第二代VLA大模型，迎来第一次重大升级，新版本随XOS 6.3.0在小鹏G9L上全球首发。
第二代VLA干的事很简单，让车端模型第一次把时间当维度存进来，记住刚过去的30秒，推演就要来的6秒。全新XOS 6.3.0版本9月就会推送给Ultra和Ultra SE车型，小鹏G9L全球首发全系标配。图灵VLA 2.0 Lite蒸馏版也将在9月开启首批推送，G9L Max首发搭载。
先说一下这次到底升级了什么。过去做智驾的模型，看世界的方式更像翻照片。一帧一帧看，看完算完再输出动作。第二代VLA做的是把时间放在模型里。它用了个叫Infini-VLA的长时序架构，能记住前30秒路上发生的事。前车刚才是不是犹豫了一下。行人之前站在哪儿。旁边那台车刚才有没有往这边偏。这些碎片不再是孤立画面，而是串成一条连续的时间线。模型不再只盯着眼下这一瞬，而是带着刚才30秒的记忆在做判断。
记得住还不够，转得快也很重要。这次上了Streaming Inference流式自回归推理，把原来看、算、输出、再看的那套离散节奏，改成边看边想边动。端到端响应速度直接拉高300%。前车冷不丁刹停，行人半路折返，旁车一把方向挤进来，车子的反应不再是等系统重启一轮，而是像老司机脚已经在刹车上放着，顺势就处理了。
另外，还要注意一个叫X-Foresight的预测世界模型。它能结合位置、速度、运动趋势和路面环境，推演周边交通参与者未来6秒要做什么。6秒在120公里时速下是两百米，在城市路口足够决定是让还是过。把过去30秒、当下这一刻、未来6秒拼在一起，模型理解世界的方式就从3D空间变成了4D时空，这是这次升级最硬的内容。
模型本身也长大了，端侧参数量扩了3.5倍，是主流VLA的15倍以上。加了MoT混合架构，城区、园区、泊车不同场景动态分派能力，不让任务互相打架。官方给的综合安全能力提升是20倍。
另外，Master Agent整车大脑第一次把VLA和VLM揉到一起。它站在小鹏自研Omni全模态模型上，能听明白模糊指令，把一句模糊的靠边停或者就近泊进去哪，拆成任务调智驾、调底盘、调座舱、调车身一块干。语音靠边停车、语音控制就近泊入就是这个逻辑下的产物。顺带把Robotaxi跑出来的部分L4级能力下放到量产车。
XOS 6.3.0完整版将会在9月给Ultra和Ultra SE推送，G9L首发。图灵VLA 2.0 Lite走蒸馏路线，9月首批推，G9L Max先吃。Lite版的意义不在参数漂亮，而在把这套新基座的能力塞进算力更紧的平台，让单图灵芯片的Max车型也能尝到二代VLA的汤。老车主不是旁观者，小鹏说的科技普惠没有开玩笑。
对小鹏汽车而言，这一版的价值至少有三层。第一层是产品。G9L刚顶上来就吃全量新模型，智驾卖点不是PPT上的名词，是用户9月推完就能摸到的东西。第二层是护城河。时间维度理解、长时序记忆、流式推理、预测世界模型，这一套组合不是单点算法能抄的，背后是百万车队、十亿级数据、单次1亿clips吞吐的训练底座在撑。数据飞轮转起来，后来者追的是影子。第三层是定位。小鹏现在把自己摆到物理AI公司那个位置，车只是第一个本体，机器人IRON已经端侧部署，Robotaxi在广州拿了大路测试资质，同一套基座跨本体复用，这个故事就比单纯卖车厚得多。
实际上，小鹏这步把智驾竞争又拔高了。过去大家卷的是谁认得准、谁接管少。现在小鹏把标尺换成谁懂时间。记住过去、判断现在、推演未来，这三件事合起来才是人类开车最底层的本能。哪家还在拿单帧感知讲故事，差距会被肉眼看见。
另一条信号是大模型路线在车端站得更稳了。参数量拉到主流15倍还能端侧跑、还能响应快3倍，说明车不是养不起大模型，是以前不敢养。
再一条是物理AI的通用化被小鹏跑出了样本。一套底座控车、控机器人、控Robotaxi，本体越多数据越肥，飞轮越转越快，这和只会控一种本体的玩家完全是两个物种。还有一条容易被忽略，AI Infra成了分水岭。模型可以讲给投资人听，数据闭环、训练吞吐、仿真评估、部署工具链这些脏活累活，才是往后五年谁笑到最后的根本。
海外那条线也顺带提一句。第二代VLA在德国做完本地化验收，几乎没加本地数据，体验跟国内贴近。小鹏的目标是先在欧洲拿到监管许可，把这套时空模型送到海外车主手里。中国数据训出来的东西能直接跨文化跑，本身就是泛化能力最硬的广告。
汽车网评：物理AI这场仗没有爆点式胜利，都是一圈一圈数据滚出来的。小鹏今天把时间融进模型，看起来是个技术节点，往下看是把智驾从空间题升级成了时空题。题面一换，答题的人排位就重排了。G9L 9月首发，Ultra系列同步推，Max车型吃Lite版，老车主也在覆盖圈里。车还是那台车，脑子却换了一代。
