🐼Pandaily•最新收集於 2h
XPeng VLA 將 AI 推進至四維時空
💡XPeng 的 4D VLA 升級展示時間推理如何將先進自動駕駛帶入量產車。
⚡ 30-Second TL;DR
有什麼變化
升級後的 VLA 在既有三維空間感知之上加入時間理解能力。
為什麼重要
若能在量產車輛中獲得驗證，時間場景理解可望改善自動駕駛系統對移動物體與持續變化交通情境的反應。這項進展也可能縮小消費級車輛與 Robotaxi 平台之間的能力差距。
下一步行動
在模擬環境中使用突然切入、行人橫穿及其他隨時間變化的情境，測試 XPeng 4D VLA 能力與你的自動駕駛系統表現。
誰應關注：Developers & AI Engineers
關鍵要點
- •升級後的 VLA 在既有三維空間感知之上加入時間理解能力。
- •XPeng 瞄準適用於動態駕駛環境的四維時空推理。
- •該公司計畫將 Robotaxi 等級的 L4 行為帶入量產車輛。
🧠 深度解析
背景與延伸：來自公開資料，非原文內容。引用 5 個來源。
🔑 增強重點摘要
- •XPeng 透過「X-World」生成式世界模型進行閉環模擬與數據合成，為 VLA 2.0 的訓練提供高效率的數據基礎。
- •系統引入「MasterAgent」作為中央車載大腦，整合了 VLA 與 VLM 功能，實現了從感知到決策的端到端決策能力。
- •透過學習型 Token 壓縮與蒸餾技術，XPeng 成功開發出「Turing VLA 2.0 Lite」版本，使其能在較低算力的硬體平台上運行。
- •該技術已使 XPeng 的 Robotaxi 獲得廣州地區的遠端無人駕駛道路測試認證，驗證了其 L4 等級的技術成熟度。
- •XPeng 正積極推動全球化戰略，並致力於使該系統符合聯合國第 171 號法規（DCAS），為海外市場的落地進行合規準備。
📊 競品分析▸ Show
| 特性/廠商 | XPeng VLA 2.0 | Tesla FSD (v13+) | Waymo Driver |
|---|---|---|---|
| 核心架構 | 4D 時空 VLA 模型 | 端到端神經網路 | 模組化感知與預測 |
| 算力部署 | 支援輕量化蒸餾版 | 高算力硬體依賴 | 雲端與車端混合 |
| 商業模式 | 量產車搭載 L4 功能 | 消費級輔助駕駛 | 專用 Robotaxi 車隊 |
🛠️ 技術深入
- 4D 時空推理：將時間維度納入感知模型，實現長達 6 秒的未來場景預測能力。
- 序列處理：模型支援處理長達 30 秒的連續時間序列數據。
- 參數規模：車載模型參數量較前代提升 3.5 倍。
- 數據閉環：利用 X-World 多視角生成式模型進行模型評估與數據合成。
- 輕量化技術：採用 Token 壓縮與蒸餾訓練，優化在邊緣運算平台的執行效率。
🔮 前景展望AI analysis grounded in cited sources
XPeng 將於 2026 年 9 月實現量產車型 L4 功能的規模化推送。
該系統已排定於 2026 年 9 月在 G9L Ultra 及 Ultra SE 車型上進行全面部署。
VLA 2.0 的引入將顯著降低自動駕駛系統的硬體算力門檻。
透過 Turing VLA 2.0 Lite 的蒸餾技術，使得高階自動駕駛能力得以在非頂規算力平台上運行。
⏳ 時間線
2026-08
XPeng 正式發布第二代 VLA 系統，引入 4D 時空理解能力。
📎 來源 (5)
Factual claims are grounded in the sources below. Forward-looking analysis is AI-generated interpretation.
📰
AI 週報
閱讀本週精選 AI 大事摘要 →
👉相關動態
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： Pandaily ↗
每週 AI 簡報
每週一封，可隨時退訂。