财报,幼鹏智驾一把手AI顶会演讲：VLA和世界模型不合立，基座模型能力通往L4
车器材6月4日新闻，就在今天，被誉为“学术界奥斯卡”的全球推算机视觉顶级会议CVPR 2026在美国丹佛开幕，幼鹏集团通用智能中心掌管人刘先明初次展示幼鹏世界模型技术图谱。 世界模型与第二代VLA不是相互代替或相互竞争的关系，而是通过分歧训练信号共同提升模型对物理世界的理解能力和在物理世界的行动能力。 在幼鹏的基座模型架构中，第二代VLA重要从人类驾驶行为中进建，将视频流、指令与作为输出进行统一建模，把握在复杂交通环境中合理行动的能力。 世界模型则通过对未来状态和场景演化的预测，进建物理世界的运行法规，并支持可控天生、长时序推演和因果推理。前者让模型进建“若何行动”，后者让模型理解“行动之后世界会若何变动”。 刘先明还强调了他此前的判断，只有能做基座模型的公司，才有可能真的做到L4，自动驾驶只是幼鹏基座模型落地的第一步，未来，基�；菇玫交等恕⒎尚衅档雀嗑呱碓靥�。 作为AI领域最有影响力的顶会，CVPR从来都是AI钻研的风向标，今年大会初次开设“具身智能基座模型部署钻研会”，约请特斯拉AI 软件副总裁Ashok Elluswamy、幼鹏集团通用智能中心掌管人刘先明等分享各自团队的钻研成就。 “走VLA路线还是世界模型路线？”对于这个争论不休的技术议题，刘先明在CVPR现场做出了回覆：幼鹏物理世界基座模型，是第二代VLA，也是世界模型，性质上都是在训练足够壮大的物理世界基座模型。 人类作为蕴含丰硕的高层语义，隐性地编码了感知、推理、意图、风险判断、社交互动以及对物理世界的理解；只是这类监督信号在功夫上相对稀少。它通常只能监督最终的行为了局，而难以覆盖促成这一行为过程中每一次潜在的物理状态转移。 世界模型则是从世界自身中进建的。它不只是预测下一步作为，还能够预测未来状态、未来观测，或者潜在空间中的未来表征。 世界模型借鉴了大说话模型钟装下一个Token预测”的范式，通过在海量未标凝视频上进行下一帧或下一状态的密集预测，逐步学会物理世界的动力学与因果结构。 通过这种融合架构，幼鹏成功将稀少的人类意图与密集的物理预测相结合，使得模型不仅在进建“人类驾驶员会怎么做”，更在深度理解“物理世界接下来会产生什么”。 这种双沉指标的并行演进，确保了系统在复杂环境下的可控性与安全性，也为自动驾驶系统赋予了更深档次的物理感知与逻辑推理能力。 刘先明以为，一个优良的世界模型必须具备三大能力：自动思虑、可控天生和长时序推演，这是智能的体现，也是世界模型能在自动驾驶领域利用的前提前提。 事实上，幼鹏研发团队近期颁发了一系列与世界模型有关的学术论文，萦绕这几个主题能力拆解幼鹏世界模型的钻研步骤。 《X-World: Controllable Ego-Centric Multi-Camera World Models for Scalable End-to-End Driving 》介绍了X-World，基于视坡珐散天生技术构建的可控多视角天生式世界模型，能在给定作为前提下天生切合物理约束的未来视频，同时在持续天生过程中维持优良的可控性与不变性。X-World现已投入到关环仿真测试、在线强化进建、数据天生等研发环节。 《X-Foresight: A Joint Vision-Action Causal Forecasting Network via Predictive World Modeling》介绍了X-Foresight，一套基于预测式世界模型的视觉-作为因果预测网络，X-Foresight在架构上与VLA融为一体，在统一的token空间内结合预测未来的多视角画面与自车作为，为VLA的控车决策提供了主题支持。X-Foresight的预测式决策逻辑，倒逼模型“理解世界”，把握车辆、行人活动法规与场景因果链条。 此表，幼鹏研发团队还在《X-Cache: Cross-Chunk Block Caching for Few-Step Autoregressive World Models Inference》中提出了“世界模型加快器”X-Cache，一个面向少步自回归世界模型的跨段块级缓存，能在根基不就义画质的前提下，削减约七成的沉复推算，对世界模型的去噪主干实现最高约2.7倍的推理加快。 刘先明泄漏，近期还将颁发名为“X-mind”的论文，解析模型若何“自动思虑”，并可视化地出现驾驶决策背后的中央推理过程�？哨故托远杂谧远菔坏娜砑艿魇浴⒂没爬党闪⒁约澳Ｐ图本绲贾凉爻烈�。 去年CVPR，刘先明的演讲标题是《通过大规�；∧Ｐ褪迪肿远菔坏墓婺；�，他明确暗示，幼鹏研发团队验证了规模法令（Scaling Law）在自动驾驶VLA模型上的持续生效。 幼鹏是国内最早建成万卡以上规模智算集群的企业，在截至今年3月的一年间，幼鹏集群的单GPU训练效能提升了1010%、单工作训练效能提升了4360%，GPU硬件利用率从40%提升到了90%，达到头部AI公司的尺度。 另一方面，幼鹏通过对芯片、编译器、模型的软硬件结合开发，幼鹏大幅提升了车端芯片有效算力，将车端模型推理速度提升了12倍。 刘先明展示了三组芯片&模型组合的对比数据：使用开源模型和通用芯片，推算利用率为22.8%、推理时延800毫秒；使用开源模型和幼鹏自研的图灵芯片，模型推算利用率为35.1%、推理时延300毫秒；使用自研的第二代VLA模型和自研图灵芯片后，推算利用率大幅提升到82.5%、时延压缩至80毫秒。 据悉，自动驾驶只是幼鹏基座模型落地的第一步，未来，基�；菇玫交等恕⒎尚衅档雀嗑呱碓靥�。幼鹏人形机械人IRON面向量产版本的软硬件研发进展顺利，即将进入软硬件合围阶段。 刘先明不止一次暗示，只有能做基座模型的公司，才有可能真的做到L4，并进一步赋能机械人、飞行汽车等多种具身载体。而基座模型，自身就必要软-硬、端-云、AI研发-先进造作等全栈技术的托举。 在CVPR 2026上，幼鹏初次齐全出现了物理世界基座模型的技术图谱：第二代VLA让模型学会“像人一样行动”，世界模型则让它理解“行动之后世界会怎么变动”。 幼鹏将二者能力融合，不只是带来自动驾驶算法的进化，更创造了一套可供机械人、飞行汽车等肆意具身载体复用的通用智能范式，打造了一个能够持续进建、推理和进化的“大脑”，为物理AI 时期的到来铺下基石。
京公网安备11010202000001号
trap
-->