8月27日，在小鹏物理AI分享暨第二代VLA全新版本体验日活动中，小鹏汽车宣布推出第二代VLA全新版本模型，并首次将X-Foresight预测世界模型应用于量产车辆。该模型能够预判未来6秒内的交通场景变化，推演周边交通参与者的可能行为，标志着智能驾驶系统从被动响应向主动预判的技术演进。
X-Foresight预测世界模型的核心能力在于对不确定性场景的处理。在真实道路环境中，前车可能突然刹停，行人可能临时改变方向，旁车可能突然加塞，这些动态变化对传统基于规则或简单行为预测的驾驶系统构成显著挑战。小鹏在该模型中引入了Flow Matching技术，通过生成多种可能的未来场景，使系统能够在多解中筛选更优的驾驶策略。模型不仅需要识别过往画面和当前画面信息，还需综合目标物的位置、速度、运动趋势、道路环境等多维数据进行预测推演。
除预测能力外，第二代VLA还引入了Infini-VLA长时序架构。该架构支持模型记忆前30秒的世界状态，使驾驶判断具备更长的上下文理解能力。小鹏汽车表示，几项技术并非独立运作：Infini负责将过去的信息引入当前决策，流式自回归推理处理持续变化的现在，而X-Foresight与Flow Matching则面向未来场景进行推演。三者协同，构建起覆盖过去、现在、未来三个时间维度的完整决策链路。
在架构层面，新版模型采用了MoT混合架构，通过针对不同任务动态分配模型能力，减少城区道路、园区、泊车等不同场景之间的任务干扰。该架构将不同问题交由不同的“专家”模块处理，使模型在不同驾驶任务之间实现更稳定的切换，避免多任务并行时的性能损耗。
推理效率是本次升级的另一重点。道路情况实时变化，模型需要边看边想，如果决策速度跟不上现实变化，预测能力便无法转化为可靠的物理世界智能。第二代VLA通过流式自回归推理，将端到端响应提速300％，实现“边看、边想、边行动”的并行处理模式。这一改进使系统在高动态交通场景下能够更快做出反应，减少决策延迟带来的安全隐患。
从行业视角看，小鹏此次发布的第二代VLA模型反映出智能驾驶技术路线的一个趋势：从单纯依赖感知和规控算法，转向融合世界模型、长时序记忆和混合专家架构的综合智能体。预测世界模型的上车意味着车辆不再只是对当前帧画面做出反应，而是能够基于对物理世界规律的学习，主动推演未来数秒内的交通演变。这一方向与学术界在world model、diffusion policy等方向的研究进展相呼应，也是具身智能技术在自动驾驶场景中的一次落地实践。
值得注意的是，小鹏将此次发布定位为“物理AI”范畴，而非传统意义上的辅助驾驶功能迭代。物理AI强调模型对真实世界物理规律的理解与运用，包括物体运动惯性、交通规则、道路结构等先验知识的融合。X-Foresight对交通参与者行为的推演，正是基于这类物理规律的学习与泛化。随着模型参数量、训练数据和算力投入的持续增长，预测式驾驶决策有望在复杂城市场景中逐步逼近人类驾驶员的预判能力。
此次技术发布并未披露具体车型搭载时间表及算力平台细节。但从技术架构的完整性来看，第二代VLA已覆盖感知、预测、决策、执行的全链路，且引入了针对长时序、多场景、实时推理的专项优化。对于自动驾驶行业而言，如何在保证安全冗余的前提下提升模型的预测深度和响应速度，仍是下一阶段竞争的关键议题。
该文观点仅代表作者本人，企服科学平台仅提供信息存储空间服务。
