8月27日，小鵬集團舉辦以“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，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。此次模型升級的核心，是讓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，進一步走向動態4D時空理解。

　　小鵬集團持續在自動駕駛領域驗證Scaling Law，給體驗、安全和泛化性帶來巨大的提升。即將發佈的全新XOS 6.3.0大版本，端側模型參數量擴大了3.5倍，與業內常見小模型拉開了數量級差距，超長時序的上下文記憶能力，讓AI司機真正做到了“看得準，會思考，反應快”，推動小鵬物理AI基座模型實現從空間理解到時空理解的底層能力躍遷。全新版本還引入了整車大腦Master Agent，實現VLA+VLM的駕艙融合，並將部分Robotaxi的L4級體驗下放到量産車型，為廣大用戶帶來全新體驗。

　　從理解空間到理解時空 第二代VLA大模型開始擁有“時間感”

　　物理AI真正的難題，是理解世界，並在充滿限制的真實世界裏行動。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。模型想要像人類一樣理解世界，必須首先理解什麼是“時間”。

　　傳統的模型可以識別車輛、行人、道路和交通信號，但要真正完成複雜的物理世界決策，僅僅“看見”還遠遠不夠，車輛需要知道過去、現在、未來可能發生什麼。因此，此次第二代VLA升級的核心，是讓模型第一次建立起對時間維度的理解。小鵬物理世界基座模型，首次把“時間”納入模型，AI理解世界的維度，從“3D空間”躍遷至“4D時空”。

　　以前模型看到的更多是當下的信息，第二代VLA全新引入Infini-VLA長時序架構，記得前30秒的世界，駕駛判斷開始擁有更長的上下文，更多有效信息進入模型。連續發生的道路事件不再被割裂成一個個獨立畫面，模型可以將此前發生的動作、位置和場景串聯起來，形成更加完整的時序理解。

　　道路情況是時刻在變化的，模型也需要邊看邊想，如果決策速度跟不上現實變化，也無法形成真正可靠的物理世界智慧。所以，第二代VLA同步提升了模型推理效率，採用Streaming Inference（流式自回歸推理），從離散推理走向連續推理，端到端響應速度提升300%。面對不斷變化的道路狀況，傳統的模型是“看 → 算 → 輸出 → 再看”的模式，而第二代VLA能夠做到“邊看、邊想、邊行動”的並行處理。遇到前車突然剎停、行人折返、旁車強行加塞等突發情況，車輛的反應像老司機一樣嫺熟、敏捷。

　　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。模型不僅要識別過往畫面和當前畫面信息，還需要根據目標物的位置、速度、運動趨勢、道路環境等進行預測。小鵬X-Foresight預測世界模型首次上車，可預判6秒內發生什麼，推演周邊交通參與者未來的可能行為。

　　記住過去、理解現在、預判未來，小鵬物理世界基座模型從此理解了時間。與此同時，新版模型引入MoT混合架構，通過針對不同任務動態分配模型能力，減少城區道路、園區、泊車等不同場景之間的任務干擾，把不同的問題交給不同的“專家”，讓模型在不同駕駛任務之間更加穩定地切換。

　　為什麼我們需要一個更大的模型？更大的參數量才能實現足夠強的泛化能力，讓快速進入全球市場成為可能。小鵬第二代VLA全新版本端側模型參數量提升3.5倍，是主流VLA的15倍以上，結合超前軌跡預判、超長有效時序、更快決策響應，使得多維綜合安全能力提升20倍。

　　第二代VLA全新版本升級的不只是智慧輔助駕駛，小鵬選擇用做機器人的方式重構車機大腦，首次推出Master Agent，實現VLA與VLM的駕艙融合，讓車輛從“聽懂一句話”進一步走向“理解用戶真正想完成什麼”。Master Agent建立在小鵬自研Omni全模態模型之上，不僅能夠理解自然語言和模糊語義，還能將用戶意圖自動拆解為任務，並調度智駕、底盤、座艙、車身控制等垂直Agent協同執行，實現從“理解”到“行動”的閉環。這意味著，Master Agent讓整車第一次擁有了一個統一大腦，也讓車輛智慧從響應單一指令，進一步邁向自主理解意圖、規劃任務和協同執行。

　　值得一提的是，本次全新版本升級還帶來了“語音靠邊停車”“語音控制就近泊入”功能，用戶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並完成靠邊停車，實現從“語音指令”到“自主執行”的完整閉環。小鵬Robotaxi的L4級能力，正通過同源技術進一步下放至量産車，為車主帶來更高階、更自然的用車體驗。

　　一套AI底座打通汽車和機器人 物理AI進入規模化復用階段

　　小鵬集團定位為“物理AI世界的出行探索者，面向全球的具身智慧公司”，不僅是能做自動駕駛的車企、能造車的自動駕駛公司，更是一家物理AI公司。物理世界AI基座真正的價值，不只是把單一任務做得更好，而是將模型在真實世界中學習到的能力遷移、復用到更多任務和更多本體，推動物理AI從單一産品能力走向通用能力。

