每週 AI 簡報

🐯Huxiu (虎嗅)•2026年3月6日較早收集於 68m

小鵬推出直覺式第二代VLA衝刺L4

Post LinkedIn

🐯閱讀原文： Huxiu (虎嗅)

#autonomous-driving #embodied-ai#multimodal-model#roboticsxpeng-2nd-gen-vlaxpengvlateslarobotaximorgan-stanley

💡小鵬VLA二代跳L3直奔直覺L4駕駛，具身AI挑戰特斯拉FSD（28字）

⚡ 30-Second TL;DR

有什麼變化

顛覆性VLA架構去除語言翻譯，實現即視即動反應

為什麼重要

小鵬從造車企業升級為具身智能領導者，以L4技術全球挑戰特斯拉並海外擴張。開拓Robotaxi等非汽車市場，透過AI「選擇權價值」提升估值。標誌物理AI基座模型成企業護城河關鍵。

下一步行動

研讀小鵬VLA技術報告，洞察多模態具身AI架構。

誰應關注：Founders & Product Leaders

關鍵要點

•顛覆性VLA架構去除語言翻譯，實現即視即動反應
•P7車型早高峰2小時零接管，應對異形車、爛路、小動物
•50PB訓練數據、每版4萬億Tokens；擴展至Robotaxi（2026廣州試營運）及機器人
•組織升級通用智能中心，融合智駕與座艙共享AI基座模型

🧠 深度解析

背景與延伸：來自公開資料，非原文內容。引用 8 個來源。

🔑 增強重點摘要

•小鵬第二代VLA使用近1億clips真實駕駛影片訓練，相當於人類司機65,000年極限場景，無需人工標註並可推演長尾場景進行對抗訓練[2][4]
•車端部署200億參數規模模型（VLA+VLM總和），在2250TOPS圖靈AI晶片上運行，遠超行業車端常見千萬級參數[5]
•單顆圖靈晶片有效算力接近10顆NVIDIA Orin-X，透過全鏈路優化將硬體利用率從22.5%提升至82.5%[1][5]
•原生多模態Tokenizer與視覺推理COT鏈，提升推理效率32倍，支持複雜路況自動生成鳥瞰圖並打分決策[5]

🛠️ 技術深入

•去掉語言轉譯環節，從視覺訊號直接輸出控制指令（轉向/油門/剎車），延遲從200ms降至80ms[1]
•原生多模態Tokenizer進行早期融合，避免單模態偏差；視覺COT鏈生成抽象鳥瞰圖並對行為打分，提升複雜決策[5]
•針對圖靈AI晶片開發自研編譯器與軟體棧，實現「晶片-算子-模型」全鏈路優化，支持車端數十億參數運行[2][4]
•雲端訓練單GPU效率從0.1提升至1.11樣本/秒，過去半年迭代468版十億參數模型，日均近4版[5]

🔮 前景展望AI analysis grounded in cited sources

小鵬Robotaxi將於2026年廣州試營運

第二代VLA已通過第三方場地測試，即將公開道路測試，並共享同一模型底座支持L4能力[6]

第二代VLA首批車輛推送於2026年3月啟動

四款新品Ultra及UltraSE版搭載第二代VLA，標誌行業首個L4初階物理世界大模型量產落地[6]

⏳ 時間線

2026-01

全球首發四款搭載第二代VLA新品，Ultra版實現L4初階能力

2026-03

小鵬科技日正式發布第二代VLA大模型及三大具身智能產品矩陣

📎 來源 (8)

Factual claims are grounded in the sources below. Forward-looking analysis is AI-generated interpretation.

🐯閱讀原文： Huxiu (虎嗅)

📰

AI 週報

閱讀本週精選 AI 大事摘要 →

👉相關動態

同主題

探索 #autonomous-driving

同產品

更多關於 xpeng-2nd-gen-vla

同來源

最新來自 Huxiu (虎嗅)

AI 策展新聞聚合。所有內容版權歸原始發布者所有。
原始來源： Huxiu (虎嗅) ↗

這是摘要，不是原文。去看原站，或訂閱每週簡報。