小鹏VLA模型性能跃升13倍，引领自动驾驶迈向“类人智能”时代

在可持续全球领导者大会上，小鹏汽车揭晓了颠覆性的VLA自动驾驶大模型。该模型在复杂路况下的性能较传统方案提升13倍，预计正式发布时将突破50倍，标志着自动驾驶从“规则驱动”迈向“类人智能”时代。

VLA模型的核心创新在于其“物理世界数据驱动”的学习范式。与依赖预设规则的自动驾驶系统不同，VLA通过超大规模真实路况数据训练，实现了从“程序化驾驶”到“主动思考”的转变。测试数据显示，在欧洲狭窄城区、德国高速等高难度场景中，VLA对行人招手停车、前车轮胎细微角度变化的识别与预判能力，较传统方案提升13倍。

该模型还展现出多项非预设的“涌现能力”。

• 在社会交互智能方面，当行人招手示意时，车辆会主动停车让行；遇到救护车鸣笛，能自动规划避让路径。
• 在预判型决策方面，通过识别前车轮胎偏转角度（无转向灯）预判切线意图，在绿灯转红时产生“微微启动”的拟人化反应，模拟人类驾驶员的“试探性起步”。

在极端环境适应方面，在雨雾天气中，VLA凭借多模态感知融合（12摄像头 + 雷达）实现逆光场景精准识别，夜间低光照环境下目标检测准确率提升40%。

VLA的技术突破源于其“大脑 + 小脑”融合架构。VLA - OL（Vision - Language - Action with Online Learning）模型搭载2250 TOPS算力（三颗自研图灵芯片），支持长时序环境理解（预判5 - 10秒交通态势）和多模态交互。其本地端运行特性彻底摆脱云端依赖，时延低至50毫秒，较传统方案提速一倍。

该模型支持30B参数大模型的本地部署，远超行业20B的平均水平，为持续OTA升级预留充足算力冗余。

在应用场景上，VLA已实现从“辅助驾驶”到“有条件自动驾驶”的跨越。

• 在德国高速测试中，系统能精准识别施工路段桩桶、非规范水马等非典型障碍物，并自主规划绕行路径；
• 在东莞虎门镇的“地狱路况”实测中，VLA成功应对人车混流、借道行驶、狭窄车位泊入等极限场景，泊车成功率高达90%，远超行业平均水平。

VLA的全球适配性是其核心优势之一。

• 针对欧洲市场，小鹏G9已完成德国高速NGP（导航辅助驾驶）的实测验证，其“感知泛化能力”使车辆在无高精地图情况下仍能流畅行驶。
• 在日本市场，尽管寒冷区域电池性能受限，但VLA通过优化能源管理策略，确保在低温环境下仍能维持高效续航。

小鹏计划在2025年推动XNGP全球范围研发，目标在核心区域实现“1000公里被动接管次数小于1次”，通行时间接近人类驾驶水平。

面对公众对自动驾驶的信任问题，小鹏采用“可视化技术 + 用户参与”的双重策略。

• 一方面，通过AR - HUD实时显示车辆决策逻辑（如AES自动紧急转向避让的路径规划），让用户“看见”AI的思考过程；
• 另一方面，发起“你愿意完全相信AI司机吗？”的全民议题，构建从认知到信任的完整链路。

统计显示，VLA模型发布后，用户对智能驾驶的接受度提升35%，尤其在年轻群体中引发强烈共鸣。

小鹏VLA模型的诞生，重新定义了自动驾驶的技术边界，以“类人智能”为支点，撬动全球用户对AI驾驶的信任。从欧洲狭窄城区的精准泊车，到德国高速的流畅通行，VLA正用真实场景的数据验证，书写“AI司机”从科幻到现实的发展历程。

如相关负责人所言：“当AI开始理解世界，人类的出行将迎来无限可能。”这场由技术驱动的信任革命，才刚刚开始。