XPENGのPhysical AIアップグレードは、より大規模なモデルがより安全な運転を実現できるかを試す

XPENGは、運転システムに30秒間の記憶と6秒先までの予測ウィンドウを追加する、初の大規模なVLA 2.0アップグレードを公開した。Google Newsの見出しだけを見ると、また一つ野心的な人工知能の発表に映るかもしれない。しかし実際の争点はより難しい。XPENGは、より大きなモデルと長い記憶を、日常の道路でより安全な挙動へと結びつけなければならない。

同社によれば、XOS 6.3.0はシステムを静的な空間認識から、動的で4次元的な理解へ移行させる。これは、次に起きることを予測する前に、過去の出来事と現在の場面を結び付けるという意味だ。XPENGはこのソフトウェアをG9Lに導入し、OTAアップデートで提供する予定である。

これは主に、どの企業が車両に最も大きなAIラベルを付けられるかという競争ではない。一つの共有モデルアーキテクチャが、乗用車、robotaxi、ヒューマノイドロボット、その他の物理的な機械にまたがって機能するかを試すものだ。Teslaや複数の中国自動車メーカーも関連するエンドツーエンドのアプローチを進めているが、XPENGはより多くの製品を一つの技術基盤に結び付けようとしている。

XPENG Physical AIアップグレードで何が変わったのか

XPENGはVLA 2.0を、現在を読み取るシステムから、記憶し、予測し、継続的に行動するよう設計されたシステムへと拡張した。

XPENGは8月27日、広州で開催したphysical AIイベントでアップグレードを発表した。同社のVLAアップグレードの詳細では、XOS 6.3.0を初回のVLA 2.0リリース後に続く初の大幅改訂として説明している。

VLAはvision-language-actionを指し、視覚認識と意味的推論を物理的な動作につなぐモデル構造である。車両では、こうした動作にブレーキ、操舵、車線変更、交通の中での経路選択が含まれる。

中心的な追加要素は、より長い道路観測の連続データを処理するよう設計されたアーキテクチャ、Infini-VLAだ。XPENGによると、実装されたシステムは有用な運転履歴を30秒間保持する。この履歴により、単一のカメラフレームだけでは説明できない出来事をモデルが結び付けられるようになる。

一部が配送バンに隠れた横断歩道へ車両が近づく場面を考えてみよう。ある瞬間の画像には、バンと、見える範囲に人のいない車線しか映らないかもしれない。時間的な記録があれば、歩行者が隠れた領域に向かって移動していたことを保持できる。

モデルはその後、その歩行者が再び現れる可能性を推論しなければならない。これが、XPENGのAIが時間を理解するようになったという主張の実際的な意味である。システムが人間のような時間概念や汎用的な推論能力を持つことを意味するものではない。

X-Foresightは前方予測を担う要素である。XPENGによれば、このworld modelは今後6秒間における周辺道路利用者の挙動を予測する。world modelは場面がどのように変化し得るかを推定し、ソフトウェアが行動を選ぶ前に起こり得る結果を評価できるようにする。

XPENGはこれまで、研究用システムではより長い時間幅をモデル化できるとしてきた。製品版では、有用な先読みと車載コンピューティングの制約のバランスを取るため、6秒を用いる。この違いは重要だ。研究における最大値が、そのまま出荷製品の性能を示すとは限らない。

今回のアップグレードでは、streaming inferenceも導入される。観測、停止、推論、軌道生成を順番に行うのではなく、システムはこれらの処理を継続的に実行する。XPENGは、このアーキテクチャにより応答速度が300％向上すると主張している。

次にflow matchingが、複数の将来の経路候補を生成し、それぞれに確率を割り当てる。車両は、合流してくる車、急ブレーキ、進行方向を変える歩行者に対応する際、これらの経路を比較できる。各要素は同じ問題に対処している。コンピュータが考えている間も、道路上の状況は動き続けるという問題だ。

XPENGはまた、車載モデルのパラメータ数が前バージョンの3.5倍になったとしている。パラメータの増加はより豊かな表現を支え得るが、メモリ、エネルギー、レイテンシーへの要求も高める。モデル規模だけで運転品質が証明されるわけではない。

したがって、更新されたXPENG VLA 2.0が重要なのは、複数の研究アイデアが一つの製品ソフトウェアパッケージへ同時に入るためだ。その価値は、未知の道路、悪天候、予測不能な人間の行動をどれだけ一貫して扱えるかに左右される。

