Gränsen mellan mjukvaruföretag och traditionella biltillverkare fortsätter att suddas ut. På CVPR 2026-konferensen i Denver visade det kinesiska företaget XPeng att det ser sig själv mer som ett företag med artificiell intelligens än en standardtillverkare av elbilar. Dr. Xianming Liu, chef för XPengs General Intelligence Center, avslöjade att varumärket spenderar ungefär 300 miljoner RMB, vilket motsvarar cirka 35 miljoner euro, varje månad enbart på att träna AI-modeller.
Dessa enorma utgifter uppgår till nästan 427 miljoner euro per år, en överraskande budget för ett företag som bara levererade omkring 200 000 elbilar förra året. XPengre förlitar sig dock på detta tunga ekonomiska åtagande att driva sin nya VLA 2.0-programvara till massproduktion.
Under konferensen förklarade Dr. Liu ett unikt val i XPengs mjukvaruarkitektur, där språket kan fungera som en flaskhals för autonoma körsystem. Den första generationens system skickade visuell vägdata genom språksymboler innan det valde en köråtgärd; VLA 2.0 tar bort detta mellansteg helt.
XPeng-ingenjörer insåg att en EV fångar ungefär två miljarder visuella symboler varje sekund från sina kameror, men behöver bara 10 till 20 tokens för att styra ratten och pedalerna. Att tvinga systemet att förklara vägen i skrivna ord skapar onödiga datorberäkningar och lägger till farliga förseningar. Istället behåller VLA 2.0 språket endast som indata, vilket gör att förare kan ge verbala kommandon som elbilarna enkelt kan tolka.
Denna nya metod fungerar redan i faktiska konsumentfordon. XPeng flyttade framgångsrikt VLA 2.0 från forskningsfasen till full massproduktion. Inom den första månaden efter lanseringen av den trådlösa uppdateringen nådde programvaran en milstolpe genom att hantera över 50 % av den totala körsträckan bland användare.
Arkitekturen stöder både nivå 2 förarassistans och nivå 4 helt autonoma operationer. Faktum är att XPeng använde sin nya GX-plattform för att bygga sin första Robotaxi, som redan rullar av produktionslinjen. Detta dedikerade fordon har en imponerande inbyggd datorkraft på 3 000 TOPS för att hantera komplexa körmiljöer utan mänsklig inblandning.
XPeng förlitar sig inte enbart på VLA 2.0 för att styra sina elbilar. Mjukvaran fungerar direkt med vad företaget kallar en "världsmodell". VLA 2.0 lär sig att köra genom att kopiera miljontals timmar av mänskligt beteende, men världsmodellen fokuserar på att lära sig fysikens verkliga lagar. Den förutspår hur den omgivande miljön kommer att förändras och hur andra förare kommer att röra sig inom en snar framtid.
För att stödja detta system utvecklade företaget tre specialiserade underprogram: X-World, X-Foresight och X-Cache. X-Cache är den som minskar redundant datorbearbetning med ungefär 70 % med nästan ingen förlust i bildkvalitet, vilket gör att systemet kan köras 2,7 gånger snabbare.
Många elbilsföretag är oense om de bästa sensorlayouterna, men XPeng väljer en medelväg. Modeller som theP7andG7 använder ett vision-only system för den huvudsakliga drivande hjärnan, vilket speglar strategin som används av företag som Tesla. Och ändå vägrar XPeng att ta bort traditionella säkerhetssensorer helt.
Varje elbil har fortfarande tre mmWave-radarer och 12 ultraljudssensorer. Dr Liu förklarade att dessa extra sensorer inte alls talar med den huvudsakliga AI-drivande hjärnan. Istället driver de ett helt separat säkerhetssystem för automatisk nödbromsning och styrning. Denna inställning säkerställer att om vision AI gör ett misstag, kan ett sekundärt fysiskt lager skydda passagerarna.
För att få dessa system att fungera tänjer XPeng på gränserna för AI "Scaling Law", som säger att modellerna blir smartare när du matar dem med mer data och datorkraft. Det nuvarande VLA 2.0-systemet innehåller miljarder parametrar och tränar på hundratals miljoner videoklipp, vilket förbrukar över fyra biljoner tokens under varje uppdateringsiteration.
Trots den massiva skalan klarade XPeng sina höga kostnader genom att öka effektiviteten. Under de senaste 12 månaderna har företaget förbättrat sin enstaka utbildningseffektivitet med 4 360 % och höjt sin GPU-hårdvara från 40 % till 90 %. Detta gör det möjligt för dem att maximera värdet av sin kassareserv på 47,66 miljarder RMB (5,55 miljarder euro).
Den snabba utvecklingen av programvaran utlöste en vänlig satsning med höga insatser inom företaget. Förra året gjorde XPengs vd He Xiaopeng ett offentligt vad med Dr Liu om prestandan för VLA 2.0: om systemet inte matchar Teslas Full Self-Driving-programvara senast den 30 augusti 2026 måste Dr Liu springa naken över Golden Gate Bridge i Kalifornien.
Lyckligtvis för ingenjören uttryckte han fullständigt förtroende för att hans kläder skulle sitta kvar. Dr Liu uppgav att interntester i kaotiska städer som Beijing bevisade att VLA 2.0 redan nått paritet med äldre Tesla-system och matchar eller överträffar nyare versioner på grund av de komplexa kördata som finns på kinesiska vägar.
XPeng ser sina elbilar som fysisk hårdvara byggd för att visa upp sin tekniska skicklighet och samla in data för sin avancerade VLA-mjukvara. Detta perspektiv förklarar varför företaget licensierade VLA 2.0-arkitekturen till Volkswagen tidigare i år - VW kommer att använda den i fordon som lanseras 2027.
Företaget planerar att expandera denna artificiella intelligens utanför bilindustrin och förbereder sin "IRON" humanoid-robot för massproduktion i slutet av 2026. Avsikten är att distribuera dessa robotar som shoppingassistenter i sina butiker med start under första kvartalet 2027, och förvandla verksamheten från en traditionell biltillverkare till ett fysiskt AI-företag.