　　小鵬第二代VLA基於統一技術底座，已實現L2至L4能力貫通，進一步向更高階自動駕駛拓展。搭載第二代VLA的Robotaxi近日獲得廣州市智慧網聯汽車遠程測試資質，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，這意味著小鵬開始進入主駕無人的關鍵道路驗證階段。

　　除了汽車，這一能力也正在向機器人等更多本體落地，這也是小鵬持續推進統一物理AI基座模型的核心意義。小鵬通用人形機器人IRON搭載3顆圖靈AI晶片，有效算力高達2250TOPS，依託行業領先的算力基礎，小鵬物理世界基座模型已實現端側部署，無需遠程遙操作即可自主完成複雜工作任務，同時保障推理低時延與數據安全。

　　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，刷新中國具身智慧行業單輪私募股權融資紀錄。本輪融資由IDG資本領投、高榕創投參投，並獲得騰訊、阿裡巴巴兩家戰略投資者支持，充分體現了資本市場對小鵬集團在物理AI領域的領先地位、技術路線、規模量産能力和長期商業價值的高度認可，也進一步驗證了小鵬從汽車向機器人延伸的技術路線和産業化能力。

　　物理AI基座模型持續進化的意義，不只是讓高階模型變得更強，也在於讓先進智駕能力覆蓋更多車型、惠及更多老車主，實現科技普惠。小鵬通過學習式Token壓縮與蒸餾訓練，在不犧牲輸入信息和模型容量的基礎上，以更少的有效Token實現高品質視覺理解，將第二代VLA基座模型能力部署到算力更低的平臺，伴隨基座模型能力的增強，蒸餾後的圖靈VLA2.0Lite同樣獲得顯著能力提升，讓更多用戶享受到更安全、更可靠的城區輔助駕駛體驗。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。

　　在持續提升模型性能的同時，小鵬正全力推進第二代VLA的全球化部署。近期，小鵬在德國完成了第二代VLA的本地化驗收測試。這套基於中國數據訓練的模型，在幾乎不增加本地化訓練數據的情況下，在德國城市道路的實際體驗與國內高度接近。小鵬目標于明年上半年率先在歐洲獲得監管許可，並陸續向海外用戶交付第二代VLA，推動高階智慧輔助駕駛的全球普惠。

　　物理AI是長期工程 護城河在於AI Infra的長期沉澱與複利

　　物理AI是一場長期工程，模型能力的持續進化，背後依賴的是一整套長期建設的AI Infra。真正的競爭並不只是模型參數有多大、單次能力有多強，而是誰能夠持續建設支撐模型進化的基礎設施，並把每一次真實世界的反饋轉化為下一輪能力提升。

　　過去幾年，小鵬持續投入建設覆蓋數據、訓練、倣真、評估、部署和算力的完整AI Infra體系，以自動駕駛作為第一個規模化應用場景，逐步建立起從真實世界數據採集，到模型訓練、測試、部署，再到用戶反饋和持續優化的完整閉環。與數字AI主要依賴互聯網數據不同，物理AI的數據來自真實世界，模型必須在真實環境中持續與世界交互、學習和驗證。因此，做好物理AI，除了模型本身，還必須解決兩個核心問題：如何高效使用真實世界的數據，以及如何高效驗證模型在真實世界中的行為。

　　小鵬依託百萬車隊和十億級數據資産，持續構建數據飛輪，通過統一化存儲、多模態檢索和規模化挖掘，將海量真實世界數據轉化為可持續訓練和優化模型的數據資産。當前，模型單次訓練數據吞吐量已達到1億clips，數據吞吐量比半年前增長10倍。通過對數據進行結構化、標簽化和語義化處理，小鵬能夠從海量真實世界數據中高效發現未知問題，並快速反哺模型訓練和迭代，形成數據越多、問題發現越充分、模型進化越快、又産生更多數據的正向循環。

　　數據規模在增長，模型訓練效率在提升，算力和工具鏈持續完善，越來越多真實世界的問題能夠被納入模型迭代，數據規模的護城河正逐步形成，小鵬集團在AI Infra領域的長期投入，已逐步沉澱為可持續復用的基礎能力，呈現出明顯的規模效應，開始産生複利。

　　模型會不斷迭代，但真正能夠形成長期壁壘的，是持續迭代模型的能力；産品會不斷變化，但真正能夠産生長期價值的，是支撐産品持續進化的基礎設施。第二代VLA的持續升級，正是這一體系不斷運轉的結果，通過推動模型、數據、算力和本體的協同增長，將模型能力不斷轉化為真實用戶可感知的安全性、舒適性和效率提升。

　　隨著AI Infra持續沉澱，模型能力的進化將不再局限于單一産品，而是跨越汽車、機器人、飛行汽車等不同本體，持續拓展物理AI與真實世界交互的邊界。從AI汽車到通用人形機器人，再到更多的智慧本體，最終走向更廣闊的物理世界。（資料來源：小鵬集團）