从空间到时空，小鹏第二代VLA大模型迎来首次重大升级

2026年8月27日，小鹏集团举办以“TIME 时间”为主题的物理AI分享暨第二代VLA全新版本体验日活动，小鹏第二代VLA大模型迎来首次重大升级，全新XOS 6.3.0版本将于小鹏G9L全球首发。

小鹏集团持续在自动驾驶领域验证Scaling Law，给体验、安全和泛化性带来巨大的提升。即将发布的全新XOS 6.3.0大版本，端侧模型参数量扩大了3.5倍，与业内常见小模型拉开了数量级差距，超长时序的上下文记忆能力，让AI司机真正做到了“看得准，会思考，反应快”，推动小鹏物理AI基座模型实现从空间理解到时空理解的底层能力跃迁。全新版本还引入了整车大脑Master Agent，实现VLA+VLM的驾舱融合，并将部分Robotaxi的L4级体验下放到量产车型，为广大用户带来全新体验。

物理AI真正的难题，是理解世界，并在充满限制的真实世界里行动。传统的模型可以识别车辆、行人、道路和交通信号，但要真正完成复杂的物理世界决策，仅仅“看见”还远远不够，车辆需要知道过去、现在、未来可能发生什么。因此，此次第二代VLA升级的核心，是让模型第一次建立起对时间维度的理解。小鹏物理世界基座模型，首次把“时间”纳入模型，AI理解世界的维度，从“3D空间”跃迁至“4D时空”。

以前模型看到的更多是当下的信息，第二代VLA全新引入Infini-VLA长时序架构，记得前30秒的世界，驾驶判断开始拥有更长的上下文，更多有效信息进入模型。连续发生的道路事件不再被割裂成一个个独立画面，模型可以将此前发生的动作、位置和场景串联起来，形成更加完整的时序理解。

道路情况是时刻在变化的，模型也需要边看边想，如果决策速度跟不上现实变化，也无法形成真正可靠的物理世界智能。所以，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，端到端响应速度提升300%。面对不断变化的道路状况，传统的模型是“看 → 算 → 输出 → 再看”的模式，而第二代VLA能够做到“边看、边想、边行动”的并行处理。遇到前车突然刹停、行人折返、旁车强行加塞等突发情况，车辆的反应像老司机一样娴熟、敏捷。

在真实道路上，前车可能突然刹停，行人可能临时改变方向，旁车可能突然加塞，预测更多种未来，才能选择更好的行动。模型不仅要识别过往画面和当前画面信息，还需要根据目标物的位置、速度、运动趋势、道路环境等进行预测。小鹏X-Foresight预测世界模型首次上车，可预判6秒内发生什么，推演周边交通参与者未来的可能行为。

新版模型引入MoT混合架构，通过针对不同任务动态分配模型能力，减少城区道路、园区、泊车等不同场景之间的任务干扰，把不同的问题交给不同的“专家”，让模型在不同驾驶任务之间更加稳定地切换。

小鹏第二代VLA全新版本端侧模型参数量提升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，使得多维综合安全能力提升20倍。

第二代VLA全新版本升级的不只是智能辅助驾驶，小鹏选择用做机器人的方式重构车机大脑，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”进一步走向“理解用户真正想完成什么”。Master Agent建立在小鹏自研Omni全模态模型之上，不仅能够理解自然语言和模糊语义，还能将用户意图自动拆解为任务，并调度智驾、底盘、座舱、车身控制等垂直Agent协同执行，实现从“理解”到“行动”的闭环。这意味着，Master Agent让整车第一次拥有了一个统一大脑，也让车辆智能从响应单一指令，进一步迈向自主理解意图、规划任务和协同执行。

值得一提的是，本次全新版本升级还带来了“语音靠边停车”、“语音控制就近泊入”功能，用户只需通过语音下达停车指令，车辆即可在智驾状态下自主寻找合适位置并完成靠边停车，实现从“语音指令”到“自主执行”的完整闭环。小鹏Robotaxi的L4级能力，正通过同源技术进一步下放至量产车，为车主带来更高阶、更自然的用车体验。

物理AI基座模型持续进化的意义，不只是让高阶模型变得更强，也在于让先进智驾能力覆盖更多车型、惠及更多老车主，实现科技普惠。小鹏通过学习式Token压缩与蒸馏训练，在不牺牲输入信息和模型容量的基础上，以更少的有效Token实现高质量视觉理解，将第二代VLA基座模型能力部署到算力更低的平台，伴随基座模型能力的增强，蒸馏后的图灵VLA 2.0 Lite同样获得显著能力提升，让更多用户享受到更安全、更可靠的城区辅助驾驶体验。图灵VLA 2.0 Lite预计9月开启首批推送，小鹏G9L Max版本将首发搭载这一蒸馏版本。

在持续提升模型性能的同时，小鹏正全力推进第二代VLA的全球化部署。近期，小鹏在德国完成了第二代VLA的本地化验收测试。这套基于中国数据训练的模型，在几乎不增加本地化训练数据的情况下，在德国城市道路的实际体验与国内高度接近。小鹏目标于明年上半年率先在欧洲获得监管许可，并陆续向海外用户交付第二代VLA，推动高阶智能辅助驾驶的全球普惠。

物理AI是一场长期工程，模型能力的持续进化，背后依赖的是一整套长期建设的AI Infra。真正的竞争并不只是模型参数有多大、单次能力有多强，而是谁能够持续建设支撑模型进化的基础设施，并把每一次真实世界的反馈转化为下一轮能力提升。

过去几年，小鹏持续投入建设覆盖数据、训练、仿真、评估、部署和算力的完整AI Infra体系，以自动驾驶作为第一个规模化应用场景，逐步建立起从真实世界数据采集，到模型训练、测试、部署，再到用户反馈和持续优化的完整闭环。与数字AI主要依赖互联网数据不同，物理AI的数据来自真实世界，模型必须在真实环境中持续与世界交互、学习和验证。因此，做好物理AI，除了模型本身，还必须解决两个核心问题：如何高效使用真实世界的数据，以及如何高效验证模型在真实世界中的行为。

小鹏依托百万车队和十亿级数据资产，持续构建数据飞轮，通过统一化存储、多模态检索和规模化挖掘，将海量真实世界数据转化为可持续训练和优化模型的数据资产。当前，模型单次训练数据吞吐量已达到1亿clips，数据吞吐量比半年前增长10倍。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。

数据规模在增长，模型训练效率在提升，算力和工具链持续完善，越来越多真实世界的问题能够被纳入模型迭代，数据规模的护城河正逐步形成，小鹏集团在AI Infra领域的长期投入，已逐步沉淀为可持续复用的基础能力，呈现出明显的规模效应，开始产生复利。

模型会不断迭代，但真正能够形成长期壁垒的，是持续迭代模型的能力；产品会不断变化，但真正能够产生长期价值的，是支撑产品持续进化的基础设施。第二代VLA的持续升级，正是这一体系不断运转的结果，通过推动模型、数据、算力和本体的协同增长，将模型能力不断转化为真实用户可感知的安全性、舒适性和效率提升。

随着AI Infra持续沉淀，模型能力的进化将不再局限于单一产品，而是跨越汽车、机器人、飞行汽车等不同本体，持续拓展物理AI与真实世界交互的边界。从AI汽车到通用人形机器人，再到更多的智能本体，最终走向更广阔的物理世界。