このGoogle Newsの記事が一台の車を超えて重要な理由

より大きな賭けは、XPENGが各製品をゼロから始めさせることなく、一つのphysical AI基盤を複数の機械で再利用できるかどうかにある。

車両は、厳格な安全性とレイテンシー要件の下で、大量の視覚・行動データを生み出す。robotaxiも似た道路環境に直面する一方、ヒューマノイドロボットはより低速で動的な空間を解釈しなければならない。ハードウェアは異なるが、認識、予測、行動は依然として結び付いた問題である。

XPENGはこの重なりを共有技術基盤として提示する。同社によれば、トレーニングシステムやモデルアーキテクチャを含む、目に見えにくいインフラが共通作業の大半を占める。車、robotaxi、ロボットは、その基盤に対する別々のインターフェースとなる。

このため、このアップグレードはGoogle Newsでの見え方以上に重要だ。共有基盤が機能すれば、運転知能への投資は他の機械も支えられる。ロボティクス研究からの改善は、車両が運動や物理的制約を推論する方法にも役立ち得る。

XPENGはこのモデル戦略をCVPR 2026で議論した。同社のworld model研究には、共通のトークン空間内で将来の画像と車両の行動を予測するX-Foresightが含まれていた。トークンは、モデルが予測を生成する際に処理するコンパクトな表現である。

この共有アーキテクチャは、データフライホイールを生み出す可能性がある。より多くの車両がより多くのエッジケースに遭遇し、モデルのトレーニングと評価のための材料を生み出せる。より良いソフトウェアは、その後に車両を改善し、新たな製品を支えられる。

ただし、このフライホイールは自動的に回るものではない。収集データは有用な状況を表し、プライバシー要件を満たし、正確なラベルやフィードバックを受けなければならない。より大きなフリートは、まれな安全上の失敗を必ずしも解決せずに、より多くの反復データを生み出す可能性がある。

XPENGのrobotaxiプログラムは、人間の介入への許容度を下げるため、厳しい試験となる。同社は、一部のrobotaxi機能が量産車に移行しているとしている。この表現は慎重な解釈を要する。Level 4研究から派生した機能が、消費者向け車両で自動的にLevel 4になるわけではない。

Level 4自動化とは、定義された運行条件内で、人間の介入を期待せずにシステムが運転タスク全体を実行できることを意味する。消費者向け運転支援ソフトウェアは計画技術を取り入れられるが、依然として監視を必要とする場合がある。この区別は、すべての製品説明で明確に保たれるべきだ。

Master Agentは、この共有モデルの考え方を車内へ拡張する。XPENGによれば、このシステムは運転用VLAと、画像と言語を解釈するvision-language model、すなわちVLMを組み合わせる。音声による要求をタスクに分解し、専門化された車両機能を調整できるという。

運転者は近くの目的地を求め、車に経路選択を依頼し、停車するよう指示するかもしれない。このエージェントは、その要求をナビゲーション、運転、車内操作へ変換しなければならない。XPENGは、専用のTuring chipがこうしたやり取りをローカルで処理するとしている。

ローカル処理は、リモートデータセンターへの依存を減らす。接続性が弱い場合にも、プライバシーと応答時間を改善できる。一方で、自動車には電力、冷却、メモリ、利用可能なコンピューティング能力に固定的な制約があるため、効率性が不可欠になる。

これが、XPENG physical AIが単なるモデルの話ではなく、システムの話である理由だ。チップ、ソフトウェア、センサー、電気アーキテクチャ、データ運用、安全管理が一体となって機能しなければならない。どの層における弱点も、他の場所で得た進歩を帳消しにし得る。

主な争点はXPENGの約束と道路上の現実の間にある

XPENGにとって最大の相手は一社の自動車メーカーではなく、管理されたデモと公道で再現可能な挙動との間にある検証ギャップだ。

運転に関する発表では、成功した合流、滑らかな旋回、認識しやすい障害物への確信ある対応が強調され得る。公道では、デモチームが選ばなかった組み合わせが生じる。工事作業員は即興で対応し、車線表示は消え、他の運転者は正式なルールを無視する。

時間的記憶は、こうした状況に適しているように見える。車は、自転車が死角に入ったことや、接近する車両が不規則に行動していたことを覚えているべきだ。予測は、リスクが完全に見えるようになる前に準備する助けとなるはずだ。

それでも、記憶は誤解を招く情報を保持する可能性がある。システムは、どの過去の観測が依然として関連し、どれが古くなったかを判断しなければならない。現在の場面が別の方向を示していても、不正確な関連付けが後の判断に影響する可能性がある。

