物理 AI 要解决的问题，是理解一个持续变化的世界，并在其中行动。对智能汽车来说，这意味着模型既要看懂眼前的道路，也要记住刚刚发生了什么，判断接下来可能发生什么，再及时做出行动。
第二代 VLA 的这次升级，围绕这一核心目标展开：把时间纳入模型，在有限车端算力下扩大能力边界，再通过架构优化与蒸馏，让这些能力进入更多车型。XOS 6.3.0 是这套模型能力的一次集中落地，也是小鹏长期建设物理 AI 技术体系的阶段性成果。
一、从物理世界的约束出发，升级底层架构
从 2024 年开始，我们持续推进同一条核心技术路线：通过底层架构创新，提高模型理解世界、作出决策和执行行动的能力。随着模型进入更多真实场景，一些问题越来越清楚：缺少历史信息，模型就难以理解变化；缺少未来预测，决策就容易滞后；无法表达多种可能，复杂场景中的选择就会受限。这些问题，需要从模型本身寻找解法。
物理 AI 又有明确的边界。车端芯片的算力、内存和功耗有限，推理必须满足时延要求，系统还要遵循安全与法规约束。更大的模型、更长的上下文和更丰富的预测，最终都要在这些条件下运行。
因此，我们把模型架构、芯片、编译器和部署方式放在一起设计：哪些信息值得保留，哪些计算可以复用，模型容量应该分配给哪些能力。物理 AI 的架构设计，要回答的是如何让有限的计算资源产生更强、可部署的智能。
一张图片可以告诉模型“这里有个人”，却很难完整说明这个人从哪里来、正在向哪里走。驾驶所需的大量信息，存在于连续变化之中。XOS 6.3.0 的关键升级，就是让过去、现在和未来共同参与判断。
InfiniVLA：让历史信息持续参与判断
长时序的价值，是保留对当前决策有用的上下文。例如，理解一次尚未完成的转向，或判断一个短暂被遮挡的交通参与者，往往需要回看此前的变化。
InfiniVLA 让历史视觉信息持续参与当前判断，处理更长的物理世界上下文。在本次车端部署中，我们选择 30 秒历史上下文，在有效记忆与计算开销之间作出取舍。配合流式自回归推理，模型持续接收观察、进行推理并输出行动，让信息处理跟上场景变化，也让连续动作获得更充分的上下文支撑。
同时，考虑到算力的限制，InfiniVLA 创新性的引入了缓存机制，能在不大幅增加算力消耗的情况下，实现几乎无限时序的记忆能力。这些技术上的底层创新为我们提高智能驾驶的上限提供了源动力。
Infini-VLA让过去发生的信息能够持续参与当前判断，处理物理世界更长的“上下文”
X-Foresight：把未来变化纳入当前决策
时间维度的引入，不仅需要我们能理解过去，也需要向前看，来预测世界即将要发生的变化，从而更有效更安全的应对。X-Foresight 世界模型根据车辆位置、速度和环境等信息的变化，对未来场景进行预测，使当前决策能够参考接下来可能发生的变化。好的物理 AI 系统一定是能通过对于未来的预判来规避陷入长尾场景的能力。
预测范围同样需要服务于实际任务。车端方案选择 6 秒未来预测，把资源集中在与当前驾驶决策密切相关的时间范围内。我们希望模型能更早理解变化趋势，为后续行动留出空间。
我们在今年 6 月的 CVPR 上向学术界介绍了我们的世界模型 X-Foresight，也在这一次的 OTA 中完成了落地量产。
真实道路经常允许多种合理选择：同一个场景下，可以减速等待，也可能存在合适的绕行路径。这些选择对应不同的轨迹分布。把它们压成一个“平均答案”，可能无法表达任何一种完整、合理的动作。
Flow Matching Head 以融合视觉、导航和车辆状态的长时序驾驶表征为条件，通过学习的向量场，将噪声转化为动作轨迹。这种生成方式能够拟合多峰分布，表达不同的驾驶意图与轨迹选择。训练阶段再结合安全、效率、舒适和合规等反馈，通过强化学习优化策略，让多种可能的表达能力服务于最终的驾驶行动。
MoT：在有限算力下，扩展模型容量
当模型需要同时处理更长历史、更多模态和更复杂场景时，对模型容量和计算效率的要求也随之提高。MoT（Mixture of Transformers）通过专家分工，让不同场景由相应的专家承载。视觉与文本信息共同指导场景切换，按当前场景选择专家；同时复用视觉信息、保持长时记忆连续，让模型切换任务时仍能保留重要上下文。
我们扩大模型规模，是为了容纳更复杂的关系，支持更多场景与更强的泛化。参数量必须与架构、数据和算力利用效率共同发挥作用，才能转化为真实的能力增量。这也是我们持续推进跨区域泛化、面向更广阔市场验证模型的基础。
MoT(Mixture of Transformers) 让不同模态、场景分配独立Experts，降低模式混淆；同时通过视觉跨场景复用，重要的长时视觉信息不会因为场景切换就全部丢失
这几项技术共同建立了模型的时间能力：InfiniVLA 保留过去，流式推理跟进现在，X-Foresight 预测未来，Flow Matching 表达多种行动可能，MoT 为这些能力提供更有效的容量与分工。
