XPENG هم‌زمان VLA 2.0 و ربات انسان‌نمای IRON را جلو برد

XPENG نسخه 6.3.0 از مدل رانندگی مبتنی بر VLA 2.0 را معرفی کرد؛ به‌روزرسانی به‌صورت OTA در هفته‌های آینده منتشر می‌شود. هم‌زمان، شرکت پیشرفت‌های مشهودی در ربات انسان‌نمای IRON گزارش داد و در مسیر تجاری‌سازی Robotaxi سطح L4 حرکت می‌کند. گزارش سه‌ماهه دوم نشان می‌دهد XPENG بیش از یک سازنده خودرو، تبدیل به بازیگری فناورانه با تمرکز بر نرم‌افزار و خدمات شده است.

عملکرد مالی کوتاه‌مدت و جهت‌گیری بلندمدت

در سه‌ماهه دوم، درآمد شرکت به 2.91 میلیارد دلار رسید؛ رشد 8.0٪ نسبت به سال گذشته و 51.5٪ نسبت به فصل قبل. حاشیه ناخالص 20.7٪ اعلام شد؛ هرچند حاشیه فروش خودرو به 12.1٪ کاهش یافت. زیان خالص فصل در حدود 200 میلیون دلار گزارش شده و هزینه‌های R&D تقریباً 35٪ افزایش یافته‌اند. بخش قابل‌توجهی از بهبود حاشیه خدمات از قراردادهای «خدمات فنی تحقیق و توسعه» با شرکایی مانند گروه فولکس‌واگن نشأت می‌گیرد و این نشان می‌دهد XPENG ساختار کسب‌وکاری خود را به سمت ارائه راهکارهای فناورانه تقویت کرده است.

VLA 2.0 نسخه 6.3.0: نگاه چهاربعدی و استنتاج پیوسته

اصلی‌ترین تحول در VLA 2.0، حرکت از ادراک لحظه‌ای به ادراک چهاربعدی است که زمان را به‌عنوان بعد کلیدی برای پیش‌بینی رفتار محیط به‌کار می‌گیرد. قابلیت Infini-VLA خط زمانی تاریخی بلند‌تری در اختیار مدل قرار می‌دهد؛ با این حال XPENG برای کارایی روزمره حافظه تاریخی را روی 30 ثانیه محدود کرده است.

صفحه نمایش و الگوریتم‌های VLA 2.0 XPENG

برای غلبه بر محدودیت‌های تأخیر و مصرف انرژی در خودروهای متحرک، سازوکار Streaming Inference توسعه یافته تا پردازش، استنتاج و خروجی‌دهی مسیرها هم‌زمان انجام شود؛ XPENG ادعا می‌کند همین رویکرد تا 300٪ در پاسخ‌دهی بهبود ایجاد می‌کند. در کنار آن، X-Foresight با پیش‌بینی تا 6 ثانیه آینده امکان استدلال پیشرونده را فراهم می‌سازد و در صورت نیاز می‌تواند تا 21 ثانیه پیش‌بینی کند، اما برای صرفه‌جویی محاسباتی معمولاً روی 6 ثانیه تنظیم می‌شود.

Flow-Matching و ارتقای ایمنی

الگوریتم Flow-Matching چندین مسیر احتمالی آینده را مدل‌سازی و با رویکرد تصمیم‌گیری احتمالاتی بهترین مسیر را انتخاب می‌کند. ترکیب این مؤلفه‌ها، به‌گفته شرکت، عملکرد ایمنی را تا 20x ارتقا می‌دهد و در برخی سناریوها از «سطح عملکرد انسانی» فراتر می‌رود. این فناوری امکان اجرای Robotaxi سطح L4 را روی سخت‌افزار استاندارد فراهم می‌آورد؛ بیش از 2,000 سفارش Robotaxi برای جابه‌جایی عمومی در بازار داخلی تکمیل شده است.

معماری شبکه‌های عصبی و نمایش مسیرهای احتمالی Flow-Matching

سازگاری با سخت‌افزار کم‌مصرف: HybridViT و Master Agent

یکی از چالش‌های اصلی، اجرای مدل‌های پیچیده روی پلتفرم‌هایی با توان محاسباتی محدود است. HybridViT برای کاهش نیاز پردازشی طراحی شده تا پیاده‌سازی روی یک چیپ به‌جای دو چیپ ممکن شود، بی‌آنکه قابلیت‌های کلیدی قربانی شود. به عبارت دیگر، کاهش چیپ‌ها به معنای کاهش شدید عملکرد نیست؛ معماری طوری تغییر یافته که سازش‌ها حداقلی باشند.

در سطح رابط کاربری، «Master Agent» یک مدل چندمودالی است که تعامل صوتی طبیعی و کنترل صوتی کامل خودرو را فراهم می‌کند. پردازش محلی روی یک چیپ اختصاصی انجام می‌شود تا نیت کاربر در متن محیط تشخیص داده شده و مقصد و مسیر با زبان محاوره‌ای تعیین شوند؛ تجربه‌ای نزدیک به تعامل با یک دستیار رباتیک.

نمونه‌ای از تعامل صوتی Master Agent در خودروهای XPENG

ربات انسان‌نما IRON و مسیر تجاری‌سازی رباتیک

پیشرفت پروژه IRON نشان می‌دهد XPENG دانشی را که در خودران‌ها به‌دست آورده، برای توسعه ربات‌های انسان‌نما به‌کار می‌گیرد. ترکیب سیستم‌های چندمودالی و کنترل حرکتی می‌تواند کاربردهای حمل‌ونقلی و خدمات شهری جدیدی ایجاد کند، اما ورود به بازار مستلزم مقیاس‌پذیری، استانداردهای ایمنی و تطابق با مقررات است. در چین مقررات سخت‌گیرانه‌تر است، با این حال میل به تجاری‌سازی و آزمایش در مقیاس‌های واقعی روشن باقی می‌ماند.

نقاط کلیدی که باید دنبال شوند

  • پایداری روند رشد درآمد و تاثیر تحویل مدل‌های جدید بر مقیاس‌پذیری تولید.
  • عملکرد نسخه 6.3.0 VLA 2.0 پس از انتشار OTA و کارایی واقعی Streaming Inference در ترافیک شهری.
  • سرعت و گستره تجاری‌سازی Robotaxi و میزان پذیرش در بازارهای بین‌المللی.
  • پیشرفت پروژه IRON از نمونه‌های تحقیقاتی به کاربردهای عملیاتی و تجاری.

اگر قابلیت‌های نرم‌افزاری و سرویس‌های جدید در عمل تأخیر را کاهش دهند و ایمنی را بهبود بخشند، XPENG می‌تواند مسیر خود را از تولیدکننده خودرو به ارائه‌دهنده راهکارهای هوشمند و سودآور تغییر دهد. موفقیت این گذار به نحوه اجرای تکنیک‌هایی مثل VLA 2.0، Streaming Inference و ادغام موثر با سخت‌افزار بستگی دارد.

مطالعه بیشتر: XPENG در ویکی‌پدیا.