Die Grenze zwischen Softwareunternehmen und traditionellen Autoherstellern verschwimmt weiterhin. Auf der CVPR 2026-Konferenz in Denver zeigte das chinesische Unternehmen XPeng, dass es sich eher als Unternehmen für künstliche Intelligenz denn als Standardhersteller von Elektrofahrzeugen versteht. Dr.
Diese enormen Ausgaben belaufen sich auf fast 427 Millionen Euro pro Jahr, ein überraschendes Budget für ein Unternehmen, das im vergangenen Jahr nur rund 200.000 Elektroautos ausgeliefert hat. Allerdings verlässt sich XPengre auf dieses hohe finanzielle Engagement, um seine neue VLA 2.0-Software in die Massenproduktion zu bringen.
Während der Konferenz erläuterte Dr. Liu eine einzigartige Wahl in der Softwarearchitektur von XPeng und erklärte, dass Sprache als Engpass für autonome Fahrsysteme dienen kann. Das System der ersten Generation übermittelte visuelle Straßendaten über Sprach-Tokens, bevor es eine Fahraktion auswählte. VLA 2.0 entfernt diesen mittleren Schritt vollständig.
XPeng-Ingenieure erkannten, dass ein Elektrofahrzeug jede Sekunde etwa zwei Milliarden visuelle Token von seinen Kameras erfasst, aber nur 10 bis 20 Token benötigt, um das Lenkrad und die Pedale zu steuern. Wenn das System gezwungen wird, die Straße in schriftlichen Worten zu erklären, entstehen unnötige Computerberechnungen und es kommt zu gefährlichen Verzögerungen. Stattdessen behält VLA 2.0 die Sprache nur als Eingabe bei und ermöglicht es dem Fahrer, verbale Befehle zu erteilen, die die Elektroautos leicht interpretieren können.
Dieser neue Ansatz funktioniert bereits in tatsächlichen Verbraucherfahrzeugen. XPeng hat VLA 2.0 erfolgreich von der Forschungsphase in die Massenproduktion überführt. Innerhalb des ersten Monats nach der Einführung des Over-the-Air-Updates erreichte die Software einen Meilenstein, indem sie über 50 % der gesamten Fahrleistung der Benutzer beim assistierten Fahren abwickelte.
Die Architektur unterstützt sowohl die Fahrerassistenz der Stufe 2 als auch den vollständig autonomen Betrieb der Stufe 4. Tatsächlich nutzte XPeng seine neue GX-Plattform, um sein erstes Robotaxi zu bauen, das bereits vom Band läuft. Dieses spezielle Fahrzeug verfügt über eine beeindruckende Onboard-Rechenleistung von 3.000 TOPS, um komplexe Fahrumgebungen ohne menschliches Eingreifen zu bewältigen.
XPeng verlässt sich bei der Steuerung seiner Elektroautos nicht allein auf VLA 2.0. Die Software arbeitet direkt mit dem, was das Unternehmen als „Weltmodell“ bezeichnet. VLA 2.0 lernt das Autofahren, indem es Millionen von Stunden menschlichen Verhaltens kopiert, aber das Weltmodell konzentriert sich auf das Erlernen der tatsächlichen Gesetze der Physik. Es prognostiziert, wie sich die Umgebung verändern wird und wie sich andere Fahrer in naher Zukunft bewegen werden.
Zur Unterstützung dieses Systems entwickelte das Unternehmen drei spezialisierte Unterprogramme: X-World, X-Foresight und X-Cache. X-Cache ist derjenige, der die redundante Computerverarbeitung um etwa 70 % reduziert, ohne dass die Bildqualität darunter leidet, sodass das System 2,7-mal schneller läuft.
Viele EV-Unternehmen sind sich über die besten Sensoranordnungen nicht einig, XPeng wählt jedoch einen Mittelweg. Modelle wie das P7 und das G7 verwenden ein reines Vision-System für das Hauptantriebsgehirn und spiegeln damit die Strategie von Unternehmen wie Tesla wider. Dennoch weigert sich XPeng, herkömmliche Sicherheitssensoren vollständig zu entfernen.
Jedes Elektroauto verfügt immer noch über drei mmWave-Radargeräte und zwölf Ultraschallsensoren. Dr. Liu erklärte, dass diese zusätzlichen Sensoren überhaupt nicht mit dem Haupt-KI-Antriebsgehirn kommunizieren. Stattdessen betreiben sie ein völlig separates Sicherheitssystem für automatische Notbremsung und Lenkung. Dieser Aufbau stellt sicher, dass bei einem Fehler der Vision-KI eine sekundäre physische Schicht die Passagiere schützen kann.
Damit diese Systeme funktionieren, geht XPeng an die Grenzen des KI-„Skalierungsgesetzes“, das besagt, dass Modelle intelligenter werden, je mehr Daten und Rechenleistung ihnen zugeführt werden. Das aktuelle VLA 2.0-System enthält Milliarden von Parametern und trainiert Hunderte Millionen Videoclips, wobei bei jeder Update-Iteration über vier Billionen Token verbraucht werden.
Trotz des enormen Umfangs bewältigte XPeng seine hohen Kosten durch Effizienzsteigerung. In den letzten 12 Monaten verbesserte das Unternehmen seine Effizienz bei der Einzelschulung um 4.360 % und erhöhte die GPU-Hardwareauslastung von 40 % auf 90 %. Dadurch können sie den Wert ihrer Barreserve in Höhe von 47,66 Milliarden RMB (5,55 Milliarden Euro) maximieren.
Der rasante Fortschritt der Software löste innerhalb des Unternehmens eine freundschaftliche Wette mit hohem Risiko aus. Letztes Jahr schloss XPeng-CEO He Xiaopeng mit Dr. Liu eine öffentliche Wette über die Leistung von VLA 2.0 ab: Wenn das System bis zum 30. August 2026 nicht mit der Full Self-Driving-Software von Tesla mithalten kann, muss Dr. Liu nackt über die Golden Gate Bridge in Kalifornien rennen.
Zum Glück für den Ingenieur zeigte er sich vollkommen zuversichtlich, dass seine Kleidung anbehalten würde. Dr. Liu erklärte, dass interne Tests in chaotischen Städten wie Peking bewiesen hätten, dass VLA 2.0 aufgrund der komplexen Fahrdaten auf chinesischen Straßen bereits mit älteren Tesla-Systemen mithalten könne und mit neueren Versionen mithalten oder diese sogar übertreffen könne.
XPeng betrachtet seine Elektroautos als physische Hardware, die dazu dient, seine technischen Fähigkeiten zu demonstrieren und Daten für seine fortschrittliche VLA-Software zu sammeln. Diese Perspektive erklärt, warum das Unternehmen Anfang des Jahres die VLA 2.0-Architektur an Volkswagen lizenziert hat – VW wird sie in Fahrzeugen einsetzen, die 2027 auf den Markt kommen.
Das Unternehmen plant, diese künstliche Intelligenz über die Automobilindustrie hinaus auszuweiten und bereitet seinen humanoiden Roboter „IRON“ bis Ende 2026 auf die Massenproduktion vor. Ab dem ersten Quartal 2027 sollen diese Roboter als Einkaufsassistenten in seinen Einzelhandelsgeschäften eingesetzt werden und so das Unternehmen von einem traditionellen Autohersteller in ein physisches KI-Unternehmen verwandeln.
