小鹏智驾，「理解时间」为何是重大突破？

撰文 | 青竹 编辑｜周长贤

缩量、出海和监管，是2026年车业的主旋律。有形的手和无形的手，都在上强度。

事已至此，与其胡乱出招，一些品牌索性回归基本动作，按部就班做自己。例如做品牌、做个性、做AI。

自研AI是何小鹏的执念，而且自研和AI一个都不能少。他坚信自研AI的车企会在未来的某个奇点，呈现出与友商截然不同的质感。

于是我们看到，2026年过了8个月，小鹏的智能辅助驾驶迭代了两次。

第一次是年初，小鹏第二代VLA面向用户量产推送，在“安心丝滑、全场景能力、高效率”三个维度全面升级。

第二次，是8月份，第二代VLA大模型迎来首次重大升级，让AI开始真正理解时间。

2026年8月27日，广州，小鹏物理AI分享会，主题：“TIME时间”。

距离年初第二代VLA首发，过去了不到八个月。距离何小鹏和智驾负责人刘先明著名的赌约——2026年8月30日，小鹏VLA在国内的体验要赶上特斯拉FSD在硅谷的水平——还剩三天。

但是，这次发布并不是赌约到期的一次交代和参数提升，而是小鹏让AI真正理解物理世界，并做出决策和行动的持续探索。

主题“TIME时间”，明示了本次模型首次重大升级的主要逻辑。把「时间」纳入模型，从静态「3D空间」跃迁至动态「4D时空」。多了一个D，推理和训练层面都有改变。

从3D到4D，“时间”是什么能力？

首先，「4D时空」才是真实人类世界。但智驾跟人的感受，又略有不同。

人是爱回忆的时间轴生物，对远期时间有细致强烈感受。比如“欲买桂花同载酒，终不似，少年游。”

但对于智驾模型来说，“少年游”的时间戳叙事没有意义，只要学会老司机的能力就行。模型阅过的海量时空数据更像是一张静态图谱；而大量的训练时间，则凝练为模型能力。

智能驾驶，真正有意义的时间，即工作记忆，代表一种应变的能力，体现在两个具体维度上：轨迹预测和响应速度。

先看轨迹预测。

人类老司机在开车时，其实一直在做无意识的预测。前方那辆出租车在慢悠悠地靠右，你大概率知道它要靠边接客了，即便它不打灯。不但知道有车有人，还能猜到它们往哪里走，几秒后会到达什么位置。

预测能力，第一来源于模型能力，第二来自前序记忆。

此次Infini-VLA长时序架构的30秒记忆留存，是小鹏团队权衡下来的一个时间。保留太长记忆，无意义信息占用算力内存，影响效率；保留太短可能信息不全。30秒是一个充分且有用的时间，让足够的有效视觉信息进入决策。

与之相对的是第二代VLA的X-Foresight预测世界模型，能预测6秒未来。

刘先明透露，其实可以预测21秒，取6秒是为了效果最优，省算力也保证准确度。

因为系统要并行预测的目标物，往往多达数十上百个。每个目标物的位置、速度、运动趋势、道路环境约束，都在同步推演，甚至互相干扰，时间越长变量越多，准确度下降。

正如刘先明所说，这不是一个功能的增量迭代，而是模型认知维度的底层跃迁。

智能驾驶判断有了更长的上下文之后，思维模式发生了变化，从离散的概率推论+强化，变成了因果思考。

前车为什么刹车？因为前方路口有行人突然折返。行人为什么折返？因为他看到对面有来车。这些事件之间存在时间上的因果链条。把碎片化的道路事件串联起来，形成连续时序认知。

那么有了记忆，有了预判，有了认知，怎么能提升智驾效率呢？

这里刘先明介绍了「流式自回归推理」的概念。简单说，既然认知已经从离散，进化到连续，那么推理也要节奏同步。

过去“看一帧算一帧，再看，再算”的离散模式，天然带着一种滞后性。模型永远在处理“上一帧”的信息，无论系统有多快，只能追赶和无限靠近现实。

「流式自回归推理」可以“边看→边想→边行动”。

从离散推理走向连续推理，流处理的结果是，不但端到端响应提速300%，输出的动作也是天然衔接不割裂的，俗称丝滑。

流式自回归推理的另一层意义，在于多模态融合的效率。

传统模式下，摄像头、激光雷达、毫米波雷达的数据往往需要先做时间戳对齐，对齐产生额外延迟。流式推理模式下，新到达的模态数据进行局部更新，更快进入模型、更快参与决策。

当反应速度足够快时，系统从“被动应对”变成了“主动博弈”。就会靠近何小鹏一直期待的临界点。

“通用基座模型，95%的冰山在水下”

