小鹏新版 VLA 9 月实装：记住过去 30 秒，预判未来 6 秒，开始在「时间里」开车

来源：市场资讯

（来源：爱范儿）

电影《奇异博士》里，奇异博士转动阿戈摩托之眼，可以让时间向前或向后流动，到了《复仇者联盟 3》，他又在与灭霸的对决前，提前看见了多种可能的未来。

这是电影里的魔法，也是小鹏提供的现实。

8 月 27 日，小鹏开了一个物理 AI 分享会，同时展示了第二代 VLA 的全新版本。这场沟通会最大的关键词是「时间」，小鹏给车上的模型加上一个「阿戈摩托之眼」：往回转，能回溯 30 秒的世界，向前转，则开始预判未来 6 秒会发生什么。

汽车没有时间宝石，但有大模型加持，模型根据过去一段时间里累积的信息，计算出几种概率更高的后续状态，再为眼前这一刻选择动作。对智驾而言，拥有「时间线的记忆」，就能带来更加拟人化的操作。

人在开车时，从来不只看眼前这一帧，你会根据前几秒的记忆判断后方路况，也会根据前车的减速和路边的岔口预判几秒后有可能出现的小电驴。从某种意义上说，驾驶不只发生在路面上，也发生在时间里。

最新的小鹏第二代 VLA 全新 6.3.0 版本，即是一个在时间流中开车的模型，全新 VLA 将于 9 月开始面向所有 Ultra 和 Ultra SE 车型推送，小鹏 G9L Ultra 与 Ultra SE 将首发搭载，而单图灵芯片 Max 车型也将在 9 月获得第二代 VLA Lite 蒸馏版。

驾驶没有单帧答案

小鹏这次对新 VLA 的核心思路是让过去、现在与未来连在一起。

Infini-VLA 负责记住过去。它的底层架构可以支持更长的时序，小鹏考虑驾驶任务与端侧计算量，将量产版本的历史记忆设置为 30 秒。也就是说它能记住过去 30 秒发生的路面状况，并将其带入到当下的判断中。

小鹏在沟通会上展示了一段演示视频，前车在路中掉头时，车身后方一度露出可以穿过的空位，测试车没有立即加速，而是结合之前的运动过程，等待对方完成掉头后再向前。模型理解的是「前车正在掉头」这个持续发生的行为，不再只有「前方出现空位」这一帧画面。

这有点像人与别人谈话时的短期记忆，人不会每听一句话就忘掉上一句，驾驶者也不会因为前车此刻横在路中，就忘记它前面做出了准备掉头的举动。

如果说 Infini-VLA 让车辆不再忘记上文，Streaming Inference 「流式自回归推理」则负责缩短车辆理解当下的时间。按照小鹏的解释，模型可以边获取输入、边推理、边输出轨迹，不必等完整理解一段历史之后才开始动作。小鹏给出的数据是，这套流式推理让决策速度提升了 300%。

同样地，这也类似人开车时，眼睛看路、大脑判断、手脚操作同时进行。遮挡处突然出现目标时，这样的并行处理能够少留下一段等待推理完成的空白。

记得过去，着眼当下，自然也要展望未来。于是新版本 VLA 中的 X-Foresight 会根据历史状态，对未来 6 秒进行推演，Flow Matching 再对多种可能的轨迹分布进行拟合，帮助模型选择更合适的动作。

词汇是晦涩难懂的，但带来的作用是十分清晰的，新版 VLA 通过持续观察当前路况，对未发生但可能出现的情况进行预判，并做下一步决策。而现实生活中老司机们常提到的「防御性驾驶」，本质上也是一种预判。

现场视频里，一辆对向白车占据了逆向车道。测试车需要判断对方是准备等待、继续向前，还是让出一部分空间，再推演自己此刻前进会不会封死两辆车的通路。看清对方在哪里只是第一步，理解对方将要做什么，才能决定自己下一步的操作。

过去的记忆和未来的推演，最终服务于每一次的加减速和转向，也让第二代 VLA 6.3.0 版本能「在时间里流动」。

进入现实世界

架构图里的名词很多，但回到产品上，VLA 要面对的还是现实道路上的各种麻烦，小鹏的答案是使用更大的模型，这一次小鹏将模型参数量扩大了 3.5 倍。

沟通会播放的一段视频里，测试车来到了轮渡码头。渡口没有清晰的车道线，码头并非一条常规道路，但依靠模型自身的思考，车辆仍然自己找到入口，开上轮渡，跟着前车停下，轮渡靠岸后，它又随车流驶出。

另一段视频发生在狭窄山路，在急弯之后，道路前方出现了一根悬空树枝，车辆没有将它当成普通的路面障碍物停在原地，也没有朝着看似尚有空间的缝隙直接向前，而是主动减速，一边观察树枝与车身的关系，一边寻找能够通过的空间。

