“时间”成为物理AI竞赛的新战场，小鹏率先扣动扳机

作者 ｜ 郭月
编辑 ｜ 志豪

智能驾驶发展到今天，AI已经越来越会“看”了。

它能识别车辆、行人、红绿灯，也能理解道路、规划路线、完成复杂变道。但问题是——看得见，真的等于看得“懂”吗？

假设一辆出租车在你前方缓慢减速，并亮起右转灯，人类司机不会只盯着这一秒的画面，我们会自然地把过去几秒的信息串起来：它一直在减速、靠近路边、打开了转向灯，于是判断它大概率准备停车。

再比如，一辆电动车不断向左偏移，人类司机会下意识预判，它下一秒可能会横穿。

这些能力看起来理所当然，但它们背后都有一个共同点：人类不是只活在“现在”，而是在时间里理解世界。而这，恰恰是过去很多AI模型最缺失的能力。

日前，小鹏第二代VLA迎来首次重大升级，核心只有两个字：时间。

从过去理解一个静态的3D空间，到开始理解不断变化的4D时空，小鹏试图让AI记住过去、实时思考，并预判未来。

一根“时间轴”，正在被塞进智能辅助驾驶的大脑。而随着AI开始拥有“时间感”，智驾游戏规则也可能正在发生变化。

一、当物理AI装上“时间轴”智驾的底层逻辑正在被重写

沟通会上，小鹏集团通用智能中心负责人刘先明开门见山，点出了一个核心问题：过去做物理AI的时候，受制于各种限制，更多是对空间进行理解——知道现在在哪儿，这个世界是什么。

但物理AI要真正解决问题，光知道“在哪儿”远远不够，还必须理解时间——知道事情是怎么发展到这一步的，以及预判接下来会发生什么。

从理解当下静态的3D空间，到理解不断发生变化的4D时空，这不是一个维度的简单增加，而是智驾底层逻辑的根本性转变。

▲小鹏让AI理解世界的维度从3D空间跃迁至4D时空

基于这个判断，小鹏第二代VLA大模型带来全新XOS 6.3.0版本，从底层重构了模型理解世界的方式，把“时间”纳入模型，具体体现在三个能力上：记住过去、预判未来、更快响应。

为什么要让第二代VLA学会记住过去？

人类开车的时候，大脑会自动记录周围车辆和行人的运动轨迹——旁边那辆车刚才一直在加速，前面那个行人已经在路边站了很久，这些信息自动构成驾驶决策的依据。

但AI没有这个本能，摄像头拍完就翻篇了，下一帧进来的时候，上一帧已经被覆盖，不专门给它设计一个记忆模块，它就永远在“失忆”状态下开车，看不清楚前因后果。

第二代VLA引入的Infini-VLA长时序架构，解决了这个问题。

模型能记住前30秒的世界，连续发生的道路事件不再被割裂成独立画面，而是串联成完整的事件链，决策有了上下文依据，不再是“看图说话”那种机械式反应。

▲小鹏第二代VLA全新版本能记忆前30秒的世界

光识别过往和当前画面信息远远不够，对目标位置、速度、运动趋势、道路环境的预判能力同样关键。

例如，前面那辆出租车刚才一直在减速、打了右转灯，可能有靠边停车意图；右边那辆电动自行车一直在往左偏，要随时小心该车可能会横穿，这些信号人类司机可以预判，但AI需要被教会“读懂”它们。

为了让模型像人一样预判路况未来走向，小鹏把X-Foresight预测世界模型塞进了车端，它能根据目标的位置、速度、运动趋势、道路结构等多维信息，推演未来6秒内周边交通参与者的可能行为，做出最合理、安全的驾驶决策。

▲小鹏第二代VLA全新版本能够预测未来6秒变化

值得一提的是，这个6秒推演时长还只是官方的保守说法，实际上限远不止于此，官方实验数据显示，模型最长推演时长为21秒。

光记住过去、预判未来还不够，道路状况瞬息万变，等模型算完再动，时机早就错过了，反应速度跟不上，一切都白搭。

因此，第二代VLA同步提升了模型推理效率，采用Streaming Inference（流式自回归推理），从离散推理走向连续推理，相比行业“先看、再想、再行动”的传统做法，第二代VLA模型能“边看、边想、边行动”，端到端响应速度提升300%。

