#小鹏第二代vla首次模型重大升级#

我试着收拢收拢，小鹏第二代VLA分享会，想强调的核心能力
——长时序推演。给模型增加时空理解能力。

智驾发展到现在，无论是VLA也好，还是世界模型也好，都在解决这个问题

举个例子，一台贴着车道线行驶的车。它可能只是方向没扶稳，也可能准备加塞。只看这一瞬间，你是分不清楚它的意图的；只有把过去几秒的轨迹连起来，才能判断它是在随机摆动，还是持续向旁边偏移。

再比如，前段时间很火的一端特斯拉无故刹车后，突然前方出现一个小孩子的视频。
几秒前你看到一个孩子跑到车后面，此刻摄像头里已经看不到人了。但特斯拉在进入路口后，还是选择刹了车，这就是生物本能的，长时序时空推理能力。
就好比人类司机，看到这类场景，会提前收油，因为他记得刚才发生过什么，也知道接下来可能发生什么。

长时序推演解决的，是“事情为什么变成这样，接下来可能发生什么”。
智驾想从“看见危险再处理”，进化到像老司机一样提前收油、预留空间，就必须记得过去、理解现在，再推演未来。
这也是小鹏第二代VLA本次升级的核心。

为了做好长时序推演，小鹏首先引入了Infini-VLA长时序架构，让模型拥有最长30秒的有效记忆。这里的“记忆”，不是简单保存录像，而是让车辆、行人此前的运动状态，继续参与当前决策。
有了记忆，还要能够及时思考。小鹏加入流式自回归推理，让模型从过去“看完、算完、再行动”，变成边看、边想、边行动，端到端响应速度提升300%。

再往后，是预测。
X-Foresight预测式世界模型，可以推演未来6秒内交通环境可能发生的变化；Flow Matching轨迹生成，则让模型从单一确定性走向多解，再从中生成更自然的行动轨迹。

同时，小鹏通过MoT混合架构，把城区道路、园区、泊车等不同问题交给不同“专家”，减少任务之间的干扰；端侧模型参数量扩大3.5倍，提升复杂任务的建模和泛化能力。

这几项技术放在一起，构成一条完整链路：记住过去30秒，持续理解当下，推演未来6秒，再生成当前动作。

它带来的变化，不一定是多出几个功能（如语音靠边停车、语音控制就近泊入等），而是车辆的判断更连贯。比如面对遮挡时更早留出余量，窄路会车减少左右试探，处理加塞和横穿时，不必等风险完全出现再突然反应。
小鹏第二代VLA全新版本将在9月面向所有Ultra及Ultra SE车型开启推送，并由小鹏G9L首发搭载。面向较低算力平台的VLA 2.0 Lite蒸馏版，也将在9月开启首批推送，由G9L Max首发。

9月3日，特斯拉也将在奥斯汀举办Cybercab发布活动。真正走向无人驾驶以后，车辆没有人类随时替它补充判断，能否连续理解过去、现在和未来，只会变得更加重要。

长时序推演的重要性，不只属于高阶智驾。
对于具身机器人，这项能力甚至更重要。
机器人完成一项任务，往往要经历几十秒甚至几分钟。它需要记住用户最初的指令、自己已经做过哪些动作、物体的位置发生了什么变化，再决定下一步做什么。

所以，小鹏希望把同一套物理AI基座，从汽车和Robotaxi，继续向机器人、飞行汽车等更多本体延展。
它们面对的，其实是同一个问题：如何让AI在不断变化的物理世界里，持续理解，并连续行动。

总的来说
过去，智驾竞争更多比谁看得远、识别得准、反应得快。
接下来就进入到长时序推理的竞争了，看谁记得更久、想得更远。

#小鹏汽车[超话]#