值得一提的是，前些天，一辆运行 FSD v14.3.7 的特斯拉在美国一座公寓停车楼中从二楼一路开到六楼，并试图继续朝顶层金属铁丝网方向寻找通路，好在车主在接近铁丝网时接管，车辆没有坠落。类似的 「corner case」极端案例，小鹏 VLA 和 FSD 却做出了不同的判断，模型除了要看到空间，也要能够理解那是不是一条路。

轮渡和树枝属于很少见的场景，也正是小鹏坚持扩大模型的理由。一套依赖固定规则的系统，可以针对码头、羊群、暴雨或每一种新障碍物分别增加补丁，但真实道路总会出现你意想不到的情况。

更大模型所追求的，是处理这些没有见过的问题，而非为每个场景背下一个答案。

当然，模型不会凭空获得这种能力，小鹏称，当前模型单次训练的数据吞吐量已达 1 亿个视频片段。它还建立了向量化的数据检索系统，用户上报或测试中出现一个问题后，开发团队可以从数据库中找出更多语义相似的场景，组成一本更有针对性的「错题集」。

模型训练完成后，小鹏的仿真系统会对车型、天气、光照和视角进行变化，反复验证同一个模型。按照小鹏公布的数据，从今年 6 月到沟通会前两周，每日仿真验证的新模型数量提升了 290%。真实数据提供题库，仿真负责考试，暴露的问题再回到数据库变成新的错题。

小鹏将这套模型、数据和仿真的闭环视为物理 AI 的技术底座。依照小鹏的测试口径，新版本在仿真和测试中的综合安全能力提升超过 20 倍，这套能力还要开始进入算力更小的车型。

为了让它进入单图灵芯片的 Max 车型，小鹏用 Hybrid ViT 重新设计了计算量最高的视觉部分，尽量保留视觉输入和大模型的底层能力。

第二代 VLA Lite 将于 9 月开启首批推送，小鹏 G9L Max 也会首发搭载。

汽车即机器人

Car as Robot，汽车即机器人——这是今天小鹏通用智能中心负责人刘先明给出的定论。

到了模型这一层，这两者其实没有多少分别：感知周围环境，记住之前发生过什么，理解人的意图，将一个含糊的目标变成一系列动作，再在物理世界中把它们做完。

小鹏也在新版本里重构了车端大脑。Omni 全模态模型结合语言、环境和上下文理解用户，Master Agent 再将意图分成车辆可以执行的任务。相比每次只接一张工单的「执行员」，新架构可以记住整段对话，明白这些工单共同指向哪个目标。

当用户向车辆说出「找个地方靠边停车」，系统不能在接到语音后就在当前车道里刹停，而要先变道至最右侧，观察护栏、公交站和道路环境，排除不合适的区域，找到可以停下的位置。理解语义并从座舱转向驾驶域，执行连续决策，是这套系统的目标。

此外，小鹏的计划是将同一套架构和模型同时用在 L2 驾驶辅助与 L4 Robotaxi 上。按照小鹏公布的最新口径，其 Robotaxi 内测已经完成超过 2000 单，搭载第二代 VLA 的 Robotaxi 近日获得广州市智能网联汽车远程测试资质，可在相关测试道路开展主驾无安全员道路测试。

汽车之外，小鹏还在现场留了一个机器人彩蛋。视频一边是车辆，另一边是机器人在室内完成导航与操作，小鹏称两种本体使用了同一套基座模型，虽说是彩蛋，但这也是「汽车即机器人」的核心逻辑，小鹏也将自己定义为「物理 AI 企业」

但话又说回来，将汽车与具身智能领域相挂钩，这条路线并非小鹏独有。

特斯拉早已将汽车、Robotaxi、Optimus 机器人和 AI 训练放进同一幅蓝图，理想也将自己的定位从智能汽车转变为「具身智能企业」。车企们的共识，是造车即是做一个能在物理世界中行动的机器人。

毕竟「新造车」已经不那么性感了。它从一个充满想象力的新物种，变成了一片比拼价格、配置、渠道与交付的红海。「物理 AI 公司」显然性感得多，模型、芯片、Robotaxi 和机器人，可以组成一个更诱人的资本故事。

资本市场的喜好当然是这次身份转换的一个推手，但在热钱之外，从无休止的价格战转向前沿开发，推动技术向前，依然是一件令人兴奋的事，只不过这条道路也同样需要靠持续投入、反复验证和一次次量产兑现走下去。

奇异博士可以在一瞬间看尽多种未来，一家现实世界里的公司却只能一个版本、一辆车地向前。小鹏已经为 VLA 补上了过去 30 秒与未来 6 秒，「物理 AI 公司」这个新身份能否成立，则要看 9 月开始上车的新版本，能不能让车主真的感觉到它记得更多、判断更早、反应更快。