8月27日，小鹏集团举办主题为“TIME 时间”的物理AI分享暨第二代VLA新版本体验活动，正式对外公布第二代VLA大模型迎来问世后的首次重磅升级。同步迭代的全新XOS 6.3.0系统，将率先搭载于小鹏G9L车型，标志着小鹏汽车智能驾驶认知体系实现质的飞跃。本次升级最核心的技术突破，是让车载AI彻底摆脱传统静态空间感知局限，从3D静态空间理解，进阶为具备时序推演能力的4D动态时空理解，真正读懂真实物理世界的动态变化规律。
长期以来，小鹏持续在自动驾驶领域验证Scaling Law技术规律，通过模型规模、数据体量的持续扩容，全方位提升智能驾驶的体验感、安全性与场景泛化能力。全新上线的XOS 6.3.0版本，大幅扩充端侧模型参数量，扩容幅度达3.5倍，形成与行业主流小模型的量级差距。依托升级后的超长时序上下文记忆特性，小鹏车载智能驾驶系统实现感知、思考、响应能力的全面升级，构筑起更成熟的物理AI技术基座。此次更新还全新搭载整车中枢大脑Master Agent，打通VLA与VLM技术体系，实现座舱与智驾系统的深度融合，同时将Robotaxi的L4级高阶智能能力下放至量产车型，让普通用户也能体验高阶自动驾驶的便捷性。
在自动驾驶技术迭代进程中，单纯的静态图像识别早已无法适配复杂多变的真实路况。传统车载AI模型仅能完成车辆、行人、路况、交通标识等静态元素的识别，不具备时序逻辑判断能力，无法预判路况演变趋势，难以支撑高难度、高动态的行车决策。基于这一行业痛点，小鹏第二代VLA大模型针对性完成核心能力重构，首次将时间维度纳入模型认知体系，完成从三维空间认知到四维时空认知的技术跨越。
为实现长效时序感知，第二代VLA搭载自研Infini-VLA长时序架构，可留存前30秒的道路场景信息，彻底打破传统模型碎片化的画面识别模式。系统能够串联不同时段的路况画面、车辆位置、动态行为，构建完整的场景时序链条，让每一次行车决策都依托全程动态信息，而非单一瞬时画面。配合全新Streaming Inference流式自回归推理技术，模型告别离散式运算逻辑，切换为连续并行推理模式，端到端响应速度提升300%，可实现边感知、边运算、边执行的实时响应，面对前车急刹、行人折返、邻车加塞等突发路况，能够做出媲美资深驾驶员的精准应对。
为进一步强化动态行车预判能力，小鹏自研X-Foresight预测世界模型正式装车落地，可基于周边交通参与者的位置、速度、运动轨迹及道路环境信息，推演未来6秒内的路况变化与车辆行为，提前规避潜在行车风险。同时，新版本引入MoT混合架构，可根据城区行驶、园区通行、自动泊车等不同驾驶场景动态分配模型算力与能力，规避多场景切换带来的功能干扰，大幅提升全场景智能驾驶的稳定性与适配性。
更大的模型体量，是高阶智能与全球化落地的核心基础。小鹏第二代VLA端侧模型参数量较此前提升3.5倍，是行业主流VLA模型的15倍以上。依托超长时序记忆、超前轨迹预判、极速响应推理三大核心升级，车型综合智能安全能力整体提升20倍，为小鹏海外市场拓展、复杂路况适配提供坚实技术支撑。
本次升级不止聚焦智能驾驶能力迭代，更通过Master Agent中枢架构重构整车智能逻辑。基于小鹏Omni全模态模型打造的Master Agent，彻底升级人车交互模式，不仅能够精准识别自然语言与模糊化用户指令，还可自主拆解用户核心需求，智能调度智驾、底盘、座舱、车身等多系统协同运作，完成从意图识别、任务规划到自主执行的全流程闭环。依托这套全新架构，车型新增语音靠边停车、语音就近自动泊入等实用功能，用户语音下达指令后，车辆可自主筛选合规停车区域并完成泊车操作，实现纯语音操控的全自主行车服务。同时，小鹏持续推进同源技术下放，将Robotaxi的L4级高阶能力普及至量产车型，全面升级用户出行体验。
作为定位物理AI与具身智能的科技企业，小鹏的技术布局不止局限于智能汽车领域，致力于打造可跨场景复用的通用物理AI基座。第二代VLA大模型构建了贯通L2至L4级自动驾驶的完整技术体系，近期搭载该模型的小鹏Robotaxi成功获取广州市智能网联汽车远程测试资质，可在广州一、二、三级测试道路开展主驾无安全员道路实测，正式迈入高阶无人驾驶落地验证的关键阶段。
这套统一物理AI基座具备极强的跨场景适配能力，已顺利落地小鹏通用人形机器人IRON。该机器人搭载3颗图灵AI芯片，有效算力达2250TOPS，依托端侧部署的小鹏物理AI基座模型，可脱离远程操控，自主完成各类复杂作业，兼顾低时延运算与数据安全。技术与产品的硬核实力，也获得了资本市场的高度认可。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，投后估值突破63亿美元，刷新国内具身智能行业单轮私募融资纪录。本轮融资由IDG资本领投、高榕创投参投，腾讯、阿里巴巴两大巨头战略跟投，充分印证了行业对小鹏物理AI技术路线与产业化能力的认可。
在技术普惠层面，小鹏通过学习式Token压缩与蒸馏训练技术，在不损耗模型核心信息与运算能力的前提下，精简模型算力消耗，让第二代VLA的核心能力可适配更低算力硬件平台。迭代后的图灵VLA 2.0 Lite轻量化版本能力大幅升级，将于9月开启首批推送，由小鹏G9L Max车型率先搭载，让更多车主能够体验进阶版智能辅助驾驶服务。与此同时，小鹏正加速推进第二代VLA的全球化布局，目前已在德国完成本地化验收测试，依托国内海量数据训练的模型，在海外城市道路的适配体验与国内基本持平。按照规划，小鹏预计在明年上半年拿下欧洲相关监管许可，逐步向海外用户推送第二代VLA能力，实现高阶智驾技术的全球普惠。
小鹏认为，物理AI的长期核心壁垒，不在于单次模型迭代的性能突破，而在于AI Infra全栈基础设施的持续沉淀与复利增长。区别于依托互联网数据训练的数字AI，物理AI的训练数据全部源自真实行车场景，需要持续与物理环境交互、试错、学习与优化。为此，小鹏搭建了覆盖数据采集、模型训练、仿真测试、量产部署、算力支撑、用户反馈的全链路AI Infra体系，形成完整的技术迭代闭环。
依托规模化量产车队，小鹏积累了十亿级真实场景数据资产，通过标准化存储、多模态检索与智能化挖掘，将海量实景数据转化为可迭代优化的核心资产。目前，模型单次训练数据吞吐量可达1亿clips，较半年前提升10倍。结构化、语义化的数据处理模式，能够快速挖掘真实场景中的未知问题，持续反哺模型迭代，形成数据积累、模型升级、产出更多优质数据的正向增长飞轮。
算力升级、工具链完善、数据体量扩容，让小鹏物理AI模型的迭代效率持续提升，技术规模效应与复利优势逐步显现。持续完善的AI Infra体系，不仅支撑汽车智能系统的快速更新，更实现了技术跨品类复用，可适配智能汽车、人形机器人、飞行汽车等多类智能终端。未来，小鹏将持续深耕物理AI领域，依托全栈基础设施优势，不断拓展智能设备与物理世界的交互边界，持续释放通用具身智能的产业价值。
本文由智算芯能前沿网编辑整理，转载请注明出处。