▲小鹏第二代VLA全新版本端到端响应提速300%

可以这样理解，Infini-VLA管过去，流式推理管现在，X-Foresight管未来，三个模块合在一起构成了完整的时空决策闭环。

不过，当第二代VLA模型学会记忆过去、实时推理、预测未来后，信息量暴涨也是实打实的挑战。

模型要同时处理道路结构、交通参与者、路权关系、导航意图，还得加上30秒的历史信息和6秒的未来推演，这些都在逼近车端算力的物理边界。

小鹏的办法很直接：把模型做大，端侧稠密参数拉到70亿级，比之前提升了3.5倍，是主流VLA的15倍以上。结合超前轨迹预判、超长有效时序、更快决策响应，多维综合安全能力提升20倍。

▲小鹏第二代VLA全新版本核心升级点

更大的参数量还带来另一个关键优势——足够强的泛化能力。

见过足够多的路况、车型、天气之后，模型就能举一反三。到了广州老城，它知道怎么应对密集人流和电动车；到了德国，它知道怎么处理完全不同于中国的路况和复杂路权。一套模型通吃全球，这是小鹏敢喊出2027年智驾出海的真正底气。

说到底，第二代VLA这场升级的真正价值，不在于表层参数的堆叠，而在于决策起点的迁移，传统模型在“这一刻”做判断，第二代VLA在“一段时间”里做决策。

从被动响应到主动预判，从感知空间到理解时间——当AI真正拥有了时间感，物理世界的行动能力才算真正打开。

按照官方规划，基于第二代VLA大模型的全新XOS 6.3.0版本，9月面向G9L Ultra和Ultra SE车型全量推送，能力蒸馏后的第二代VLA Lite将由G9L Max首发搭载。

▲小鹏第二代VLA全新版本将在小鹏G9L首发

从2025年11月首发，到2026年3月开启量产推送，再到2026年8月完成首次重大升级，满打满算前后仅10个月的时间，小鹏第二代VLA走完了从亮相到量产再到底层架构重构的全过程。

对于一个仍在探索物理世界落地边界的基座模型来说，这个速度，已经超出了不少人的预期。

为什么能这么快？或许可以从一年前的一个赌约说起。

2025年12月，何小鹏与小鹏集团通用智能中心负责人刘先明立下赌约：若在2026年8月30日前，小鹏VLA在国内的综合表现能达到特斯拉FSD V14.2在硅谷的整体效果，何小鹏在硅谷开一家中国风味食堂；若未达标，刘先明在金门大桥裸跑。

2026年8月27日下午，何小鹏在微博袒露心声，这场赌约，刘先明赢了。

▲何小鹏回应赌约称“硅谷食堂要来了”

赌约能赢不是口头说说，第二代VLA实打实拿出了成果。

何小鹏分享了他的直观感受，在大路等常规道路场景下，小鹏第二代VLA已经与全球一流水准的产品并驾齐驱；而在小路博弈、园区和停车场等复杂场景下，它的表现甚至还要更占优势，甚至可以直接顺着导航一路开到车位，完全有能力和特斯拉FSD掰掰手腕。

赌约结果归结果，比这更有价值的是，团队这一年真正想明白了一件事：不用再盯着谁做参照物了，而是知道自己的路该怎么走。

刘先明在发布会上表示，与其说是去追赶特斯拉，不如说他们已找到适合自己的路径，也给出了自身对物理AI的解答。

▲刘先明回应赌约称“交出了自己的答案”