予測も不確実性をもたらす。6秒先の予測では、すべての歩行者や運転者が何をするかを正確に知ることはできない。複数のもっともらしい未来を表現し、一つの解釈に過度に踏み込まない必要がある。

flow matchingは複数の経路を生成することで、その不確実性に対応する。とはいえ、ソフトウェアにはその中から選ぶための方針が必要だ。過度に慎重な車両はためらいがちになり、積極的すぎる方針は許容できないリスクを生み得る。

XPENGは、これらを組み合わせた変更により、多次元的な安全性能が20倍改善したと述べている。これは企業の主張であり、独立して確立された道路安全性の結果ではない。公開資料には、この比較を再現するのに十分な詳細が示されていない。

重要な疑問は未解決のままだ。同社は、その倍率の根拠となるすべての試験条件、ベースライン、介入ルール、失敗カテゴリーを公には明らかにしていない。こうした詳細がなければ、その改善が道路や気象条件をまたいでどの程度移転するかを読者は判断できない。

streaming inferenceも別の試験を生む。継続的な処理は、認識から行動までの遅延を減らすはずだ。しかし、報告された速度改善には、以前のレイテンシー、ハードウェア構成、計算負荷がピークに達した際の挙動などの文脈が必要である。

同じ注意はモデル規模にも当てはまる。パラメータを3.5倍に増やせば能力は向上し得るが、展開上の課題も増幅し得る。圧縮とスケジューリングの選択が、システムが走行中の車両内で十分に素早く反応できるかを左右する。

XPENGによれば、HybridViTは単一のTuring chipを搭載した車両にもVLA機能を提供する助けとなる。Vision transformerは画像をより小さな表現に分割し、それらの関係を分析して処理する。ハイブリッド設計は、選択されたモデル能力を維持しつつ計算量を減らせる。

このアプローチは、潜在的な導入基盤を広げる。一方で、チップ数が異なる車両間に複数の性能プロファイルを生み出す。所有者には、各ハードウェア構成にどの機能、制限、将来のアップデートが適用されるかについて、明確な説明が必要になる。

既存オーナーはすでにその境界に注意を向けている。新しいソフトウェアは、古い車両が対応できない場合に不満を生み得る。XPENGは、ハードウェア依存の機能を普遍的なアップグレードとして提示せず、互換性への期待を管理しなければならない。

最も厳しい証拠は日常利用から得られる。介入率、解除の原因、ニアミスの傾向、都市をまたぐ性能は、編集されたデモよりも強い見方を提供するだろう。透明性の高い報告は、意味のある進歩とブランディングを分ける助けにもなる。

Teslaは参照点だが、競争のすべてではない

XPENGはTeslaに関連付けられるエンドツーエンドAIの方向性を取り入れつつ、ローカルチップと共有physical AIを軸に、より広い主張を構築している。

Teslaは、カメラベースのニューラル運転システムを大規模な消費者向け車両群へ導入したため、今なお避けて通れない比較対象である。同社の戦略は、車両データ、モデル学習、車載推論、頻繁なソフトウェア更新を結び付けた。XPENGは、異なる規制・製造環境の中で、これに近いフィードバックループを追求している。

ただし、この比較を単純な機能チェックリストにしてはならない。Teslaのシステム、XPENG VLA 2.0、その他の中国製運転プラットフォームは、センサー、学習手法、地理的カバレッジ、リリース規則がそれぞれ異なる。公表される性能主張についても、測定方法は一様ではない。

XPENGは、Turingチップ上でのローカル推論を強調している。このアプローチはクラウドへの依存を減らし、より多くの処理を車両内に留められる可能性がある。また、モデル設計と自動車用ハードウェアの関係を、同社がより強く管理できるようにもなる。

Teslaも同様に、車載コンピューティングに大きく依存している。重要な違いは、両社がローカルチップを使うかどうかではない。モデルがシーンをどれだけ効率よく解釈し、動きを予測し、運用上の制約の中で安全な行動を選択できるかにある。

中国の競合各社も、さらなる圧力を加えている。Li Auto、NIO、Huawei支援のシステム、その他のメーカーは、エンドツーエンドの運転モデルやAI定義車両プラットフォームに投資している。ソフトウェアのリリースサイクルが速いため、技術的な優位性を維持するのは難しい。

XPENGのより広い製品範囲は、現在の同社のストーリーを特徴付けている。同社は、その基盤をrobotaxi、ヒューマノイドロボット、車両に活用したい考えだ。この戦略は研究コストを分散できる一方で、安全要件の異なる製品群に注意を分散させる可能性もある。

