8月27日，小鹏集团举办了一场以Time（时间）为主题的技术分享会。

　　这一技术分享围绕着集团第二代VLA（视觉语言动作）大模型的最新迭代成果。不同于以往侧重视觉、空间能力的升级，“时间”成为这次迭代的核心关键词，模型在底层设计上通过新增时序认知能力，优化模型架构与推理逻辑。而这也为模型探索物理AI（人工智能）提供了一种新思路。

小鹏集团发布物理AI新探索。企业供图

　　从“捕捉画面”转向“理解过程”

　　过去，不少智能驾驶模型，更像是一台快照相机。

　　模型通过抓取道路上某一瞬间的3D画面，识别当下的车辆、行人、障碍物，从而做出决策。但它很难串联起前几秒、几十秒里发生的一连串路况变化。

　　本次小鹏第二代VLA模型最核心的调整，便是在三维空间的基础上，把时间参数纳入认知框架，搭建起新的长时序架构。模型可以调取前后30秒的连续视频信息，把碎片化的画面串成完整的事件链条。

　　简单来说，不再只看“这一刻路上有什么”，而是试着看懂“刚刚发生了什么，事情正如何演变”。

　　分享会上，小鹏集团通用智能中心负责人刘先明谈及近一年的研发心路：“一年前，我们还在讨论怎么去追上行业标杆。今天，我们思考的问题变了：能不能面向物理AI这条赛道，拿出自己的一份探索答案。”

　　智驾预判与交互逻辑优化

　　新增时间维度的理解能力，最终要落到真实的行车场景里。第二代VLA调整了原有处理链路，不再严格遵循先感知、再决策、最后执行的串行流程，向着边看、边推演、边输出决策的并行模式演进，以此缩短系统整体响应耗时，尝试实现更及时的路况应对。

　　企业介绍，迭代后的模型实现端到端响应提速300%。例如，一只轮胎突然从前车滚落至车道，实现“边看边想边输出决策”的车辆能够快速做出避让反应。

　　除了路况预判，人车交互同样是迭代重点。新版本尝试打通视觉模型与语言模型，试着读懂驾驶员模糊、口语化的表达。例如，用户说出“帮我找附近好吃的粤菜餐厅”，系统就能够拆解需求，检索信息并规划路线。

　　9月分批推送到各车型

　　按照规划，第二代VLA模型将于9月分批推送至车型。

　　其中，高端车型将获得完整的全量化版本。算力相对有限的单芯片车型，将获得经过模型蒸馏得到的轻量化版本。通俗来讲，蒸馏就是让完整版大模型把核心推理逻辑、判断思路沉淀下来，训练出更小的模型，在有限算力条件下，尽量保留核心能力，让更多车主能够体验到新模型带来的变化。

　　更重要的是，第二代VLA模型并不只是为汽车量身定做。同样的时序理解、环境感知能力，也正在小鹏自研人形机器人IRON上开展验证。机器人需要持续感知周边环境的动态变化，避开移动障碍，规划行走路线。

　　在刘先明看来，汽车和机器人面对的都是不断变化的物理世界。真正要走远，需要搭建一套能够理解动态物理世界的通用模型，汽车只是第一个落地场景。

　　智能驾驶行业走到当下，单纯堆砌算力、扩充数据的红利正在逐步收窄。各家企业开始把目光投向对物理世界更深层的理解能力。小鹏第二代VLA的更新，正是国内企业在时序世界模型方向上一次具体的尝试。它在真实、复杂的城市道路中究竟表现如何，等待验证。

　　来源：北京日报客户端