小鹏第二代VLA大模型升级：AI理解世界从3D空间跃迁至4D时空

近日，小鹏集团以“TIME 时间”为主题，举办了物理AI分享暨第二代VLA全新版本体验日活动，正式宣布其第二代VLA大模型迎来首次重大升级。

此次升级的核心在于，AI对世界的理解正从静态的3D空间迈向动态的4D时空，时间维度首次被深度纳入模型的认知框架。这一跃迁意味着，智能驾驶系统不再只是“看见”当前路况，而是开始像人类一样理解过去、把握现在并预判未来，从而在充满变化和限制的真实物理世界中做出更优决策。

即将全球首发于小鹏G9L的全新XOS 6.3.0版本，是这一技术理念落地的集中体现。该版本端侧模型参数量扩大了3.5倍，与业内常见的小模型拉开了数量级上的差距。依托超长时序的上下文记忆能力，车辆能够串联此前30秒内发生的动作、位置和场景，将连续的道路事件视为一个整体，而非割裂的独立画面。

与此同时，模型的推理效率也得到同步革新，通过流式自回归推理实现了从离散到连续的转变，端到端响应速度提升300%。在面对前车急刹、行人折返或旁车强行加塞等突发状况时，系统能够以“边看、边想、边行动”的并行处理模式，展现出媲美娴熟驾驶者的敏捷反应。更值得注意的是，首次上车的X-Foresight预测世界模型，赋予系统预判未来6秒内周边交通参与者可能行为的能力。记住过去、理解当下、预判未来，配合MoT混合架构对不同驾驶场景任务的动态调配，多维综合安全能力实现了数量级上的跃升。

事实上，此次升级的深远意义远不止于驾驶本身。小鹏首次推出的整车大脑Master Agent，基于自研Omni全模态模型，实现了VLA与VLM的驾舱深度融合。它不再局限于理解单一语音指令，而是能够解析用户模糊意图，自动拆解任务并调度智驾、底盘、座舱等垂直模块协同执行，让车辆从“听懂一句话”进化到“理解你想做什么”，并完成从意图到行动的完整闭环。新增的“语音靠边停车”等功能，正是这一能力在日常场景中的直观体现。同时，部分源自Robotaxi的L4级体验正通过同源技术下放至量产车型，让更广泛的用户提前感受高阶自动驾驶的便捷。

这一系列突破的背后，是小鹏作为一家物理AI公司的长期战略。其物理世界基座模型基于统一技术底座，已实现从L2至L4的能力贯通，搭载该模型的Robotaxi近日已获广州市智能网联汽车远程测试资质，正式进入主驾无人的关键道路验证阶段。而这一能力正在向机器人等更多本体延伸，通用人形机器人IRON已实现端侧部署，无需远程遥操作即可自主完成复杂任务。8月24日，小鹏机器人业务完成超9亿美元首轮融资，投后估值超63亿美元，创下行业纪录，资本市场对其技术路线与产业化能力给予了高度认可。

在持续提升模型性能的同时，小鹏也正全力推进技术的全球化普惠与高效迭代。通过Token压缩与蒸馏训练，第二代VLA的先进能力得以部署至算力更低的平台，图灵VLA 2.0 Lite预计于9月开启首批推送，让更多车型和用户享受到更安全的城区辅助驾驶体验。近期在德国完成的本地化验收测试也证明，基于中国数据训练的模型在海外道路表现与国内高度接近，公司目标于明年上半年率先在欧洲获得监管许可并开启交付。

这一切进化的根基，在于小鹏对AI Infra体系的长期沉淀——覆盖数据、训练、仿真、算力的完整闭环，依托百万车队和十亿级数据资产构建的数据飞轮，正形成数据越多、模型进化越快、体验越好的正向复利效应。这不仅是单一产品的升级，更是一个支撑汽车、机器人、飞行汽车等多元本体持续进化的通用物理AI基座，正在将智能边界从数字世界推向更广阔的物理世界。