够比较不同系统的判断，寻找新模型可能优于现有技术的场景，也能发现它在哪些情况下作出错误决定。

Einride表示，现有安全架构仍将保留对车辆运行的最终控制权。英伟达的Halos安全技术也将参与相关系统开发。

这种循序渐进的测试方式，反映出自动驾驶与普通人工智能应用之间的重要区别。

聊天机器人给出错误答案，通常可以重新生成；一辆重型卡车在高速公路上作出错误决定，却可能直接危及生命。

因此，推理模型能否提供有价值的驾驶建议，只是第一步。它还必须证明自身在复杂天气、施工区域、突发障碍和其他难以预测的环境中具有足够稳定的表现。

Einride的优势在于，它不仅开发自动驾驶软件，也实际运营电动货运业务。

今年9月，公司宣布其无驾驶室自动驾驶卡车已在德国公共道路上执行常规货运任务，为连锁超市Lidl运输商品。

Einride还在美国开展自动驾驶电动卡车货运业务，并与物流企业合作测试商业运输路线。

这些实际运营记录，将成为训练Alpamayo的重要数据来源。

与乘用车相比，重型卡车在制动距离、车辆尺寸、载重变化和道路使用条件方面存在明显差异。即使一种模型能够处理城市乘用车驾驶任务，也不能简单假定它适合重型货运车辆。

Einride希望利用自己的运输数据，让通用驾驶推理模型逐步适应不同卡车、货运路线和运营环境。

公司首席技术官Henrik Green表示，Einride长期在真实商业环境中运营自动驾驶货运，而Alpamayo的推理能力将成为其继续开发自动驾驶系统和安全架构的重要补充。

Einride的合作也是英伟达汽车业务战略的一部分。

英伟达不直接经营大规模货运车队，而是向汽车制造商和自动驾驶开发商提供计算平台、人工智能模型、仿真工具及安全技术。

Hyperion平台提供自动驾驶系统开发所需的计算和传感器架构，Alpamayo则试图在此基础上增加复杂环境下的推理能力。

今年9月，Einride已与英伟达宣布更广泛的技术合作，涵盖自动驾驶、安全系统和模型训练。此次引入Alpamayo，是双方在原有合作上的进一步扩展。

英伟达也正在与奔驰、大众商用车及出行平台Bolt等企业推进自动驾驶相关项目。

对英伟达而言，商业价值不仅在于向汽车企业销售芯片，还在于使更多开发者采用其整套软硬件技术体系。

自动驾驶卡车长期被视为最有可能率先实现商业化的无人驾驶应用之一。

相比需要在复杂城市道路中频繁接送乘客的自动驾驶出租车，部分货运任务拥有更固定的路线、更明确的运营时间和更可控的使用环境。

但要从少量经过验证的线路扩大到不同国家、天气条件和道路类型，仍然需要大量工程投入。

Einride希望Alpamayo缩短这一过程，让自动驾驶系统不必为每一条新路线都从头开发。

目前，这仍是尚待验证的技术目标。双方没有公布影子模式测试结果，也没有证明新模型已经改善实际道路安全表现。

因此，2027年下半年的道路评估将成为重要节点。

它将检验一个正在受到汽车行业关注的问题：当人工智能不仅能够识别道路，还能对驾驶决策进行推理时，自动驾驶技术是否真的可以更快、更经济地走向规模化运营？

对于Einride和英伟达而言，答案最终不取决于模型能够解释多少种驾驶场景，而取决于这些解释能否转化为可验证的安全性和商业效率。