小鹏新版VLA技术简报：时空感知驱动的自动驾驶进化

TL;DR

小鹏汽车推出第二代视觉-LiDAR融合架构(VLA)6.3.0版本，通过记忆过去30秒路况和预判未来6秒场景，实现时空连续的拟人化驾驶决策，标志着自动驾驶从”空间感知”迈向”时空智能”阶段，同时揭示车企向”物理AI企业”战略转型的行业趋势。

核心技术突破

时间维度突破
- Infini-VLA：30秒历史记忆框架，理解连续行为而非单帧画面（如识别前车掉头全过程）
- X-Foresight：6秒未来场景推演，支持多轨迹概率拟合（Flow Matching技术）
- 流式推理：边输入-边推理-边输出的并行处理，决策速度提升300%
模型能力升级
- 参数量扩大3.5倍，单次训练数据达1亿视频片段
- 构建向量化数据检索系统，实现场景语义化”错题集”管理
- 每日仿真验证模型数量增长290%，综合安全能力提升20倍
架构创新
- Omni全模态模型整合语言/环境/上下文理解
- Master Agent任务分解系统支持连续决策（如”靠边停车”的多步骤执行）
- 统一架构覆盖L2-L4场景，Robotaxi已获广州无安全员测试资质

商业战略洞察

产品差异化路径
- 通过极端场景处理能力（轮渡/悬空树枝）建立技术壁垒
- 算力下沉策略：为单图灵芯片Max车型推出VLA Lite蒸馏版
战略定位转型
- 提出”Car as Robot”理念，将汽车定义为具身智能载体
- 技术复用：自动驾驶模型与室内机器人共享基座模型
- 对标特斯拉/理想，集体从”智能汽车”转向”物理AI企业”叙事
数据飞轮构建
- 真实数据+仿真验证的闭环体系（日均仿真量增长290%）
- 用户上报问题→语义检索→定向优化的迭代机制

行业影响与启示

技术范式转移
- 从”空间感知”到”时空推理”的认知升级
- 大模型+具身智能成为自动驾驶新基础设施
竞争维度重构
- 极端场景处理能力将取代功能数量成为核心指标
- 仿真验证效率（290%增长）可能成为新的技术护城河
产业生态启示
- 车企技术栈向AI公司靠拢（模型/芯片/数据基础设施）
- L2-L4技术同源策略可能加速Robotaxi商业化进程
- “物理AI”叙事有助于突破价格战困局，但需量产验证支撑
风险与挑战
- 算力需求与车端部署的持续博弈
- 用户预期管理：时空智能的体验提升需要显性化表达
- 资本故事与技术落地的平衡考验


注：本简报基于技术实现细节与商业战略的交叉分析，重点突出小鹏通过时空建模实现的自动驾驶代际差异，以及"物理AI"战略对行业竞争格局的潜在影响。轮渡码头等极端场景案例的选择，体现了分析师对差异化技术价值的专业判断。