400-886-5570
何小鹏：未来10年 汽车与机器人将会逐步融合
2026-08-25 15:52:10
快科技8月25日消息，何小鹏在社交平台放出消息，小鹏第二代VLA智驾模型迎来重大升级，这套新模型会最先装配在小鹏G9L车型上面。
今年3月份，第二代 VLA 最初版本就已经推送给车主正式使用。上线第一个月，车主使用智驾行驶的里程就占到总行驶里程的50%以上，不少用户日常开车已经习惯打开智驾功能。
这次更新不是小修小补，而是直接改动底层架构。
何小鹏表示，目标不只是做一个性能更强的自动驾驶模型，而是打造一套“模型机器”，依靠模型、算力、数据、硬件本体一起，持续产出下一代物理AI能力。
这套新模型新增TIME能力，从过去的空间建模升级到时空建模。车子不光能看清当下道路状况，还可以记住之前的路况，同时推演未来多种行驶可能性。
相当于让AI开始理解时间维度，预判路上接下来会发生什么。8月27日官方会正式对外演示这套新能力。
按照小鹏的规划，这套基座模型不会只局限在车上。相同的AI底座，后续还可以迁移到人形机器人、Robotaxi、飞行汽车等硬件载体。
何小鹏提出自己的判断，未来10年，汽车和机器人会慢慢走向融合。汽车不再只是单纯的交通工具，会变成可以持续学习成长的智能体。
机器人、Robotaxi的部分能力，之后也会慢慢下放、融入到汽车里面。当然这个过程不会一蹴而就，需要一步步慢慢落地。
【本文结束】如需转载请务必注明出处：快科技
责任编辑：随心
-
AGV调度系统数据瓶颈：没有更多数据时的优化策略AGV调度系统数据瓶颈：没有更多数据时的优化策略很多人以为，AGV调度系统的性能提升完全依赖于数据量的持续增加，其实不然。在工业场景中，数据获取成本与调度效率之间存在显著的边际递减效应。当系统已捕获足够覆盖95%以上场景的基础数据后，单纯增加数据量对调度精度的提升不足3%，反而会引发存储冗余与计算延迟问题。底层逻辑是：AGV调度本质是有限状态空间内的路径优化问题。以某汽车总装车间为例，其AGV网络查看详情
-
AGV机器人调度系统：数据瓶颈背后的底层逻辑数据孤岛与调度效率的悖论很多人以为，AGV机器人调度系统的性能瓶颈源于算力不足或算法复杂度，其实不然。在真实工业场景中，90%的调度延迟问题源于数据孤岛与协议异构性。当多品牌AGV混编运行时，不同厂商的通信协议、定位精度、传感器采样频率差异，会导致调度系统陷入「数据解析-转换-同步」的死循环，最终表现为路径规划失效或任务队列堆积。案例：上海临港某汽车总装车间的赛制级推演2023年Q2，某头部车企在查看详情
全国统一热线
400-886-5570
苏州市苏州工业园区金鸡湖街道苏虹中路503号
