2026年8月27日，小鹏集团举办以“TIME 时间”为核心主题的物理AI分享暨第二代VLA新版本体验交流活动，现场正式发布迭代完成的第二代VLA视觉大模型，配套全新XOS 6.3.0整车操作系统，将随小鹏G9L车型完成全球首发。本次模型迭代最核心的突破，是让车载AI突破传统静态空间识别局限，搭建起对时间维度完整的认知逻辑，完成从3D静态空间理解到4D动态时空理解的底层技术跨越。
长期以来，小鹏持续在高阶智能辅助驾驶领域开展规模化技术验证，依托完整的算力基座、数据体系与模型架构迭代，持续优化车辆感知表现、行车安全表现与多场景适配能力。即将落地的XOS 6.3.0整车系统，搭载经过扩容升级的端侧模型，参数量实现3.5倍提升，和行业常规轻量化模型形成明显区分。搭配超长时序上下文记忆能力，车辆智能系统得以同步提升环境识别、逻辑推演、响应处理三大维度表现，推动小鹏自研物理AI基座完成空间理解向时空理解的技术进阶。新版本同步搭载整车统一智能中枢Master Agent，打通VLA视觉大模型与VLM语言大模型的座舱融合通道，同时将Robotaxi高阶测试车辆的高阶智能能力下放至量产乘用车，为普通用户带来全新的智能驾乘体验。
建立时间感知，AI从看懂静态场景到读懂动态路况
物理AI落地现实场景的核心难点，在于精准感知并适配持续变化的真实环境。我们身处的道路环境并非固定不变的静态画面，车流、行人、路况每时每刻都在动态改变，智能系统想要像人类驾驶员一样做出合理判断，就必须建立对“时间”的认知能力。
过往行业主流智能模型仅能识别当下画面里的车辆、行人、道路标识等静态元素，仅依靠瞬时画面无法完成复杂路况下的预判与决策。本次第二代VLA迭代的核心创新，便是将时间维度纳入模型感知体系，让小鹏自研物理AI基座的环境认知维度，从三维空间拓展至四维时空。
全新Infini-VLA长时序架构是实现时间感知的核心载体，模型可留存近30秒内完整道路环境信息，打破传统模型单帧画面割裂识别的局限。道路上连续发生的加塞、减速、行人横穿等事件，会按照时间顺序串联形成完整场景逻辑，智能系统判断路况时，拥有更长、更完整的信息参考链条。
路况瞬息万变，若智能系统推理速度跟不上环境变化，再完善的感知能力也无法落地。第二代VLA引入Streaming Inference流式自回归推理机制，摒弃传统“采集画面—计算分析—输出指令—再次采集”的循环离散模式，切换为边采集、边运算、边输出的并行处理逻辑，端到端响应效率实现300%提升。面对前车急刹、行人临时折返、相邻车辆近距离变道等道路突发状况，系统能够快速做出贴合老司机驾驶习惯的平顺应对动作。
除复盘过往、感知当下，提前预判道路走向同样是安全驾驶的关键。小鹏自研X-Foresight预测世界模型同步完成上车搭载，可综合周边车辆位置、行驶速度、运动轨迹、道路标线等多重信息，推演未来6秒内道路参与者的各类行驶可能性，提前规划安全行驶方案。
依靠记忆过往、感知当下、预判未来三重能力，第二代VLA搭建起完整的时空感知逻辑。同时新版本搭载MoT混合任务架构，针对城区通勤、园区行驶、自动泊车等不同场景分配专属运算单元，不同驾驶任务之间减少算力干扰，让车辆在多场景切换过程中保持稳定流畅的智能表现。
大模型带来全域能力升级，多维度提升道路安全表现
不少用户会产生疑问，为何需要持续扩容端侧模型规模？更大规模的模型架构，能够带来更强的场景泛化能力，这也是小鹏推进高阶智驾技术走向全球市场的技术基础。本次第二代VLA端侧模型参数量提升3.5倍，规模达到行业常规VLA模型的15倍以上，叠加长时序记忆、超前轨迹推演、极速响应三大核心能力，车辆综合安全表现实现多维度提升。
本次迭代的升级范围不局限于智能辅助驾驶板块，小鹏以通用具身智能机器人的研发思路重构整车智能中枢，全新Master Agent整车大脑实现视觉、语言双模型座舱一体化融合。该中枢依托小鹏自研Omni全模态大模型搭建，不仅可以识别日常口语、模糊化语音指令，还能自主拆解用户的核心出行诉求，同步调度智驾、底盘、座舱、车身控制等多套系统协同完成操作，形成“接收需求—拆解任务—协同执行”的完整智能闭环。
这意味着整车拥有统一的智能决策中枢，车辆智能不再局限于单一语音指令的机械响应，能够自主读懂用户潜在需求、规划完整执行流程。落地到日常用车场景，新版本新增语音靠边停靠、语音就近自动泊车功能，用户仅需口头下达停车相关指令，车辆在智驾运行状态下，自主搜寻合规停靠区域并完成整套泊车操作，实现语音指令到完整动作的无缝衔接。
依托同源技术研发，Robotaxi高阶测试车型的高阶智能能力逐步下放至量产乘用车，无需复杂手动操作，即可让普通车主体验到更贴近高阶自动驾驶的自然驾乘感受。
统一AI底座打通汽车与机器人，实现技术规模化复用
