Grensen mellom programvareselskaper og tradisjonelle bilprodusenter fortsetter å viskes ut. På CVPR 2026-konferansen i Denver viste det kinesiske selskapet XPeng at det ser på seg selv mer som et kunstig intelligensselskap enn en standardprodusent av elbiler. Dr. Xianming Liu, leder av XPengs General Intelligence Center, avslørte at merket bruker omtrent 300 millioner RMB, som tilsvarer rundt €35 millioner, hver måned utelukkende på å trene AI-modeller.
Disse enorme utgiftene utgjør nesten 427 millioner euro per år, et overraskende budsjett for et selskap som bare leverte rundt 200 000 elbiler i fjor. XPengre er imidlertid avhengig av denne tunge økonomiske forpliktelsen for å presse den nye VLA 2.0-programvaren til masseproduksjon.
Under konferansen forklarte Dr. Liu et unikt valg i XPengs programvarearkitektur, og sa at språk kan fungere som en flaskehals for autonome kjøresystemer. Førstegenerasjonssystemet sendte visuelle veidata gjennom språkbrikker før de valgte en kjørehandling; VLA 2.0 fjerner dette mellomtrinnet helt.
XPeng-ingeniører innså at en EV fanger opp omtrent to milliarder visuelle tokens hvert sekund fra kameraene, men trenger bare 10 til 20 tokens for å kontrollere rattet og pedalene. Å tvinge systemet til å forklare veien med skriftlige ord skaper unødvendige databeregninger og legger til farlige forsinkelser. I stedet beholder VLA 2.0 språket kun som input, slik at sjåførene kan gi verbale kommandoer som elbilene enkelt kan tolke.
Denne nye tilnærmingen fungerer allerede i faktiske forbrukerkjøretøyer. XPeng flyttet VLA 2.0 fra forskningsfasen til full masseproduksjon. I løpet av den første måneden etter utrullingen av den trådløse oppdateringen, oppnådde programvaren en milepæl ved å håndtere over 50 % av den totale kjørelengden blant brukere.
Arkitekturen støtter både nivå 2 førerassistanse og nivå 4 helt autonome operasjoner. Faktisk brukte XPeng sin nye GX-plattform til å bygge sin første Robotaxi, som allerede ruller av produksjonslinjen. Dette dedikerte kjøretøyet har en imponerende datakraft ombord på 3000 TOPS for å håndtere komplekse kjøremiljøer uten menneskelig innblanding.
XPeng er ikke avhengig av VLA 2.0 alene for å styre sine elbiler. Programvaren fungerer direkte med det selskapet kaller en «verdensmodell». VLA 2.0 lærer å kjøre bil ved å kopiere millioner av timer med menneskelig atferd, men verdensmodellen fokuserer på å lære fysikkens faktiske lover. Den forutsier hvordan miljøet rundt vil endre seg og hvordan andre sjåfører vil bevege seg i nær fremtid.
For å støtte dette systemet utviklet selskapet tre spesialiserte underprogrammer: X-World, X-Foresight og X-Cache. X-Cache er den som reduserer redundant databehandling med omtrent 70 % med nesten ingen tap i bildekvalitet, noe som lar systemet kjøre 2,7 ganger raskere.
Mange EV-selskaper er uenige om de beste sensoroppsettene, men XPeng velger en mellomting. Modeller som theP7andG7 bruker et visjonssystem for den viktigste drivende hjernen, og gjenspeiler strategien som brukes av selskaper som Tesla. Og likevel nekter XPeng å fjerne tradisjonelle sikkerhetssensorer fullstendig.
Hver elbil har fortsatt tre mmWave-radarer og 12 ultralydsensorer. Dr. Liu forklarte at disse ekstra sensorene ikke snakker med den viktigste AI-drivende hjernen i det hele tatt. I stedet betjener de et helt eget sikkerhetssystem for automatisk nødbremsing og styring. Dette oppsettet sikrer at hvis vision AI gjør en feil, kan et sekundært fysisk lag beskytte passasjerene.
For å få disse systemene til å fungere, presser XPeng grensene for AI «Scaling Law», som sier at modellene blir smartere når du mater dem med mer data og datakraft. Det nåværende VLA 2.0-systemet inneholder milliarder av parametere og trener på hundrevis av millioner videoklipp, og forbruker over fire billioner tokens under hver oppdateringsiterasjon.
Til tross for den enorme skalaen, klarte XPeng sine høye kostnader ved å øke effektiviteten. I løpet av de siste 12 månedene har selskapet forbedret sin enkeltjobb-treningseffektivitet med 4360 % og økt GPU-maskinvareutnyttelsen fra 40 % til 90 %. Dette tillater dem å maksimere verdien av deres kontantreserve på 47,66 milliarder RMB (5,55 milliarder euro).
Den raske utviklingen av programvaren utløste en høyinnsats vennlig innsats i selskapet. I fjor inngikk XPeng-sjef He Xiaopeng et offentlig veddemål med Dr. Liu om ytelsen til VLA 2.0: hvis systemet ikke klarer å matche Teslas Full Self-Driving-programvare innen 30. august 2026, må Dr. Liu løpe naken over Golden Gate Bridge i California.
Heldigvis for ingeniøren uttrykte han full tillit til at klærne hans ville forbli på. Dr. Liu uttalte at interntesting i kaotiske byer som Beijing beviste at VLA 2.0 allerede nådde paritet med eldre Tesla-systemer og matcher eller overgår nyere versjoner på grunn av de komplekse kjøredataene som finnes på kinesiske veier.
XPeng ser på sine elektriske biler som fysisk maskinvare bygget for å vise frem sin tekniske dyktighet og samle inn data for sin avanserte VLA-programvare. Dette perspektivet forklarer hvorfor selskapet lisensierte VLA 2.0-arkitekturen til Volkswagen tidligere i år - VW vil bruke den i kjøretøy som lanseres i 2027.
Selskapet planlegger å utvide denne kunstige intelligensen utover bilindustrien og forbereder sin "IRON" humanoide robot for masseproduksjon innen utgangen av 2026. Intensjonen er å distribuere disse robotene som shoppingassistenter i butikkene sine med start i første kvartal 2027, og transformere virksomheten fra en tradisjonell bilprodusent til en fysisk AI-bedrift.
