小鵬第二代 VLA 首次大升級：從 3D 空間走向 4D 時空
讓模型理解「時間」
8 月 27 日，小鵬在廣州舉辦以「TIME 時間」為主題的物理 AI 分享暨第二代 VLA 全新版本體驗日活動。按照官方釋出的資訊，小鵬第二代 VLA 大模型迎來首次重大升級，全新 XOS 6.3.0 版本將於小鵬 G9L 全球首發。VLA 指的是把視覺、語言與動作放進同一個模型的架構，而這次升級要改的，正是它對「時間」的理解。
升級的核心被概括為一句話：讓 AI 開始真正理解時間——從過去對物理世界的靜態 3D 空間理解，走向動態的 4D 時空理解。官方給出的背景是：真實世界並不是一張張靜止的圖片，而是一個不斷變化、連續演進的過程；傳統模型可以識別車輛、行人、道路和交通訊號，但要完成複雜的物理世界決策，僅僅「看見」遠遠不夠。
具體實現上，新版本引入 Infini-VLA 長時序架構：模型記得前 30 秒的世界，駕駛判斷因此擁有更長的上下文，連續發生的道路事件不再被割裂成一個個獨立畫面，而是把此前發生的動作、位置與場景串聯起來，形成更完整的時序理解。把「記住過去」交給專門的架構，而不是靠堆疊單幀推理，是這次升級在方法上的關鍵差異。
推理側改用 Streaming Inference（流式自迴歸推理），從離散推理走向連續推理。官方給出的端到端響應速度提升是 300%。傳統模型是「看、算、輸出、再看」的序列模式，新版本要做到的是「邊看、邊想、邊行動」的並行處理。在車載場景裡，這一點的意義不只是「更快」：只要響應時間小於人對突發情況的反應，車輛的表現就更接近人類的駕駛節奏。
預測能力由 X-Foresight 預測世界模型承擔。官方稱，它可以預判 6 秒內會發生什麼，推演周邊交通參與者未來的可能行為；在真實道路上，前車可能突然剎停、行人可能臨時改變方向、旁車可能突然加塞，預測更多種未來，才能選擇更好的行動。對一輛輔助駕駛的車來說，「願意多想幾種可能」往往比「反應更快」更能減少急剎與猶豫。
引數、架構與蒸餾
模型規模上，官方披露端側模型引數量擴大了 3.5 倍，並稱這是主流 VLA 的 15 倍以上；同時引入 MoT 混合架構，針對不同任務動態分配模型能力，減少城區道路、園區、泊車等場景之間的任務干擾，把不同的問題交給不同的「專家」。在端側部署大模型的難點恰恰在這裡：算力、記憶體與功耗都是硬約束，模型越大，就越需要靠架構設計而不是簡單堆引數來換取能力。更大的模型也帶來更強的泛化能力——小鵬的說法是，這樣才能讓快速進入全球市場成為可能；官方把超前軌跡預判、超長有效時序與更快的決策響應合在一起，稱多維綜合安全能力提升 20 倍。倍數是企業自測的口徑，實際體驗如何仍要看量產推送後的使用者反饋。
與此同時，公司用小鵬自研的學習式 Token 壓縮與蒸餾訓練，在不犧牲輸入資訊與模型容量的前提下，以更少的有效 Token 實現高質量視覺理解，把基座模型的能力部署到算力更低的平臺上。官方提到，蒸餾後的圖靈 VLA 2.0 Lite 預計 9 月開啟首批推送，小鵬 G9L Max 版本將首發搭載這一蒸餾版本。讓老車型與低算力平臺也能用上新模型，是這套蒸餾路線最直接的商業價值。
從 VLA 到整車大腦 Master Agent
這次升級不只面向智慧輔助駕駛。小鵬首次推出 Master Agent，實現 VLA 與 VLM 的駕艙融合，並將其描述為「用做機器人的方式重構車機大腦」——也就是說，車上的智慧不再被切成「開車的一套」和「座艙的一套」，而是共享同一個理解與決策中心。
Master Agent 建立在小鵬自研的 Omni 全模態模型之上：不僅能理解自然語言和模糊語義，還能把使用者意圖自動拆解為任務，並排程智駕、底盤、座艙、車身控制等垂直 Agent 協同執行，形成從「理解」到「行動」的閉環。用官方的話說，整車第一次擁有了一個統一大腦，車輛智慧從響應單一指令，走向自主理解意圖、規劃任務和協同執行。這種「多 Agent 排程」的思路，與當下機器人領域把大模型當排程器的做法如出一轍。
落到可感知的功能上，新版本帶來「語音靠邊停車」與「語音控制就近泊入」：使用者只需通過語音下達停車指令，車輛即可在智駕狀態下自主尋找合適位置完成靠邊停車，實現從「語音指令」到「自主執行」的完整閉環。這類功能的門檻不在於聽懂一句話，而在於把「停哪兒、怎麼停、什麼時候能停」這些安全判斷接過來。
從 Robotaxi 下放到量產車，再走向全球
小鵬提到，搭載第二代 VLA 的 Robotaxi 近日獲得廣州市智慧網聯汽車遠端測試資質，可在廣州相關一、二、三級測試道路開展主駕無安全員道路測試，這意味著其進入主駕無人的關鍵道路驗證階段。同時，Robotaxi 的 L4 級能力正通過同源技術下放到量產車型。用同一套基座模型覆蓋 L2 到 L4，是小鵬反覆強調的技術路線：能力上探的同時，也讓研發投入攤薄到更大的裝車量上。
同一套底座也在向機器人延展：小鵬通用人形機器人 IRON 搭載 3 顆圖靈 AI 晶片，有效算力 2250 TOPS，物理世界基座模型已實現端側部署，無需遠端遙操作即可自主完成複雜工作任務。8 月 24 日，小鵬機器人業務完成首輪股權融資，融資超 9 億美元、投後估值超 63 億美元，由 IDG 資本領投、高榕創投參投，並獲得騰訊與阿里巴巴兩家戰略投資者支援。
全球化方面，小鵬稱近期已在德國完成第二代 VLA 的本地化驗收測試：這套基於中國資料訓練的模型，在幾乎不增加本地化訓練資料的情況下，於德國城市道路的實際體驗與國內高度接近。公司目標是在明年上半年率先在歐洲獲得監管許可，並陸續向海外使用者交付第二代 VLA。對智駕出海來說，這條資訊比任何釋出會上的演示都更值得關注——它檢驗的是資料與訓練體系能否遷移，而不只是一款車能不能在當地賣。
支撐這一切的是小鵬反覆強調的 AI Infra：一套覆蓋資料、訓練、模擬、評估、部署與算力的完整體系。官方披露，當前模型單次訓練資料吞吐量已達到 1 億 clips，比半年前增長 10 倍；公司依託百萬級車隊與十億級資料資產構建資料飛輪，用結構化、標籤化和語義化處理從海量真實資料中發現未知問題，再反哺模型迭代。物理 AI 與數字 AI 的差別也在這裡：資料不來自網際網路，而來自車在真實世界裡的每一次行駛與每一次錯誤。