TIME | 第二代 VLA 大模型开始拥有“时间感”

行业新闻

TIME | 第二代 VLA 大模型开始拥有“时间感”

2026年09月01日

第二代 VLA 通过模型扩容和架构升级，开始连接过去、现在与未来：记住更长的道路信息，实时理解环境变化，并推演接下来可能发生什么。

同一套物理 AI 能力也开始进入整车智能、覆盖更多车型，并向机器人等更多本体延展。

技术突破：AI 开始连接过去、现在与未来

从模型突破到体系进化，Physical AI 进入真实世界。物理 AI 最终要解决的是：理解世界，并在世界中行动。模型范式奠定方向，模型规模拔高能力上限；数据提供理解真实世界的经验；云端与端侧算力分别支撑训练和实时运行；本体让 AI 进入真实世界持续验证。

本次最大的变化，是模型开始理解“时间”。一张图片只能告诉模型“这里有个人”，却无法完整说明他从哪里来、准备往哪里去。第二代 VLA 不再只看眼前画面，而是让连续发生的信息共同参与判断。看见世界只需要一瞬间，理解世界需要时间。

连接过去、理解现在、推演未来

Infini-VLA： 让过去的有效信息持续参与当前判断
· Streaming Inference（流式自回归推理）：持续接收新信息并实时更新决策
· X-Foresight＋Flow Matching：推演未来多种可能，生成更自然的驾驶轨迹
· MoT 混合架构：让不同场景调用不同专家，同时保留跨场景视觉信息

这些能力共同帮助模型理解一个连续变化的物理世界。

产品落地：从模型能力走向完整任务

模型更大、记得更久、响应更快、想得更远
端侧模型参数量提升 3.5 倍，支持最长 30 秒有效时序，并可推演未来 6 秒内的多种可能变化。车辆能够结合红绿灯变化、交通参与者运动趋势和道路环境，更早作出判断、更快完成响应。最终感受到的是：面对遮挡、突然横穿、加塞和复杂路口，车辆动作更早、决策更连贯、乘坐更平稳。

VLA+VLM 融合，Master Agent 上车
基于自研 Omni 多模态基座的 Master Agent，能够理解复杂意图、拆解任务，并调度智驾、底盘、座舱和车身控制等垂直 Agent 协同执行。当用户说“找个地方停一下”，车辆不只是识别一句语音，而是理解需求、判断环境、规划任务并完成停车，实现自然语言从意图直接走向 Action。真正的整车智能，不只是听懂指令，而是把事情完整办成。

一个基座，让能力向上突破、向下覆盖、向外延展
向上，同源技术在 Robotaxi 中验证更高阶自动驾驶能力，目前已完成超过 2000 单内测，并取得主驾无人道路测试资质；向下，通过同源蒸馏让 VLA 2.0 Lite 进入算力更低的平台，覆盖更多车型和用户。基座越强，能力上限越高，蒸馏后的能力起点也越高。

能力延展：从汽车走向更广阔的物理世界

一版模型决定一次体验，一套 Infra 决定长期进化
第二代 VLA 的升级并非一次孤立突破，背后是一套覆盖数据、训练、仿真、评估、部署和优化的 AI Infra。真实车队不断提供新问题，数据引擎发现高价值与长尾样本，训练系统推动模型迭代，仿真平台则大规模验证模型行为。单次训练数据吞吐量较半年前增长 10 倍，让更多真实世界问题更快进入训练与验证闭环。真正的护城河，不是这一版模型，而是持续训练出下一版模型的能力。

从汽车到机器人，物理 AI 飞轮开始产生复利
模型能力提升，带来更好的产品体验；更多量产产品进入真实世界，又产生新的数据和问题；数据经过训练、仿真和验证，再推动下一代模型进化。随着这套闭环不断运转，能力将不再局限于单一版本、单一车型或单一本体，而是持续向汽车、Robotaxi、机器人及更多智能产品延展。真正产生复利的，不是某一版模型，而是让每个本体都成为下一轮进化的起点。