最近，小鹏集团今日举办以“TIME 时间”为主题的物理AI分享活动，正式宣布第二代VLA大模型迎来首次重大升级。全新XOS 6.3.0版本将在小鹏G9L上全球首发标配。这次升级最核心的变化，是让AI第一次真正拥有了“时间感”——从过去只理解静态的3D空间，升级为能感知动态变化的4D时空。
真实世界从来不是一张张定格的图片，而是连续流动的过程。以往模型能识别车辆、行人、路标，但要做出靠谱的驾驶决策，光“看见”远远不够，还得知道之前发生了什么、现在正在发生什么、接下来可能发生什么。为此，小鹏引入全新的Infini-VLA长时序架构，让模型能记住前30秒的世界——连续发生的道路事件不再被割裂成独立画面，而是串联成完整的上下文，判断因此更有依据。
光有记忆还不够，现实变化太快，决策必须跟得上。第二代VLA同步升级了推理效率，采用流式自回归推理，从过去的“看→算→输出→再看”的离散模式，变成“边看、边想、边行动”的并行处理。端到端响应速度提升300%，遇到前车急刹、行人折返、旁车强行加塞，车辆反应像老练司机一样敏捷。
更关键的是，模型还要能提前“预判”。小鹏首次在量产车上搭载X-Foresight预测世界模型，可推演周边交通参与者未来6秒内的可能行为，提前规划最优路径。记住过去、理解现在、预判未来——这套组合拳让物理世界基座模型真正理解了时间。
为了支撑这种能力，新版本端侧模型参数量扩大了3.5倍，是主流VLA模型的15倍以上。结合超长时序记忆和更快响应，多维综合安全能力提升了20倍。更大的模型带来更强的泛化能力，也为全球化部署打下基础——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，实际体验与国内高度接近，计划明年上半年率先在欧洲获得监管许可。
这次升级不只是智能驾驶层面的进化。小鹏首次推出整车大脑Master Agent，基于自研Omni全模态模型，实现VLA与VLM的驾舱融合。它不仅能听懂自然语言，还能自动拆解用户意图，调度智驾、底盘、座舱等垂直Agent协同执行。比如新增的“语音靠边停车”和“语音控制就近泊入”，用户只要说一句话，车辆就能在智驾状态下自主找到合适位置完成停车——从“听懂指令”到“自主执行”，闭环已经跑通。这也意味着部分Robotaxi的L4级体验正在下放到量产车上。
同一套AI底座，同时驱动汽车和机器人。小鹏明确将自己定位为“物理AI世界的出行探索者”，第二代VLA已实现L2至L4能力贯通，近日其Robotaxi在广州获得远程测试资质，进入主驾无人的关键道路验证阶段。而通用人形机器人IRON搭载3颗图灵AI芯片，有效算力2250 TOPS，基座模型已实现端侧部署，无需远程遥操作即可自主完成任务。8月24日，小鹏机器人业务完成首轮超9亿美元融资，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、高榕创投参投，并获得腾讯、阿里巴巴两家战略投资者支持，充分体现资本市场对技术路线和量产能力投下信任票。
值得老车主关注的是，小鹏通过Token压缩与蒸馏训练，将基座模型能力部署到算力更低的平台，蒸馏版本图灵VLA 2.0 Lite同样获得显著提升，预计9月开启首批推送，G9L Max版本首发搭载，让更多用户享受到更安全、更可靠的城区辅助驾驶。
小鹏强调，物理AI是长期工程，真正的护城河在于AI Infra的持续沉淀。依托百万车队和十亿级数据资产，数据飞轮正加速转动——单次训练数据吞吐量已达1亿clips，半年增长10倍。从数据采集、模型训练到用户反馈的闭环越来越高效，规模效应开始显现复利。模型会迭代，但真正形成壁垒的是持续迭代的能力；产品会变化，但真正产生长期价值的是支撑产品进化的基础设施。
从AI汽车到人形机器人，再到更广阔的智能本体，小鹏正在让物理AI的边界不断拓展。这次关于“时间”的升级，只是一个新的起点。