但无论大模型再强，时间理解再深，最终都要端侧算力去承接。

尽管小鹏自研的芯片单颗750 TOPS，总是配足，但刘先明强调“端侧算力总是有限的”。模型越大，端侧部署的挑战就越尖锐。

第二代VLA端侧模型新的参数量扩大3.5倍，达到主流VLA模型的15倍以上。这是一个数量级的差距。总不能每升级一次，就加三倍的图灵AI芯片，那成本可太要命了。

如何给端侧算力提效？

新版模型引入MoT（Mixture of Tasks）混合架构，要解决两个问题：一个是任务干扰，一个是全量推理的浪费。

MoT类似DeepSeek用过的混合专家思路，把基座模型拆解为多个“专家模块”，每个专家针对特定类型的驾驶任务做深度优化。针对不同任务动态分配和激活不同专家，让大模型在有限车端算力上跑出最大有效能力。

一套组合拳下来，模型多维综合安全能力提升20倍。

20倍。意味着当模型在多维度同时提升时，安全能力的跃升不是线性的，而是指数级的。

车端要省着用，但是基座模型越大越好的scaling law似乎越来越成为共识。

更大的参数量意味着更强的泛化能力——模型见过的场景越多、学到的模式越复杂，在面对未见过的边缘场景时就越从容。

对于野心更大的小鹏来说，复用不光要从中国复用到全球市场，还要跨载体。

第二代VLA的同一套物理AI基座模型，已经在小鹏人形机器人IRON完成端侧落地。IRON搭载3颗图灵AI芯片，算力2250TOPS，可自主完成复杂任务。

大模型和泛化，大概是一个鸡生蛋和蛋生鸡的问题，如果想负担起大模型的费用，就必须泛化来分担研发成本，如果要提高泛化效率，模型必须更大。

汽车和机器人，看起来是完全不同的硬件载体，但它们面临的底层问题是一样的——如何在物理世界中感知、理解、决策、行动。

小鹏机器人业务在8月24日完成首轮股权融资，融资金额超9亿美元，投后估值超63亿美元，刷新了中国具身智能行业单轮私募股权融资纪录。

资本的认可，某种程度上是对这套“统一物理AI基座”逻辑的认可。

第二代VLA全新版本不只升级智能辅助驾驶，小鹏用做机器人的方式重构了车机大脑，首次推出Master Agent，实现VLA与VLM的驾舱融合，让车辆从“听懂一句话”走向“理解用户真正想完成什么”。

基于小鹏自研的Omni全模态模型，整车第一次拥有了「统一大脑」，统一的决策层。它不仅能理解自然语言和模糊语义，还能将用户意图自动拆解为多任务，并调度智驾、底盘、座舱、车身控制等垂直Agent协同执行。

而在全球化维度上，第二代VLA已经完成德国本地化验收测试——在几乎不增加本地化训练数据的前提下，海外道路表现和国内高度接近。小鹏目标2027年起逐步向全球用户交付更适合本地道路环境的智能辅助驾驶系统。

这些能力的背后，是一整套长期建设的「AI基础设施」——形成了“大模型+大数据+大算力+多本体”的闭环。

小鹏在做的，不是简单的功能或产品的叠加，而是在持续建设这四个底层变量。持续建设万卡集群，自研大算力芯片，依托百万车队积累的十亿级数据资产，大模型单次训练数据吞吐量已达到1亿clips，较半年前增长10倍。

看得见的是一次大版本升级，是3倍、3.5倍、20倍这几个数字，是第二代VLA在主流道路智能化达到全球第一梯队，看不见的是庞大的通用物理AI基座模型的基建，是持续迭代模型的能力。

刘先明说，“95%的冰山都在水下。”体现了小鹏做物理AI公司的决心。

结语

从3D到4D，从300%到20倍，从L2到L4，从汽车到机器人。小鹏在2026年做的所有事情，本质上只有一件：把一个基座模型越做越大、越做越深，然后让它跑在越来越多的硬件上。

在行业焦灼的2026，这看起来不像一个“大招”。但这恰恰是最难复制的东西——一个需要持续投入数年的漫长过程，是无论市场起伏，都坚定往前推进的企业护城河基建。

刘先明在分享会上说，这是“先难后易，以终为始。”

“先把最难的问题解决了，解决真正的问题，而不是给一个临时答案。不是打补丁，做真正的AI公司。”

—THE END—

出行百人会 | AutocarMax

追踪出行与智能产业链进化，关注新产品、新科技、商业逻辑与人物，影响有影响力的人。