科技日报记者 杨雪
3月2日，小鹏汽车正式发布第二代VLA（视觉—语言—动作模型）智驾系统。该系统支持P挡原地激活全场景辅助驾驶，覆盖高速、窄路、无地图停车场等场景。小鹏汽车董事长兼CEO何小鹏宣布，第二代VLA将于本月正式迎来推送。
当前，端到端小模型已逐渐触及智驾能力天花板，智驾研发来到了关键的分水岭时刻。小鹏汽车通用智能中心负责人刘先明表示：“自动驾驶的本质是AI问题，AI的规模法则同样适用于物理世界模型。”第二代VLA的突破并非单点能力升级，而是遵循“模型×算力×数据×本体”的规模法则。
在模型层面，第二代VLA是原生多模态物理世界大模型，集“看、听、读”于一体。不仅是自动驾驶模型，还可以应用在Robotaxi、飞行汽车和人形机器人上。
在算力层面，通过芯片—编译器—模型的联合优化、根据芯片定制化“图灵结构”模型、自研自动化编译体系的方法，使基座模型的编译效率提升12倍，从而大幅优化算力利用率，降低模型推理时延。
在数据层面，随着算力与模型能力同步跃升，第二代VLA的视觉数据的高信息密度价值得以充分释放。目前累计使用50PB训练数据，每秒处理约53亿字节视觉信息，每版模型的训练数据达到4万亿Tokens（词元）。
凭借强大的泛化能力，今年小鹏第二代VLA将实现多项重要里程碑。例如，在朝着完全自动驾驶进化的路上，小鹏第二代VLA和VLM（视觉语言模型）大模型将跨域融合，让汽车进化为能同时为用户提供主、被动能力组合的超级智能体。
网友评论
