XPENG var i juni 2026 inviteret til CVPR for tredje gang. Dr. Xianming Liu, chef for selskabets center for generel intelligens, holdt oplæg på den første workshop om udrulning af grundmodeller til embodied AI, sammen med Tesla, Nvidia og Waymo og forskere fra University of California og University of Toronto. Oplægget hed Building the World Model for Autonomous Driving, og en XPENG-artikel om generering af kørselsscener blev antaget til konferencen.
Arbejdsdelingen
XPENG beskriver det sådan: VLA 2.0 lærer af, hvordan mennesker kører, mens verdensmodellen lærer fysikkens love ved at forudsige, hvad der sker som det næste. VLA 2.0 lærer modellen, hvordan den skal handle, og verdensmodellen giver den forståelse af, hvordan omgivelserne udvikler sig efter hver handling.
Verdensmodellens tre evner hedder ræsonnement, styret generering og forudsigelse over lange forløb. XPENGs forskere har offentliggjort tre arbejder: X-World, som laver fysisk plausibel fremtidig video ud fra bestemte bevægelsesinput og bruges i lukket simulering og til at generere træningsdata; X-Foresight, som er bygget ind i VLA 2.0 og forudsiger både fremtidige billeder fra flere vinkler og bilens egne handlinger; og X-Cache, som ifølge XPENG skærer omkring 70 procent af den overflødige beregning væk og gør motoren op til cirka 2,7 gange hurtigere. En fjerde, X-Mind, er varslet, men ikke udgivet.
Træningsdata og modelydelse
VLA 2.0 er i formel masseproduktion, og XPENG opgiver uden at afgrænse flåde, marked eller målemetode, at systemet i sin første måned efter OTA-udrulningen stod for over 50 procent af de kilometer, der blev kørt med assistentsystemet slået til. Tallet kalder selskabet et nyt pejlemærke for den kinesiske branche.
Modellen har milliarder af parametre, er trænet på hundredvis af millioner videoklip og bruger over fire billioner tokens pr. modeliteration. Uden at oplyse de absolutte udgangspunkter angiver XPENG, at træningseffektiviteten i de tolv måneder frem til marts 2026 steg 1.010 procent pr. GPU og 4.360 procent for et enkelt job, mens udnyttelsen af hardwaren gik fra 40 til 90 procent.
Robotaxien, bygget på GX-platformen, er rullet af båndet med 3.000 TOPS om bord.
Datoen for robotten
IRON skal ifølge meddelelsen ind i den fase, hvor hardware og software sættes sammen, med formel masseproduktion ved udgangen af 2026. Robotterne skal derefter begynde at arbejde som indkøbsvejledere i XPENGs egne butikker fra første kvartal 2027.
Meddelelsen angiver ingen tidsplan for VLA 2.0, robotaxien eller IRON i Europa. Det gjorde udmeldingen om Master Agent og Turing AI i august heller ikke.
Billeder: XPENG
Kilder
XPENG: verdensmodellen præsenteret på CVPR i Denver · 3. juni 2026