小鹏集团自身定位为深耕物理AI领域的出行科技企业，业务布局覆盖乘用车、高阶自动驾驶、通用人形机器人等多条赛道，并非单一车企或自动驾驶研发企业。物理AI基座的核心价值，不只是优化单一产品的局部功能，而是把车辆在真实道路学习积累的感知、决策能力，迁移复用至各类智能载体，推动具身智能从单一产品功能升级为通用底层技术。
第二代VLA依托统一的技术底座，完成L2至L4全层级自动驾驶能力贯通，持续向更高阶自动驾驶方向拓展。搭载这套模型的Robotaxi车辆，近期顺利取得广州市智能网联汽车远程测试资质，可在广州一、二、三级城市道路开展主驾无安全员道路测试，标志着小鹏高阶自动驾驶技术进入无人上路的关键验证阶段。
这套通用物理AI基座技术，同样落地到通用人形机器人业务。小鹏IRON人形机器人搭载3颗自研图灵AI芯片，整机有效算力达到2250 TOPS，依托高算力支撑，物理AI基座模型可直接在机器人端侧部署，无需远程后台操控，就能自主完成多类型复杂作业，同时保障低延迟运算与本地数据信息安全。
行业资本层面同样认可这套技术路线的长期价值。8月24日，小鹏机器人业务完成首轮股权融资，融资总额超9亿美元，投后企业估值突破63亿美元，创下国内具身智能赛道单轮私募股权融资纪录。本轮融资由IDG资本领投，高榕创投参与投资，腾讯、阿里巴巴作为战略投资方持续加持，资本市场的认可，印证了小鹏在物理AI赛道的技术路线、量产落地能力与长期商业发展潜力，也验证了汽车与机器人双线技术协同发展路径的可行性。
为实现科技普惠，小鹏通过学习式Token压缩、模型蒸馏训练两大技术方案，在不损耗核心感知信息与模型基础能力的前提下，降低模型运行所需算力门槛，让第二代VLA核心能力能够适配更多算力规格的车载硬件平台。经过蒸馏优化的图灵VLA 2.0 Lite版本同步完成研发，整体能力实现显著提升，计划9月开启首批车型推送，小鹏G9L Max将率先搭载这套轻量化模型，让更多车主体验到稳定可靠的城区高阶辅助驾驶功能。
全球化落地也是第二代VLA迭代的核心目标之一。近期小鹏在德国完成第二代VLA本地化道路验证，这套基于国内海量道路数据训练的模型，仅补充少量当地道路数据，就能实现和国内接近的道路适配表现。按照规划，小鹏计划在明年上半年率先完成欧洲地区相关监管资质认证，逐步向海外用户推送第二代VLA智驾功能，推动高阶智能辅助驾驶技术走向全球市场。
AI基础设施构筑长期技术壁垒，物理AI是持续深耕的长期赛道
物理AI技术的落地与迭代并非短期工程，模型能力持续升级的底层支撑，是企业长期搭建、沉淀的AI基础设施体系。行业竞争的核心，不只是单次模型参数规模、单一场景的功能表现，而是企业能否搭建完整基础设施，持续将真实道路的海量数据转化为模型迭代的动力。
过去数年，小鹏持续投入搭建覆盖数据采集、模型训练、仿真测试、效果评估、整车部署、算力集群的完整AI基础设施，以自动驾驶作为首个规模化落地场景，搭建起“真实路况采集—模型训练优化—实车仿真测试—量产车型部署—用户反馈收集—模型迭代升级”的完整闭环。数字AI大多依托互联网线上数据完成训练，而物理AI的数据全部来源于真实物理世界，模型需要持续和现实路况交互、试错、学习，因此想要做好物理AI，必须解决海量真实数据高效利用、模型上路效果可靠验证两大核心难题。
依托百万级上路车辆积累的十亿级道路数据资产，小鹏搭建起可持续运转的数据增长飞轮。通过统一存储架构、多模态检索工具、规模化数据挖掘体系，海量真实路况数据转化为可用于模型迭代的标准化资产。当前模型单次训练可处理1亿段路况片段，数据处理吞吐量较半年前提升10倍。通过对道路数据做结构化、标签化、语义化处理，研发团队能够快速从海量路况中识别各类罕见路况、边缘场景，快速反馈至模型训练环节，形成数据越多、场景覆盖越全面、模型持续优化、产生更多新数据的正向循环。
伴随数据体量持续增长、模型训练效率稳步提升、算力集群与配套工具链不断完善，越来越多现实道路场景难题能够纳入模型迭代流程，数据规模带来的技术壁垒逐步成型。小鹏在AI基础设施领域的长期投入，已经沉淀出可跨产品复用的底层技术，形成明显规模效应，长期技术价值持续释放。
模型版本会持续更新迭代，产品车型也会不断推新，但能够支撑技术长期迭代的基础设施，才是企业长期发展的核心壁垒。第二代VLA的全面升级，正是整套AI基础设施循环运转的成果，通过数据、算力、模型、智能载体四者协同增长，把底层技术迭代转化为用户可直观感知的安全性、驾乘流畅度、出行效率提升。
随着AI基础设施持续完善，模型的进化边界不再局限于乘用车单一品类，技术能力可跨汽车、人形机器人、低空飞行器等多类智能载体，持续拓宽物理AI与现实世界交互的边界。从智能乘用车到通用人形机器人，再到更多全新智能载体，依托统一物理AI基座，小鹏持续探索物理AI技术在广阔现实世界中的落地可能性。
