一、全场景 VLA 系统量产落地

1. 专家级风险预判
   在无保护转向、盲区路口等复杂场景中，VLA 通过时空推理提前规划防御性策略。例如，系统可预判对向车辆可能的抢道行为，提前调整车速并预留安全距离，实现 “无感避险”。
2. 行业首创人机共驾模式
   当 NGP（导航辅助驾驶）激活且时速低于 130km/h 时，驾驶员可通过轻转方向盘或踩加速踏板介入驾驶。系统在驾驶员控车时退为观察态，松手 / 松油门后 0.5 秒内无缝恢复 NGP，支持低速跟车、匝道汇入等场景的灵活协作。
3. 车位到车位记忆泊车
   支持任意车位实时记录与停车场 3D 建模，车辆可自动泊入非标准车位（如斜列式车位、断头路车位），识别精度达 ±15cm，支持斜角≤45° 的非规则车位。
4. 主动安全强化
   AES 自动紧急转向避让功能在紧急碰撞危险且制动空间不足时，可自动发起转向避险并减速，结合激光雷达与视觉融合感知，系统对异形障碍物（如倒地的外卖箱）的识别准确率较传统方案提升 30%。

二、云端大模型蒸馏与车端部署

1. 云端训练与车端部署
   云端基座模型基于 2000 万 Clips 视频数据训练（年底将扩至 2 亿 Clips），通过蒸馏技术将核心能力压缩至车端模型。例如，车端模型参数规模虽仅为云端的 1/35，但仍能保留 90% 以上的推理能力。
2. 自研图灵芯片的算力支撑
   G7 Ultra 搭载 3 颗自研图灵 AI 芯片，其中两颗用于智驾 VLA 系统，一颗用于座舱 VLM（视觉 - 语言模型），整车有效算力达 2250TOPS，支持车端大模型实时运行。例如，系统可在 20ms 内完成从视觉输入到动作生成的全流程，较传统方案提速 7 倍。
3. Token 压缩技术突破
   与北京大学联合研发的 FastDriveVLA 框架，通过基于图像复原的 token 剪枝技术，将视觉 token 数量从 3249 条压缩至 812 条，FLOPs 降低 7.5 倍，同时保持碰撞率等关键指标优于未剪枝基线。该技术已在 CVPR 2025 上公开，成为行业首个实现 “降本增效” 的 VLA 优化方案。

三、智能座舱与跨模态交互

1. AR-HUD 创新功能
   • 路怒情绪互动：在堵车、加塞等场景中，通过随机触发 AR 动画（如爱心、笑脸、烟花）缓解驾驶员情绪。
   • 自适应调节：通过 DMS 摄像头识别驾驶员坐姿，自动校准 AR-HUD 成像高度，确保信息显示清晰且不遮挡视线。
   
   
2. 语音交互升级
   VLM 大模型支持多轮对话与上下文理解，例如用户可连续指令 “打开空调”“调至 24 度”“切换为内循环”，系统能精准执行并反馈状态。语音控车响应速度较上一代提升 40%，支持方言识别与多模态指令（如 “导航到最近的充电站并预约充电”）。
3. 隐私安全设计
   OMS（座舱感应系统）支持远程查看宠物状态，但仅车主有权限访问，且配备物理盖板防止隐私泄露。

四、年底跨代更新与行业竞争

1. 技术升级方向
   • 多模态大模型：结合激光雷达点云、毫米波雷达时序数据与视觉信息，提升对夜间、雨雾等极端环境的感知鲁棒性。
   • 长时序推理：通过自回归模型推演 5 秒后的多帧场景，预判施工路段、潮汐车道等长尾场景。
   • 动作精细化生成：采用扩散模型生成连续动作序列，优化机械臂（如充电机器人）与车辆的协同操作。
   
   
2. 行业竞争态势
   随着华为乾昆 ADS 4.0、理想 VLM 司机大模型、蔚来 NWM 世界模型等竞品的下半年推送，小鹏的 “十倍体验” 宣言面临挑战。其技术负责人强调，图灵芯片的超高算力与云端大模型的持续迭代，是支撑 VLA 性能跃迁的关键。

五、技术路线与生态布局

1. 端到端与符号推理结合
   不同于特斯拉 FSD 的纯端到端架构，小鹏采用 “端到端 + 符号规则” 的混合模式。例如，在 VLA 生成动作序列后，系统仍会通过碰撞检测等符号化模块进行安全校验，平衡泛化能力与可解释性。
2. 数据闭环与持续学习
   依托 29.3 亿公里实车日志与生成式仿真数据，小鹏构建了 “数据采集 - 标注 - 训练 - 部署” 的闭环。例如，用户的每一次接管操作都会被标注为负样本，用于优化模型决策逻辑。
3. 跨场景技术复用
   云端 720 亿参数基座模型不仅服务于汽车，还为未来的机器人、低空物流等场景铺路。例如，该模型的多模态推理能力可直接迁移至家庭服务机器人的任务规划。

总结