车评台|记住前30秒世界预见6秒未来 小鹏第二代VLA让AI理解时间

车评台|

如何让汽车未来驱动更智能？从传统的智能认知逻辑看，AI模型需要识别的是车辆、行人、道路和交通信号。但是，要真正完成复杂的物理世界决策，仅仅“看见”还远远不够，车辆需要知道过去、现在、未来可能会发生什么。近日，小鹏集团举办以“TIME 时间”为主题的物理AI分享暨第二代VLA全新版本体验日活动，小鹏第二代VLA大模型迎来首次重大升级；此外，全新XOS 6.3.0版本也将搭载于小鹏G9L全球首发。

事实上，过去AI对物理世界的理解，局限于静态的3D空间，而想要让AI司机真正做到“看得准，会思考，反应快”，就必须让AI模型像人类一样理解世界，必须首先理解什么是“时间”。

比如，在真实道路上，前车可能突然刹停，行人可能临时改变方向，旁车可能突然加塞，预测更多种未来，才能选择更好的行动。模型不仅要识别过往画面和当前画面信息，还需要根据目标物的位置、速度、运动趋势、道路环境等进行预测。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。简单说，就是第二代VLA能够做到的，则是边看、边想、边行动”。

据介绍，即将发布的全新XOS 6.3.0大版本，端侧模型参数量扩大了3.5倍。升级的核心，是让模型第一次建立起对时间维度的理解。小鹏物理世界基座模型，首次把时间纳入模型，使得AI理解世界的维度，从3D空间跃迁至4D时空。全新版本还引入了整车大脑Master Agent，实现VLA+VLM的驾舱融合，并将部分Robotaxi的L4级体验下放到量产车型，而这也将为广大用户带来全新体验。

与此同时，新版模型引入MoT混合架构，通过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，把不同的问题交给不同的“专家”，让模型在不同驾驶任务之间更加稳定地切换。

小鹏选择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”进一步走向“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，不仅能够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，并调度智驾、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。

本次全新版本升级还带来了“语音靠边停车”、“语音控制就近泊入”功能，用户只需通过语音下达停车指令，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。

基于统一技术底座，小鹏第二代VLA已实现L2至L4能力贯通，进一步向更高阶自动驾驶拓展。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，可在广州相关一、二、三级测试道路开展主驾无安全员道路测试，这意味着小鹏开始进入主驾无人的关键道路验证阶段。

据了解，除了汽车，这一能力也正在向机器人等更多本体落地，这也是小鹏持续推进统一物理AI基座模型的核心意义。小鹏通用人形机器人IRON搭载3颗图灵AI芯片，有效算力达2250 TOPS。同时小鹏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，保障推理低时延与数据安全。

物理AI基座模型持续进化的意义，在于让先进智驾能力覆盖更多车型及更多老车主，享受到更安全、更可靠的城区辅助驾驶体验。据介绍，图灵VLA 2.0 Lite预计9月开启首批推送，小鹏G9L Max版本将首发搭载这一蒸馏版本。与此同时，小鹏目标于明年上半年率先在欧洲获得监管许可，并陆续向海外用户交付第二代VLA。

依托百万车队和十亿级数据资产，小鹏持续构建数据飞轮，通过统一化存储、多模态检索和规模化挖掘，将海量真实世界数据转化为可持续训练和优化模型的数据资产。通过对数据进行结构化、标签化和语义化处理，小鹏能够从海量真实世界数据中高效发现未知问题，并快速反哺模型训练和迭代，产生更多数据的正向循环。

模型会不断迭代，但真正能够形成长期壁垒的，是持续迭代模型的能力；产品会不断变化，但真正能够产生长期价值的，是支撑产品持续进化的基础设施。而随着AI Infra持续沉淀，模型能力的进化将不再局限于单一产品，而是跨越汽车、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。从AI汽车到通用人形机器人，再到更多的智能本体，最终走向更广阔的物理世界。