近日，小鹏第二代VLA大模型迎来首次重大升级，与之配套的XOS 6.3.0版本将在小鹏G9L上全球首发。对于智能驾驶系统来说，本次大模型升级的底层逻辑，讲人话就是三个字——“抢时间”。
我们先阐述理论：相比此前系统主要基于对物理世界的静态三维空间感知，升级之后的VLA大模型深化了对时间维度的理解。从能够识别车辆、行人、道路和交通信号等元素，到第二代VLA将记忆时长延伸至前30秒，使模型能够将连续发生的道路事件串联起来，形成完整的时序理解，而非将路况割裂为独立的画面。
换成容易理解的说法：过去的智能驾驶系统处理路况的方式，有点像看一张张静止的照片。系统能认出照片里的车、人、红绿灯，但照片和照片之间发生了什么，它并不清楚。而真实的道路是连续变化的，只看当下这一瞬间，有时候不够用。
这次升级的核心变化，就是让系统重新“理解时间”，不仅可以识别当下，还可以推演过去，以及预演未来。
小鹏给第二代VLA增加了一个长时序记忆功能，系统能推演过去30秒里路上发生了什么。这样一来，前面那辆车是什么时候开始减速的，旁边那辆是不是一直在变道，这些信息都能串联起来，而不是当成孤立的事件处理。
打个比方，以前系统看到前车刹车灯亮了，识别的信号是前车正在刹车；现在它能结合前十几秒的记忆判断：它从半分钟前就开始频繁点刹，前方可能正在堵车。
除了看得更完整，系统思考与决策的速度也在改变。以前的工作模式是“看一眼、算一下、输出结果、开始执行”，步骤是分开的。
现在采用的则是新的流式处理，相当于眼睛在看的同时“大脑”同步思考，并且随时准备行动，三个环节并行进行。简单来说，就是在行动步骤上，让机器的思考与决策逻辑，更加贴近人类思维。
据悉，升级之后系统端到端响应速度提升了300%。遇到突发情况，比如前车突然刹停、行人从路边折返、旁边车辆强行加塞，系统的反应节奏更紧凑了。用开车的经验来说，就是从“愣一下再处理”变成了“下意识地决策与应对”。
这次升级还加入了一个预测功能，官方叫X-Foresight。简单来说，系统不仅看现在，还会根据周围车辆的速度、运动方向、道路环境等因素，并试图推测未来6秒内可能发生什么。比如，旁边车道的车正在加速靠近，系统会预判它可能要变道。再比如，看到路边有人站在斑马线附近低头看手机，系统会提前留神他会不会突然走出来。
这种预判不是为了代替驾驶员做决定，而是让系统提前进入准备状态，留出更多反应余地。除了驾驶本身，这次升级还带来了一个叫Master Agent的整车控制中枢。你可以把它理解为一个协调员，能听懂比较自然的语音指令，还能把一句话拆成几个任务，分配给车上不同的系统去执行。
发布会上演示了“语音靠边停车”和“语音就近泊入”这两个新功能。用户在行驶中直接说靠边停一下，系统会自己找合适的位置，控制车速、打灯、转向、靠边、停稳，一整套动作自动完成。
这意味着系统从最初的“听得懂”进步到了理解用户为什么下这套指令，然后自己安排处理。
值得一提的是，小鹏Robotaxi上的一些高阶能力，正在通过这套系统下放到普通量产车上。搭载第二代VLA的Robotaxi最近拿到了广州市的远程测试许可，可以在指定道路上进行主驾无人的测试。
新技术通常先给新车用，但小鹏这次还做了套图灵VLA 2.0 Lite，通过压缩模型体积的方式，让算力较低的老平台也能运行。官方表示，这个精简版在减少资源占用的同时，尽量保留了核心能力，不会明显牺牲识别精度。这套Lite系统预计9月开始推送，小鹏G9L Max版会首发搭载。
当然，小鹏做这些不只为汽车。他们把人形机器人IRON也纳入了同一个技术体系。这台机器人身上装了三颗小鹏自研的图灵AI芯片，算力达到2250 TOPS，物理AI基座模型可以直接在机器人本地运行，不需要远程遥控，也能自主完成一些复杂操作。
从只能看“单张照片”，到能预演“连续视频”；从只会执行指令，到能自己安排任务；从只搭载于汽车，到机器人也能用——小鹏第二代VLA的这次升级，本质上是让AI加强对物理世界的理解，从静态走向动态，从单一走向多元。
