记住过去、预判未来！小鹏第二代VLA大模型，让AI真正看懂 “时间”

很多人觉得现在的汽车辅助驾驶已经很聪明，能识别红绿灯、避开行人，但它本质上就像一个 “瞬间拍照机器”，只看得见眼前这一秒发生了什么。过去的智驾 AI 看到的是一张张独立画面，记不住几秒前旁边车辆的动向，也猜不到下一秒路上会出什么状况。8 月 27 日小鹏带来第二代 VLA 大模型重大更新，核心变化简单说就是：让 AI 拥有了 “时间概念”，从只看静态三维画面，升级成看懂过去、现在、未来的四维时空，这套新系统 XOS 6.3.0 会最先装在小鹏 G9L 车型上。

咱们通俗理解，以前的智驾就好比人开车只盯着当下这一眼。路上一辆车突然变道过来，AI 只有等它完全挤进车道里，才能反应过来。至于几秒前这辆车在哪个位置、有没有一直在往这边靠，模型完全没有概念。但现实道路的危险，往往藏在连续变化的过程里，不是某一张照片能体现的。

这次升级之后，小鹏第二代 VLA 新增 Infini‑VLA 长时序架构，AI 可以牢牢记住过去 30 秒道路上发生的一切。路上每一台车怎么移动、行人之前往哪个方向走，这些连贯的信息不会被切断。打个比方，就像老司机开车，不光看眼前，脑子里还回放半分钟前路况，知道哪台车早就有抢道的苗头，提前就多留个心眼，而不是危险冲到眼前才慌忙应对。

光记住过去还不够，路上情况瞬息万变，AI 的反应速度跟不上，再强的分析能力也白搭。新版本用上流式自回归推理，抛弃了旧版 “看完、算完、输出结果，再重新看” 的循环模式，实现边看、边思考、边操作，端到端响应直接提速 300%。遇到前车急刹、行人突然折返、别的车强行加塞这类突发状况，车子不再有明显的反应延迟，处理突发险情更接近真人老司机的操作手感。

更关键的是 X‑Foresight 预测世界模型正式上车，AI 能够预判未来 6 秒路上可能发生的各种状况。它会根据车辆的位置、车速、行驶趋势，结合路口、环岛这些道路环境，推演周围人和车接下来会干什么。到了夜间路口，它能预判信号灯的切换；经过多出口环岛，能跟踪车辆走向，判断对方会从哪个口子驶出。不是只盯着眼前看到的现状做决策，而是把未来多种可能性纳入判断，提前做好应对准备，大大降低事故风险。

硬件模型层面，端侧模型参数量扩大 3.5 倍，对比市面上主流 VLA 模型高出十几倍，还搭配 MoT 混合架构。简单讲就是把不同驾驶任务分给不同的 “专职小专家” 处理，城区行驶、泊车、园区通行互不干扰，切换场景的时候更稳定。靠着记忆过去、实时思考、预判未来这套组合能力，新版模型多维综合安全能力直接提升 20 倍，智驾安全性实现质的飞跃。

这次更新不止是辅助驾驶变强，小鹏做了一个叫 Master Agent 的整车统一大脑，打通智驾和座舱。以前车机只能死板执行你说的单条语音指令，现在它会读懂你的真实意图，自动拆解成一连串任务，调动驾驶、底盘、车内座舱一起配合完成。比如你直接说靠边停车，不用一步步设置，车辆在智驾状态下就会自己观察周边，找合适位置完成靠边；说就近泊车，车子自动寻找车位泊入，实现一句话到完整执行的闭环。同时，原本 Robotaxi 无人出租车的 L4 高阶能力，下放给到普通量产家用车上，普通车主也能体验到更高级的智能驾驶感受。

这套 AI 底座不只是给汽车用，还能复用到机器人身上。小鹏人形机器人 IRON，就使用同一套物理 AI 基座，不需要远程人为操控，自己就可以完成复杂任务。前不久小鹏机器人业务拿到超 9 亿美元融资，创下国内具身智能行业融资新纪录，资本市场也看好这套技术路线的前景。

考虑到老车主的使用需求，小鹏做了模型蒸馏，推出 VLA 2.0 Lite 精简版本。就算硬件算力没那么强，老车型也能用上这套大模型的大部分能力，单图灵芯片 Max 车型预计 9 月推送更新，做到科技普惠，不让老用户被落下。同时小鹏已经在德国完成本地化道路测试，计划明年上半年在欧洲落地这套高阶智驾，推进技术出海。

很多人会好奇，小鹏凭什么能把物理 AI 做到这个水平，并不单单靠堆模型参数。背后是一整套完整 AI 基础设施，依靠百万用户车队，积累十亿级道路数据。每次用户上路产生的真实路况，都会经过处理反哺给模型训练，单次训练处理的数据量相比半年前翻了十倍，形成越用越强的数据飞轮。物理 AI 和网上聊天的大模型不一样，必须在真实马路里不断踩坑、学习迭代，数据、算力、模型、硬件本体互相促进，才能够持续进步。

总的来说，第二代 VLA 的核心突破，就是解决传统智驾 “缺少时间感” 的短板。从只看一瞬间画面，变成记忆过去、理解当下、预判未来。汽车不再是只会识别物体的机器，而是像人一样理解动态变化的真实世界。而统一的 AI 底座，也让这套技术不止服务汽车，未来还会赋能机器人等更多智能设备，打开具身智能更多想象空间。