第二代VLA上车后，何小鹏能比马斯克更先实现“物理AI”？

小鹏给智驾装上了“时间轴”。

8月27日的广州，小鹏发布了第二代VLA大模型的首次重大升级，9月起这套系统将推送到Ultra车型。如果只用一句话翻译这次更新，那就是：过去的智驾看的是“一张照片“，现在小鹏让车学会了“看一段视频，还顺便脑补接下来几秒“。

在这个时间节点发布第二代VLA，最直接的是呼应新车节奏：G9L 8月11日预售、9月交付即带XOS 6.3.0，Ultra车型要证明溢价有理，新车即标肩负杆，智驾必须同步到位。

在第二代VLA上，小鹏通过加入“时间”这一要素，颠覆了普通智驾的毛病：老版智驾的毛病很具体：它像金鱼，每隔一小会儿拍张快照，停下来想一下，再踩刹车或打方向。前车刚才犹豫过、右边电动车迟疑了一下、绿灯剩三秒——这些事下一秒就被忘掉。

所以遇到加塞、急刹、行人折返，车会“愣一下”，因为它不记得半分钟前发生了什么，也不会猜半秒后会发生什么。

小鹏这次把“时间“塞进了模型里。

Infini-VLA长时序架构让车能留住前30秒的道路上下文，前车从哪儿开始偏移、行人怎么一步步靠近、车流过去半分钟是什么节奏，串成一条事件链，不再是孤立帧。推理方式也从“看—算—动—再看”的离散循环，换成Streaming Inference流式自回归，眼睛一直睁着、脑子一直转着、手一直微调着，端到端响应快了3倍。

最关键是X-Foresight预测世界模型上车：不渲染高清大片，把未来6秒压成一张极简BEV草图——谁会动、谁会停、红绿灯怎么变——并且这张草图和“打方向盘”是同一个网络同一次前向里顺手吐出来的。不是先猜未来再决策，是猜未来和做动作本来就是一个念头。

横向对比友商的几个世界模型和智驾系统，或许能够更加简单来理解小鹏的这次更新。

特斯拉的FSD像老司机肌肉记忆，通过数百万车主的真实行驶数据以及冠绝全球车企的算力储备，特斯拉直接将世界模型放入黑盒之中，视觉信息输入，车身操作直接输出，车端并不会直接显示“为什么这么做“，这种模式响应有时就像人的直觉和条件反射，反应最快但可解释性最差，在出现失误和事故时，工程师们也很难解释原因在哪儿。

蔚来NWM是世界模型控车，每次预测216条轨迹，通过云端的强化学习，在这216条轨迹中选择最优解，靠覆盖度换长尾，但这对车载算力有着极高的要求。华为的世界模型走另一条路，云端世界模型当驾校造难例，让系统提升驾驶水平；下放到车端的World Action不会和小鹏、蔚来一样预测未来，只把激光雷达、毫米波、视觉融成一张安全风险热力图，风险越大格子越红，红了就减，防御性优先。

而小鹏在工作逻辑上更像一个人类司机，它不是盯着眼前一帧画面来决定踩不踩刹车，也不是预测上百种潜在的可能，而是脑子里始终挂着一条时间轴：前 30 秒谁变过道、谁点过刹车、绿灯还剩几秒，它记着；眼睛盯着现在这条路和周边车流；同时手里下意识地在脑内画一张极简的未来草图——未来 6 秒那辆电动车大概会切到哪条道、前车是不是要急停。

这三件事不是分三步做，是同一个念头里同时冒出来的：边看、边想、边打方向，每0.1秒把新画面灌进去重算一遍，所以加塞、急刹、行人折返这种事，它不会“愣一下“，手已经先动了。

这套“记过去、看现在、脑补未来“的连续运转，就是Infini-VLA长时序记忆+流式自回归+ X-Foresight预测头凑在一起干的事。它不靠 216 条轨迹投票，也不靠风险热力图兜底，就是让智驾系统像人一样把时间和事件捋顺了再开车。

小鹏的这场发布会表面讲参数，底下讲一件事：智驾系统有没有时间感。记得住过去30秒，猜得出未来6秒，手上不停微调，这是小鹏想让用户记住的“时空直觉”。它技术路线上和特斯拉最接近，但又解决了黑盒的问题，将系统做成了能看懂、能调试、监管能审计的显式推演。

但小鹏把这事想得比智驾更大。

这次TIME发布会全称就是“物理AI分享会”，刘先明中途抛出“car as robot”，说过去半年小鹏只做了一件事：把车当成机器人来造。二代VLA的Infini-VLA、X-Foresight、流式自回归，不是只为方向盘服务的，记住30秒、推演6秒、边看边想边动这套时空直觉，搬到IRON人形机器人身上，就是它能在工厂巡检时记住工人走位、预判传送带节拍；搬到飞行汽车上，就是低空动态环境里对风切变和邻机轨迹的连续研判。

图灵芯片、X-World、X-Foresight、TuringViT视觉编码器，都是一套底座多头喂——车先跑，机器人跟上，飞行汽车再复用。

何小鹏一季度把“小鹏汽车”改成“小鹏集团”，明说要做物理AI公司——车只是第一个载体，IRON 人形机器人、飞行汽车、Robotaxi 共用同一套时空推理底座。记住 30 秒、推演 6 秒、边看边动这套逻辑，搬到机器人身上就是它在车间里记得住工人走位、预判传送带节拍；搬到飞行汽车上就是低空里对风切变和邻机轨迹的连续研判。

所以小鹏第二代VLA的意义，不在于和特斯拉谁先谁后，而在于小鹏把"物理AI"从四个字拆成了可看见的东西：一段30秒的记忆，一次6秒的预演，和一辆车上、一个门店里、一片低空中都能复用的时空直觉。当智驾第一次被证明可以脱离"开车"这个容器、去喂给机器人和飞行汽车时，"车企"这个词就再也罩不住小鹏了。