小鹏第二代VLA大升级，AI开始理解"时间"了

今日，小鹏集团举办"TIME时间"物理AI分享暨第二代VLA全新版本体验日。第二代VLA迎来首次重大升级，全新XOS 6.3.0版本将于小鹏G9L全球首发。这次升级的核心，是让AI真正理解时间——从静态3D空间理解，跃迁到动态4D时空理解。

物理AI的难题是理解世界并在真实限制中行动。真实世界不是静止图片，而是不断变化、连续演进的过程。模型要像人类一样理解世界，必须先理解"时间"。传统模型能识别车辆、行人、道路和交通信号，但复杂决策仅靠"看见"远远不够，车辆需要知道过去、现在、未来可能发生什么。小鹏物理世界基座模型首次把时间纳入模型，AI理解世界的维度从3D空间跃迁至4D时空。

第二代VLA全新引入Infini-VLA长时序架构，记得前30秒的世界，驾驶判断拥有更长上下文。连续发生的道路事件不再被割裂成独立画面，模型将此前的动作、位置和场景串联，形成完整时序理解。同时采用Streaming Inference流式自回归推理，从离散推理走向连续推理，端到端响应速度提升300%。传统模型是"看、算、输出、再看"的模式，第二代VLA能做到"边看、边想、边行动"的并行处理。遇到前车突然刹停、行人折返、旁车加塞等突发情况，反应像老司机一样娴熟敏捷。

小鹏X-Foresight预测世界模型首次上车，可预判6秒内发生什么，推演周边交通参与者未来的可能行为。记住过去、理解现在、预判未来，模型从此理解了时间。新版引入MoT混合架构，针对不同任务动态分配模型能力，减少城区道路、园区、泊车等不同场景之间的任务干扰，把不同问题交给不同"专家"，让模型在不同驾驶任务间更稳定切换。

端侧模型参数量提升3.5倍，是主流VLA的15倍以上，结合超前轨迹预判、超长有效时序、更快决策响应，多维综合安全能力提升20倍。更大的参数量才能实现足够强的泛化能力，让快速进入全球市场成为可能。

升级的不只是智驾。小鹏用做机器人的方式重构车机大脑，首次推出Master Agent，实现VLA与VLM的驾舱融合，让车辆从"听懂一句话"走向"理解用户真正想完成什么"。Master Agent建立在小鹏自研Omni全模态模型之上，不仅能理解自然语言和模糊语义，还能将用户意图自动拆解为任务，调度智驾、底盘、座舱、车身控制等垂直Agent协同执行，实现从"理解"到"行动"的闭环。整车第一次拥有统一大脑，车辆智能从响应单一指令迈向自主理解意图、规划任务和协同执行。

新版本带来"语音靠边停车"、"语音控制就近泊入"功能，用户语音下达停车指令，车辆即可在智驾状态下自主寻找合适位置并完成靠边停车，实现从"语音指令"到"自主执行"的完整闭环。Robotaxi的L4级能力正通过同源技术下放至量产车。

小鹏定位为"物理AI世界的出行探索者，面向全球的具身智能公司"。物理世界AI基座的价值，不只是把单一任务做得更好，而是将模型在真实世界学习到的能力迁移、复用到更多任务和更多本体，推动物理AI从单一产品能力走向通用能力。第二代VLA基于统一技术底座，已实现L2至L4能力贯通。搭载第二代VLA的Robotaxi近日获得广州市智能网联汽车远程测试资质，可在相关测试道路开展主驾无安全员道路测试，进入主驾无人的关键验证阶段。

这一能力正向机器人等更多本体落地。小鹏通用人形机器人IRON搭载3颗图灵AI芯片，有效算力2250 TOPS，物理世界基座模型已实现端侧部署，无需远程遥操作即可自主完成复杂工作任务。8月24日，小鹏机器人业务完成首轮股权融资，超9亿美元、投后估值超63亿美元，刷新中国具身智能行业单轮私募股权融资纪录。IDG资本领投、高榕创投参投，腾讯、阿里巴巴两家战略投资者支持。

物理AI基座模型的进化，也让先进智驾能力覆盖更多车型、惠及更多老车主。通过学习式Token压缩与蒸馏训练，在不牺牲输入信息和模型容量的基础上，以更少的有效Token实现高质量视觉理解，将第二代VLA基座模型能力部署到算力更低的平台。蒸馏后的图灵VLA 2.0 Lite同样获得显著提升，预计9月开启首批推送，小鹏G9L Max版本首发搭载。

全球化部署同步推进。近期在德国完成第二代VLA本地化验收测试，基于中国数据训练的模型，几乎不增加本地化训练数据的情况下，在德国城市道路的实际体验与国内高度接近。目标明年上半年率先在欧洲获得监管许可，陆续向海外用户交付，推动高阶智驾的全球普惠。

物理AI是长期工程，护城河在于AI Infra的长期沉淀与复利。小鹏持续投入建设覆盖数据、训练、仿真、评估、部署和算力的完整AI Infra体系，以自动驾驶作为第一个规模化应用场景，建立从真实世界数据采集到模型训练、测试、部署、用户反馈和持续优化的完整闭环。依托百万车队和十亿级数据资产，模型单次训练数据吞吐量已达1亿clips，比半年前增长10倍。数据越多、问题发现越充分、模型进化越快、又产生更多数据的正向循环正在形成。

模型会不断迭代，但真正形成长期壁垒的是持续迭代模型的能力；产品会不断变化，但真正产生长期价值的是支撑产品持续进化的基础设施。随着AI Infra持续沉淀，模型能力将跨越汽车、机器人、飞行汽车等不同本体，持续拓展物理AI与真实世界交互的边界。