2026年8月27日，小鹏集团在广州举办以“TIME 时间”为主题的物理AI分享活动，宣布第二代VLA（视觉语言动作）大模型迎来首次重大升级。全新XOS 6.3.0版本将全球首发于小鹏G9L，并全系标配。此次升级的核心，是让AI从过去对物理世界的静态3D空间理解，跃迁至动态4D时空理解——模型第一次拥有了“时间感”。
真实世界不是一帧帧孤立画面的简单叠加，而是连续变化、因果交织的演进过程。传统模型能识别车辆、行人、信号灯，但面对突发刹车、行人折返、旁车强行加塞等复杂场景，仅靠“看见”远远不够。小鹏第二代VLA全新引入Infini-VLA长时序架构，让AI记住前30秒的世界，将连续发生的道路事件串联成完整的时序记忆，决策不再依赖碎片化快照。同时，模型采用Streaming Inference流式自回归推理，从离散推理走向连续推理，端到端响应速度提升300%，真正做到“边看、边想、边行动”。更关键的是，X-Foresight预测世界模型首次上车，可预判6秒内周边交通参与者的可能行为，让车辆提前规划最优路径。记忆过去、感知现在、预判未来，三个维度共同构筑起完整的时空理解能力。
能力的跃迁离不开模型规模的支撑。全新版本端侧模型参数量扩大3.5倍，是业内主流VLA的15倍以上，配合超前轨迹预判、超长有效时序和极速响应，多维综合安全能力提升20倍。更大的参数量带来更强的泛化能力，也为全球化部署铺平道路——近期小鹏在德国完成本地化验收测试，基于中国数据训练的模型在几乎不增加本地训练数据的情况下，德国城市道路实际体验与国内高度接近，目标明年上半年率先在欧洲获得监管许可。
本次升级不止于智能驾驶。小鹏首次推出Master Agent整车大脑，将VLA与VLM（视觉语言模型）深度融合，让车辆从“听懂一句话”走向“理解用户真正想完成什么”。Master Agent基于自研Omni全模态模型，能解析自然语言和模糊语义，自动拆解意图并调度智驾、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。新版本还带来“语音靠边停车”“语音控制就近泊入”功能，用户口头下达停车指令，车辆即可在智驾状态下自主寻找位置并完成泊入——这正是小鹏将Robotaxi的L4级能力逐步下放至量产车的缩影。
小鹏的定位不止于自动驾驶车企，而是“物理AI世界的出行探索者”。第二代VLA基于统一技术底座贯通L2至L4能力，搭载该系统的Robotaxi近日已获广州市远程测试资质，可在主驾无安全员状态下开展道路测试。这一能力同样向机器人延伸——通用人形机器人IRON搭载3颗图灵AI芯片，有效算力达2250 TOPS，物理世界基座模型已在端侧部署，无需远程遥控即可自主完成复杂任务。8月24日，小鹏机器人业务完成首轮股权融资，超9亿美元、投后估值超63亿美元，刷新国内具身智能行业单轮私募纪录，IDG资本领投，腾讯、阿里战略跟投，资本市场高度认可其技术路线与商业价值。
在性能提升的同时，小鹏坚持科技普惠。通过学习式Token压缩与蒸馏训练，第二代VLA基座模型能力得以部署到算力更低的平台，蒸馏版图灵VLA 2.0 Lite预计9月开启推送，G9L Max版本将首发搭载，让更多用户享受到高阶城区辅助驾驶。
物理AI是一场长期工程，真正的护城河在于AI基础设施的持续沉淀。小鹏依托百万车队和十亿级数据资产，构建起覆盖数据、训练、仿真、评估、部署和算力的完整AI Infra体系。当前单次模型训练数据吞吐量已达1亿clips，比半年前增长10倍，数据飞轮正加速转动——数据越多，问题发现越充分，模型进化越快，进而产生更多高质量数据。算力、工具链与模型能力的协同增长，已呈现出明显的规模效应和复利效应。
从AI汽车到通用人形机器人，再到飞行汽车等更多智能本体，小鹏的物理世界基座模型正不断拓展与真实世界交互的边界。模型会迭代，产品会变化，但持续迭代模型的能力和支撑产品进化的基础设施，才是产生长期价值的根基。随着时间维度被真正纳入AI的理解框架，物理智能的下一章正在被改写。
