小鹏第二代VLA大模型升级：4D时空理解如何重塑智能驾驶安全边界？
在人工智能与物理世界深度融合的进程中，理解“时间”正成为智能体能否真正融入现实环境的关键分水岭。2026年8月27日，小鹏集团以“TIME 时间”为主题，正式发布第二代VLA（Vision-Language-Action）大模型的首次重大升级。这一版本不仅标志着其物理AI基座模型从静态3D空间感知迈向动态4D时空理解，更通过多项底层技术创新，将智能驾驶的综合安全能力提升达20倍。这场技术演进的背后，是一套围绕时间维度重构的全新认知架构。
传统自动驾驶系统依赖于对单帧图像或短时序列的识别与响应，本质上仍将世界视为一系列离散快照。然而真实交通场景是连续演化的：一辆车的轨迹、行人的意图、旁车的变道倾向，都需基于历史行为进行推断。小鹏此次升级的核心突破，在于引入Infini-VLA长时序架构，使模型能够有效记忆并处理过去30秒内的完整环境状态。这意味着AI不再仅“看到此刻”，而是“理解过程”——例如，当一辆电动车在路口反复犹豫是否左转，系统可基于其前10秒的微小移动趋势预判其最终意图，而非等到其突然启动才被动反应。
为支撑这一长时序理解能力，小鹏将端侧VLA模型的参数量扩大3.5倍，显著拉开了与业内主流轻量化模型的差距。更大的模型容量不仅提升了感知精度，更为复杂时序建模提供了必要算力基础。但参数增长若伴随延迟上升，则可能抵消安全增益。为此，小鹏同步推出Streaming Inference（流式自回归推理） 技术，彻底改变传统“采集-处理-决策”的串行流程。新架构下，传感器数据流持续输入，模型边接收、边推理、边输出控制指令，实现真正的“边看、边想、边行动”。实测显示，端到端响应速度提升300%，在应对前车急刹、行人折返等高危场景时，系统反应时间缩短至人类老司机水平。
更进一步，小鹏首次将X-Foresight预测世界模型部署上车。该模型可对未来6秒内周边交通参与者的行为进行多模态推演，生成概率化的轨迹分布。例如，在无保护左转场景中，系统不仅能识别对向直行车流，还能预测其中某辆车因前方施工而减速变道的可能性，并据此调整自身通行策略。这种前瞻性能力，使得车辆从“被动避险”转向“主动规避”，大幅降低冲突概率。
值得注意的是，上述能力并非孤立存在，而是通过MoT（Mixture of Tasks）混合架构实现高效协同。MoT根据当前驾驶场景（如高速巡航、城区拥堵、自动泊车）动态激活模型中对应的任务专家模块，避免不同场景下的功能干扰。例如，在园区低速泊车时，系统会强化对静态障碍物和车位几何的建模能力，同时弱化对高速车辆轨迹的预测权重，从而在有限算力下实现资源最优分配。
在座舱交互层面，小鹏首次推出整车大脑Master Agent，标志着其从“功能集成”迈向“意图驱动”的智能体范式。Master Agent作为中央协调者，可理解用户模糊自然语言指令（如“找个安静地方停一下”），并自动拆解为“寻找低噪路段→开启靠边停车→激活自动泊入”等子任务，调度智驾、底盘、车身控制等多个垂直Agent协同执行。这种架构借鉴了机器人领域的任务规划逻辑，使车机系统具备类人的问题分解与执行能力。新版本已支持“语音靠边停车”“语音就近泊入”等功能，形成从语义理解到物理动作的完整闭环。
技术下放方面，小鹏正加速将Robotaxi的L4级能力注入量产车型。搭载第二代VLA的Robotaxi已获广州主驾无安全员测试资质，其同源技术通过模块化设计反哺G9L等消费级产品。例如，X-Foresight模型最初为无人出租车开发，现经优化后适配于G9L的Max版本，使普通用户也能享受高阶预测能力。
为实现科技普惠，小鹏并未止步于高端平台。通过学习式Token压缩与蒸馏训练，团队成功将第二代VLA的核心能力压缩至更低算力平台，推出图灵VLA 2.0 Lite版本。该轻量化模型将于9月首发搭载于小鹏G9L Max，让更多用户以合理成本体验先进AI驾驶辅助。这种“大模型蒸馏+边缘部署”策略，体现了小鹏在性能与普及之间的平衡智慧。
全球化布局亦同步推进。近期，小鹏在德国完成第二代VLA的本地化验收测试，涵盖欧洲典型道路结构、交通规则及天气条件。目标是在2027年上半年率先获得欧盟监管许可，实现海外交付。这不仅是技术输出，更是对物理AI跨文化适应能力的验证——模型需理解德国环岛优先权、法国窄巷会车习惯等本地化规则，方能在全球市场真正落地。
支撑这一切的，是小鹏长期构建的AI Infra体系。依托百万级车队产生的十亿级真实驾驶片段（clips），其数据飞轮单次训练吞吐量已达1亿clips，半年内增长10倍。这些数据不仅用于模型迭代，更通过仿真平台生成极端场景，加速corner case覆盖。更重要的是，这套基础设施正从汽车延伸至机器人领域。搭载3颗图灵AI芯片的小鹏人形机器人IRON，算力高达2250 TOPS，已能端侧运行VLA模型并自主完成搬运、操作等复杂任务。近期机器人业务完成超9亿美元融资，投后估值超63亿美元，印证资本市场对其具身智能路径的认可。
小鹏的终极愿景，是打造一个统一的物理AI技术底座，使汽车、机器人乃至未来其他智能体共享同一套感知-决策-执行框架。当VLA模型在G9L上学会预测行人轨迹，在IRON机器人上学会避开移动障碍物，其底层时空理解能力实则同源。这种跨本体复用，不仅能摊薄研发成本，更能通过多场景数据反哺加速模型进化。
回望此次升级，“理解时间”不仅是技术口号，更是认知范式的根本转变。当AI开始以连续、动态、前瞻的方式解读世界，安全便不再是被动防御的结果，而是主动塑造的产物。20倍的安全能力提升，背后是30秒的记忆长度、6秒的预测视野、300%的响应提速，以及一个正在成型的物理智能生态。小鹏正试图证明：真正的智能，不在于瞬间的精准识别，而在于对时间流中因果链条的深刻把握。