这个答案就是，不再仅聚焦于感知层面的参数对标，而是站在物理AI的起点，构建一套可以持续迭代、跨场景、跨本体复用的物理AI基座模型。

为什么一定要走这条路？

小鹏是国内第一批向物理AI转型的车企。但它的目标不是单一本体，而是物理世界中多种多样的智能载体——汽车之外有机器人，机器人之外有飞行汽车。

如果用一套模型只解决一个问题，每新增一个产品线就要从头训练，研发、数据、迭代成本都是指数级增长。

唯一的解法，是打造一个足够强的物理世界基座模型——能理解物理世界的基本规律，能泛化到不同场景、不同任务、不同本体。

第二代VLA正是这样一个基座：它已经向上延伸至L4级Robotaxi——小鹏完成超2000单内部订单，拿到广州主驾无安全员远程测试资质；向下蒸馏至单图灵芯片Max车型，让更多用户享受到城区辅助驾驶体验；横向迁移至人形机器人IRON，搭载3颗图灵芯片自主完成复杂任务。

▲小鹏第二代VLA全新版本能力支持扩展至不同本体

这个底座之上的所有载体，最终服务于同一个目标：让AI理解物理世界，并能够在物理世界中完成行动。

理念明确了，小鹏为什么能够把它变成现实？

物理AI基座模型在10个月内完成底层架构革新，还能同时支撑汽车、机器人、飞行汽车三个方向——靠的肯定不是工程师们熬夜写代码，而是AI Infra的长期沉淀与复利。

▲小鹏第二代VLA模型进化背后是AI Infra的支撑

发布会上一页类似“冰山理论”的PPT揭示了答案：VLA2.0、自动驾驶、机器人是浮在水面上的应用成果；水面之下，是AI Infra整套底座——数据体系、训练平台、仿真系统、部署工具、算力集群，这才是模型能够快速迭代的根基。

据刘先明分享，做物理AI，模型只是其中一环，还有两道绕不开的现实难题：如何高效消化海量真实世界数据，以及如何高效验证模型在真实世界中的行为。

▲做物理AI，模型之外还面临两大关键难题

在数据侧，小鹏依托百万车队和十亿级数据资产，持续构建数据飞轮，模型单次训练数据吞吐量已达到1.1亿个clips，比半年前增长10倍。

▲模型单次训练数据吞吐量比半年前增长10倍

光有海量数据还不够，配套的数据基础设施还解决了另一个问题：海量数据怎么快速检索、怎么精准挖掘？

针对用户反馈的各类路况问题，该系统能够快速定位对应的训练素材，反哺模型优化，例如乡村道路遇羊群、极端天气——这些靠堆人路测几乎不可能覆盖的长尾场景，通过这套体系被大量挖掘出来，供模型开展训练。

在验证侧，仿真平台承担起大规模测试的重任。2026年6月至8月，小鹏仿真平台每日可完成验证的新模型数量提升290%。

通过对数据进行结构化、标签化和语义化处理，小鹏能够从海量真实世界数据中高效发现未知问题，并快速反哺模型训练和迭代，形成数据越多、问题发现越充分、模型进化越快、又产生更多数据的正向循环。

▲小鹏基座模型的飞轮开始产生复利

这一过程中，小鹏长期建设的AI Infra逐步沉淀为可复用的基础能力，规模效应与复利效应开始显现，第二代VLA的能力不再束缚于某一个版本、某一款车型，能够持续向乘用车、Robotaxi、人形机器人以及更多智能本体延伸。

如果把物理AI比作一张考卷的话，特斯拉在做题，小鹏也在做题，目前两家都答完了第一道大题，但距离最终交卷还有很长的距离。

这是因为从自动驾驶到具身智能，物理AI竞赛的边界正快速拓宽，而真实的物理世界也永远在抛出新的难题。

对此，何小鹏给到的是极为坚定的态度：“在面向全球的物理AI这条路上，我们一起继续往前奔跑。”不是“超越谁”，也不是“赢什么”，而是一起跑下去。

这个过程中，小鹏和特斯拉都在奔向更广阔的征程，双方竞争也从产品层面逐渐转向整个生态层面，这场暂时看不到终点的马拉松中，真正的壁垒将是持续迭代的能力。

而小鹏现在正在做的，正是在这场长跑中把底座铺得更厚、更稳，让自身进化频率快些、再快些。