【2026年8月27日，广州】小鹏以“TIME 时间”为主题举办物理AI分享会，宣布第二代VLA大模型迎来首次重大升级。这次升级的核心不是参数增加，也不是功能叠加，而是一个底层认知的改变：AI开始理解时间。从“3D空间”到“4D时空”，小鹏正在重新定义物理AI的能力边界。

为什么“时间”是物理AI的真正门槛

今天的智能驾驶系统大多能识别车辆、行人、车道线，但这只是“看见”当下的画面。物理世界的本质是连续的、动态的——前车三秒前开始减速，行人五秒前有横穿意图，旁车刚刚打了转向灯。传统模型将道路事件割裂成独立帧，无法串联这些信息，决策自然缺乏“前后文”。

小鹏给出的公式是：能力 = 模型 × 算力 × 数据 × 本体。其中“时间”是最关键的缺失变量。要让AI像人类一样驾驶，它必须记住过去、理解现在、预判未来。这正是第二代VLA此次升级的出发点。

三大技术让AI拥有“时间感”

本次升级通过三项关键技术，把时间维度真正嵌入模型。

第一，Infini-VLA长时序架构，记住前30秒。 模型不再只看当前帧，而是拥有长达30秒的上下文记忆。前方车辆正在三点掉头，系统能记住整个动作序列，等待期间不冒进，待车辆驶离后迅速通过。连续事件被串联成完整叙事，驾驶判断拥有了更长的“思考链条”。

第二，流式自回归推理，响应速度提升300%。 传统模型是“看→算→输出→再看”的串行模式，每一步都有延迟。第二代VLA采用Streaming Inference，实现“边看、边想、边行动”的并行处理。遇到前车急刹、行人折返、旁车加塞，车辆反应如同老司机般敏捷。端到端响应速度提升300%，这不仅是效率提高，更是安全裕度的质变。

第三，X-Foresight预测世界模型，预见6秒未来。 模型不仅要理解过往和当下，还要根据目标物位置、速度、运动趋势和道路环境，推演未来6秒可能发生的多种情况。预测越准，选择越优。当其他车辆还在被动反应时，小鹏的AI已经提前预判并规划好了避让路径。

记住过去、理解现在、预判未来——三者结合，模型第一次拥有了完整的“时间感”。配合参数量提升3.5倍（为行业主流VLA的15倍以上），多维综合安全能力提升20倍。这不是简单的增量优化，而是从感知到认知的跃迁。

Master Agent：整车大脑的“意图理解”

智驾升级之外，小鹏首次推出Master Agent整车大脑，实现VLA与VLM的驾舱融合。过去车辆是“指令响应式”的——用户说“开空调”就开空调，说“导航”就导航。但Master Agent基于自研Omni全模态模型，能理解模糊语义和隐含意图，将用户目标自动拆解为任务序列，并调用智驾、底盘、座舱、车身控制等垂直Agent协同执行。

新版本带来的“语音靠边停车”就是典型案例。用户只需说“帮我靠边停车”，车辆在智驾状态下自动寻找合适位置并完成泊入。从“听懂一句话”到“理解用户真正想完成什么”，整车智能进入了新阶段。这也意味着小鹏正将部分Robotaxi的L4级体验下放到量产车，让普通车主提前感受高阶自动驾驶的能力。

L4验证与全球化部署同步推进

就在发布会前几天，搭载第二代VLA的Robotaxi获得广州市智能网联汽车远程测试资质，可在一、二、三级测试道路开展主驾无安全员测试。这标志着小鹏正式进入主驾无人的关键道路验证阶段，L2至L4能力贯通的技术路线得到实际检验。

同时，小鹏没有把高阶能力只留给旗舰车型。通过学习式Token压缩与蒸馏训练，第二代VLA基座模型的能力被部署到算力更低的平台，形成图灵VLA 2.0 Lite版本。该版本将于9月首批推送至小鹏G9L Max，让更多用户享受到城区辅助驾驶的安全与便利，这是小鹏“科技普惠”理念的落地。

全球化方面，小鹏近期在德国完成了第二代VLA的本地化验收测试——这套基于中国数据训练的模型，在几乎不增加本地化训练数据的情况下，在德国城市道路的体验与国内高度接近。目标明年上半年获得欧洲监管许可并开启海外交付，高阶智驾的全球普惠正在加速。

机器人融资与技术复用验证路线

8月24日，小鹏机器人业务完成首轮股权融资，金额超9亿美元，投后估值超63亿美元，刷新国内具身智能行业单轮私募融资纪录。IDG资本领投，高榕创投参投，腾讯和阿里巴巴以战略投资者身份加入。资本的信心不仅来自汽车业务，更来自“一套AI底座打通汽车与机器人”的技术路径。

小鹏通用人形机器人IRON搭载3颗图灵AI芯片，有效算力2250TOPS，物理世界基座模型已在端侧部署，无需远程遥控即可自主完成复杂任务，计划2026年底进入量产。物理AI的真正价值在于能力的迁移复用——汽车在道路上学会的时空理解、障碍规避、路径规划，可以直接迁移给机器人，反之亦然。这种复用效应降低了每个新本体的开发成本，也加速了整个系统的进化速度。

AI Infra是长期护城河

模型升级的背后，是小鹏持续多年建设的AI Infra体系。物理AI的数据来自真实世界，必须解决两个问题：如何高效使用真实数据，如何高效验证模型行为。

小鹏依托百万车队和十亿级数据资产，构建数据飞轮。当前模型单次训练数据吞吐量达1亿clips，比半年前增长10倍。通过统一化存储、多模态检索和规模化挖掘，海量真实数据被转化为可持续训练的资产，形成“数据越多—问题发现越充分—模型进化越快—产生更多数据”的正向循环。配合超10 EFLOPS的专有算力集群（2027年计划扩展至20 EFLOPS），数据规模与工具链的护城河正逐步显现。

小鹏物理AI负责人指出：“模型会不断迭代，但真正形成长期壁垒的，是持续迭代模型的能力；产品会不断变化，但真正产生长期价值的，是支撑产品进化的基础设施。”第二代VLA的升级正是这一体系运转的成果，而随着Infra持续沉淀，模型能力将跨越汽车、机器人、飞行汽车等不同本体，不断拓展物理AI与真实世界交互的边界。

从3D到4D，从识别到理解，从单一产品到多本体复用，小鹏第二代VLA的首次重大升级，不仅是智驾能力的跃升，更是物理AI底层范式的一次重构。当AI开始理解时间，物理世界的复利时代正在加速到来。