开过智能辅助驾驶的人大概率都有过这种体验，过路口时它会突然犹豫一下；旁边的车刚有一点加塞苗头它就猛踩刹车；明明前车已经在减速了，它非要等凑近了才反应。之所以会出现这种情况，主要还是因为有些车载AI更像个只会看当下的新手，认得出车和人，却读不懂动态的路况。
这次小鹏第二代VLA大模型迎来首次重大升级，核心就是给AI加上“时间感”，让它从只会看懂3D空间，升级成能理解4D时空。听起来很玄，但落到实际驾驶里，其实就是解决了“没记性、反应慢、没预判”这三个老毛病。
以前的智驾模型本质上是一帧一帧看世界，每一秒都在重新识别眼前有什么，前后画面割裂。就像你看PPT猜剧情，永远不知道上一页发生了什么，自然也猜不到下一页会怎样。
这次升级后的Infini-VLA长时序架构，相当于给AI一段30秒的“长记忆”。它能把过去半分钟里车辆、行人的移动轨迹联系起来，知道旁边这辆车之前就一直在往左靠，大概率是要变道；看到路边的行人之前一直在往前走，突然减速就可能要横穿马路。有了前因后果，决策自然就不会一惊一乍。
与此同时，推理模式也从看完再思考变成边看边想。官方说端到端响应速度提升300%，换成用户体感就是，以前遇到突发情况，AI要先看清楚→算明白→再执行，总慢半拍；现在是流式推理，信息进来的同时就在做决策，跟老司机边观察边打方向的逻辑差不多，遇到加塞、急停这种场景，动作会更连贯，不会先愣一下再刹车。
最值得说的其实是X-Foresight预测能力，能预判未来6秒的路况。很多人说智驾开着不如人舒服，核心差别就在这：人类司机开车是看着前面三辆车，提前松油门、留距离；以前的AI是盯着前面一辆车，人家动了它才动。
现在能预判6秒，相当于提前把周边交通参与者的下一步动作算了一遍，过路口能预判信号灯变化，环岛能知道哪辆车要出去，不用等别人动了再反应，行驶质感会更像真人。
此外，这次还上车了Master Agent，它把车机和智驾打通，相当于给整车装了个统一的大脑。
以前的车机更像是个语音遥控器，你得说精确指令，比如“打开自适应巡航”“设置车速100”“搜索XX停车场”，说错一个词它都听不懂。现在的Master Agent基于全模态模型，能理解模糊意图，比如你说“靠边停一下买瓶水”，它自己会找合适的位置靠边停；你说“回公司顺路买咖啡寄快递”，它自己拆解任务、规划路线，不用你一步步操作。
说白了，就是从你让它做什么，变成你说需求，它帮你完成。这次同步上线的语音靠边停车、语音就近泊车，其实就是这个能力的具象化，不用手动切换模式、不用选车位，说一声就行，系统自己调度智驾、底盘、座舱一起完成。
以前是各个功能各干各的，现在有了统一的大脑，能理解意图、拆解任务、协同执行。以后再加新功能，就不是多一个语音指令，而是大脑又多了一项能力。
值得一提的是，这次小鹏同步放出了VLA 2.0 Lite蒸馏版，9月将会推送给G9L Max车型。简单来说就是把大模型的能力压缩，放到算力更低的平台上，不用顶配硬件也能用上核心能力。
物理AI的模型蒸馏比大语言模型难很多，因为要保证感知和决策的精度不能掉，能跑通这条路，至少说明高阶智驾不会永远是顶配专属，中低配车型和老车主也有机会用到。
另外一个容易被忽略的点是，这套模型在德国做了本地化测试，几乎没有加多少本地训练数据，效果就和国内差不多。这其实更能体现模型能力，智驾的真正门槛从来不是在某一条路开得好，而是换个国家、换种路况、换套交规，还能不能开得稳。如果明年能顺利在欧洲落地，将进一步证明这套基座模型的泛化能力。
顺便提一句，最近小鹏机器人融资9亿多美元，估值超63亿，本质上也是这套物理AI底座的复用。同样的模型，放在车上是智驾，放在机器人身上就是运动控制。这也说明小鹏做的不是车载智驾功能，而是通用的物理AI能力，汽车只是第一个落地的载体。
现在行业里都在卷VLA、卷大模型、卷参数，但很少有人说清楚，模型变大到底是为了什么？小鹏这次给出的答案是“理解时间”——记住过去、反应现在、预判未来。
客观来说，这确实是智驾接下来走的正确方向，从能识别物体到能理解动态，从快速响应到提前决策，最终目标都是让AI开车更像人，而不是更像机器。
不过，30秒记忆、6秒预测到底能否解决城区智驾的那些痛点，Master Agent能否真的听懂人话，还得等实车交付后用户的反馈，大家不妨可以期待一下。