我们也看到了加强了模型对于时间的理解，以及容量之后，产生了更加安全和效率的驾驶行为。
蒸馏的目标是什么？关于蒸馏，我们有过很多的考量。一方面，我们不希望蒸馏成为一种对模型进行缩小甚至砍半、剪枝的部署工具，来适配更低算力的芯片；另外，我们又希望能尽可能的保留 VLA 2.0 模型的原始能力和风格。一个更强的基座模型，也应该让更多车型受益。这看似不可能的矛盾问题，只能通过底层的架构升级和技术突破来解决，而不是简单粗暴的一刀切。
要把它部署到算力更有限的平台上，有几个关键的技术问题需要解决：
首先，蒸馏的关键在于学生模型能否承接教师模型的能力，以及这些能力能否在目标芯片上高效运行。我们的做法从学生模型的架构开始。围绕 Max 车型的计算瓶颈，重新分配模型中的计算资源。针对计算量最重的 ViT 部分进行了彻底重构，以 HybridViT、TuringViT 等视觉架构工作为基础，使用“学习式压缩”来降低有效计算量，结合编译器与部署优化，提高硬件利用效率，尽可能保留模型“大脑”容量，从而实现有效的算力-能力的平衡。这样，学生模型在接受蒸馏之前，就具备更高的能力起点。
蒸馏还依赖两个关键条件。一个是足够强的教师模型，它提供更丰富的学习信号；另一个是合适的数据分布，它决定学生模型在哪些问题上学习、能否覆盖目标使用场景。依托数据基础设施，我们组织高质量、分布合理的训练样本，把教师能力、学生容量与训练重点结合起来。
Max 蒸馏由四项工作共同支撑：针对芯片重做架构、持续增强教师模型、提高学生模型的基础能力，以及优化训练数据的质量与分布。
Ultra 和 Max 也有不同的能力侧重。Ultra 以向 L4 能力演进为长期研发目标，持续拓展场景覆盖、长尾问题处理和跨区域泛化能力。Max 聚焦通勤与日常使用，在数据选择和训练中，把有限资源优先投入这些高频场景。两者共享技术积累，也需要按照各自的计算条件和产品目标作出取舍。
单图灵平台上的 Max 蒸馏是这一思路的落地，双 Orin X 平台的蒸馏版本也在推进中。针对双 Orin 的蒸馏，因为涉及到跨平台 / 跨模型架构的蒸馏，技术的挑战更大，需要对底层甚至是算子层面做更彻底的优化。最近我们也取得了突破性的进展，开始内部的测试工作。
我们会持续把模型与部署环节的进展带到更多硬件平台。同时，无论是单图灵还是双 Orin，蒸馏版 VLA Lite 都会随着基座模型的能力升级而持续优化。
模型升级背后，是一套让数据进入训练、让模型得到验证、再将能力部署到产品中的基础设施。XOS 6.3.0 的迭代，建立在这套体系的长期积累之上。
芯片与模型联合优化，让能力真正落到车端。芯片决定计算条件，模型决定如何使用这些条件，编译器与部署链路则影响最终的运行效率。把这些环节协同设计，才能让架构创新转化为实际可用的模型容量、响应速度和产品体验。
数据基础设施，让模型学到需要的经验。我们用“数量 × 质量 × 分布”概括数据工作的重点：规模提供覆盖基础，质量影响学习效果，分布决定哪些场景被充分学习。统一存储、多模态检索与规模化挖掘，让我们能够从海量数据中找到有价值的样本，持续补齐常见场景与长尾问题的覆盖。
闭环仿真，让验证速度跟上模型迭代。真实世界的反馈昂贵，一些低频场景难以反复获得。仿真把场景转化为可重复验证的条件，并通过车型、天气等变化检验模型表现。我们同时建设仿真的真实性、运行效率与评价体系，让仿真与实车验证共同为模型改进提供反馈，连接数据、训练、验证和部署。
这套体系也在向汽车之外延伸。我们同时探索了同一套模型控制汽车与机器人，并且成功将这一套物理 AI 的底层体系迁移到小鹏集团的机器人身上，实现了底层的高度复用。
不同本体有不同的动作空间和约束，但都需要完成“交互、理解、决策、执行”，也都依赖数据、模型、仿真与部署能力。已有能力能否迁移、哪些环节需要适配，可以在这套基础设施中持续验证。
这就是我们建设物理 AI 公司的技术路径：从智能汽车出发，建立可复用、可验证、可持续迭代的底层能力，再让它支撑更多产品。XOS 6.3.0 是这条路径上的一次具体实践。我们持续投入的，是让模型面对新的场景与任务时，仍能学习、验证和改进的能力。我们也期待着在不远的将来，让我们的底层物理 AI 体系能在小鹏的全系列产品线上为我们的用户提供更加可靠、安全、实用的体验。
关于小鹏集团
小鹏集团是全球领先的物理AI公司，致力于将人工智能带入物理世界，重新定义未来出行与智能生活。公司构建了全栈自研的物理AI技术体系，覆盖图灵AI芯片、物理世界基座模型以及高度整合的软硬件应用。基于统一的技术底座，小鹏集团打造了智能电动汽车、Robotaxi、人形机器人等产品，推动物理AI的规模化落地。小鹏集团总部位于中国广州，并在纽约证券交易所和香港联合交易所双重主要上市。公司拥有国际化的研发、制造、销售和服务体系，通过持续的技术创新与开放的物理AI生态，为全球用户带来更智能、更安全、更美好的生活方式。更多详情，请访问小鹏集团官网https://www.xpeng.com/。
