原创 | 李俊
8月27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，宣布第二代VLA大模型完成发布以来的首次重大升级。全新XOS 6.3.0版本将在小鹏G9L上首发，9月起向Ultra、Ultra SE车型分批推送，Max车型则通过图灵VLA2.0 Lite蒸馏版同步覆盖。
01 三项架构变化，实现从3D到4D的跃迁
第二代VLA旧版本更多聚焦当下的空间信息，而真实物理世界是持续演进的连续过程。因此，小鹏将模型对物理世界的理解，从3D空间拓展至4D时空。让模型具备时间维度认知，这也是本次升级的核心突破。
支撑这一跃迁的是三项关键技术改动。其一是Infini-VLA长时序架构，模型可留存前30秒的道路场景信息，将碎片化的画面串联成连续的时序认知，为驾驶判断提供更长的上下文依据。其二是Streaming Inference流式自回归推理，从传统"看—算—输出—再看"的离散模式，转为"边看、边想、边行动"的并行处理，更好地应对前车急刹、行人折返、车辆加塞等突发状况。其三是X-Foresight预测世界模型，可以推演周边交通参与者未来6秒内的行为轨迹，并结合Flow Matching架构生成多条潜在路径，再基于概率分布择优输出执行方案。通过三项架构的调整，模型便可以同时处理过去、当下和未来的环境信息。
此外，新版本引入MoT（Mixture of Tasks）混合任务架构，为不同驾驶任务动态分配算力，同时实现时序信息跨任务复用，缓解场景切换过程中的决策不连贯问题。小鹏披露，升级后端侧模型参数量较上一版扩大3.5倍，端到端响应速度提升300%，多维综合安全能力可提升20倍。
02 Master Agent上车，L4能力下放量产车
除智驾模块升级外，小鹏基于自研Omni全模态模型推出Master Agent，实现VLA智驾与VLM座舱的融合，为整车搭建统一的决策“大脑”。该模块能够解析用户模糊语义、自动拆解任务，并调度智驾、底盘、座舱、车身控制等子模块协同完成执行。
基于这一能力，新版本增加了“语音控制靠边停车”、“语音控制就近泊入”功能。现场演示视频显示，在收到语音靠边停车指令后，系统自动将指令拆解为连续变道、寻找合法停车点、完成泊入整套流程，最终将车辆停放在公交站前方的合规停靠区域。
小鹏表示，该功能是Robotaxi同源L4级能力向量产车型下放的成果。近日，搭载第二代VLA的Robotaxi已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，目前已完成超过2000单内测订单。
03 一套AI基座，打造可迁移的通用能力
第二代VLA不仅用同一套技术底座，完成从L2量产辅助驾驶到L4 Robotaxi的能力贯通，还通过模型蒸馏将高阶智驾能力迁移到算力更低的硬件平台。小鹏没有采取直接削减模型参数量的简易方案，而是通过学习式token压缩与蒸馏训练，在有限算力条件下保留高质量视觉理解能力。蒸馏版本图灵VLA 2.0 Lite将于9月推送给单图灵芯片的Max车型，小鹏G9L Max将首发搭载。针对双Orin平台老车主的适配版本将在后续提供方案，但目前暂未给出具体时间表。
对小鹏而言，第二代VLA定位物理AI基座模型，并非仅服务单一市场的智驾功能。今年7月，该模型完成德国本地化验收测试。测试结果显示，这套基于中国数据训练的模型，在几乎不补充本地化训练数据的情况下，于德国城市道路的实际体验与国内接近。小鹏计划后续在荷兰、法国、澳大利亚推进相关测试，目标2027年上半年拿到欧洲监管许可，向海外用户交付第二代VLA。
发布会现场也展示了基座模型跨本体复用的潜力。视频中同一套VLA基座，既可以驱动汽车行驶，也可实现机器人室内导航。小鹏人形机器人IRON搭载3颗图灵AI芯片，有效算力2250 TOPS，依靠这套基座实现端侧自主推理。
通用能力落地，离不开AI基础设施的长期建设。小鹏介绍，当前模型单次训练可处理1.1亿个视频片段，较半年前提升10倍；借助自研的数据检索平台，能够从海量真实路测数据中快速定位极端场景。仿真测试规模也大幅提升，承担了更多原本需要实车完成的验证工作。此外，基于XLLM架构，小鹏已在单颗图灵芯片上实现了通用大模型的高效端侧推理。
04 结语
30秒历史记忆窗口加上最长6秒的未来行为推演，本质是让模型理解道路场景的连续性。对于用户来说，底层架构迭代最终要落在具体的驾驶体验上才有意义。应对复杂路况博弈是否更加游刃有余、面对突发险情的响应是否足够及时、语音指令下的靠边停车能否一次到位……更多的体验差异，要等到9月版本推送后，由车主在真实路况中切身感受。
—END—