Volkswagenは、XPENGの技術が自社ブランドを超えて価値を持つかどうかを試す商業的な試金石となる。両社は、中国市場に焦点を当てた電気・電子アーキテクチャを共同開発してきた。Volkswagenは、共同車両アーキテクチャが中国向け電気自動車を支えると述べている。

この関係は、XPENGに技術収益を得る別の道を与える。同時に、同社のシステムは大手グローバル自動車メーカーのプロセスにさらされる。統合が成功すれば、XPENGが外部組織向けに自社のエンジニアリングをパッケージ化できることを示すだろう。

これは、ソフトウェアの経済性が車両の経済性とは異なるため重要である。再利用可能なアーキテクチャは、XPENGがすべての車を製造しなくても技術サービス収益を生み出せる可能性がある。しかし、統合作業は高コストかつ顧客固有のものにとどまる場合がある。

同社の最新決算は、この両面を示している。XPENGは四半期売上高197億4,000万元、売上総利益率20.7％を報告した。第2四半期決算では、車両マージン12.1％、純損失13億4,000万元も記録された。

サービスおよびその他の収益は27億0,000万元に達し、前年から93.9％増加した。XPENGは、この増加の一部を別の自動車メーカーに提供した技術研究開発サービスによるものとしている。これは、同社の技術提携にとって初期の商業的シグナルとなる。

ただし、第2四半期の車両総納入台数は103,295台で、前年同期からほぼ横ばいだった。収益は改善したものの、フィジカルAI戦略はまだ年間車両販売台数の明確な急増をもたらしていない。ソフトウェア能力は依然として顧客需要へ転換されなければならない。

したがって、主要な争点は依然として、約束と実装の間にある。Teslaと中国の競合各社は競争の速度を定める一助となるが、XPENGの成功を決めるわけではない。それを決めるのは、顧客、規制当局、そして独立した実走行性能である。

ロボティクス資金調達がXPENG VLA 2.0のเดิมพันを高める

大規模なロボティクス資金調達によりXPENGの資源は増える一方、共有フィジカルAIを実際の事業へ転換できることを証明する圧力も高まる。

XPENGは8月、ロボティクス事業が9億米ドル超を調達する契約を締結したと発表した。同社は調達後評価額を63億米ドル超としている。IDG Capitalがラウンドを主導し、他の投資家も参加した。

ロボティクス資金調達は、ヒューマノイドロボットの生産、モデル開発、商業化を支援する目的だ。XPENGはこの取引を、中国のエンボディドAI分野における単一の民間資金調達ラウンドとして最大規模だと説明している。

この資金調達は、VLAリリースをめぐる文脈を変える。XPENGはもはやフィジカルAIを長期的な研究ビジョンとしてのみ提示しているのではない。ヒューマノイドロボティクス事業に対し、別途資金を得た商業的期待を置いている。

XPENGのヒューマノイドロボットであるIRONは、自動車以外でのモデル再利用を試す最も明確なテストとなる。ヒューマノイド機械は、人や物体を認識し、動きを予測し、バランスを保ち、行動を協調させなければならない。これらの課題は概念上、運転と重なる。

しかし、その重なりが転用を容易にするわけではない。車は道路上を走り、制御する動きの種類も限られる。ヒューマノイドロボットはより多くの関節を持ち、物体に直接接触し、可能な行動の範囲もはるかに広い。

学習データも異なる。車両は大規模なフリートから、繰り返される道路観測データを収集できる。ヒューマノイドロボットには、操作、移動、復帰、人との相互作用に関する高品質な事例が必要だ。価値のある失敗事例の多くは、気軽に収集することが困難、あるいは危険である。

ここで、XPENGの共通基盤は最も厳しい仕組みの検証に直面する。共有表現は、特に視覚認識と予測において、重複するエンジニアリングを減らせる可能性がある。一方で、製品固有の制御システムには、依然として広範な開発と検証が必要となる。

同社は、フィジカルAI製品がインフラとソフトウェアを共有していると述べている。進歩がうまく転用されれば、研究効率は向上し得る。異なる解決策を必要とするタスクに一つのアーキテクチャを無理に当てはめれば、資源を浪費する可能性がある。

商業化の時期にも不確実性がある。XPENGは、資金調達によって量産とグローバル商業化を加速するとしている。しかし、生産準備が整っていても、需要、導入支援、収益性の高いライフタイム運用が保証されるわけではない。

ヒューマノイドロボットには、保守、安全手順、明確に定義された業務も必要となる。魅力的なデモは注目を集められるが、信頼できる産業導入には、何千時間にも及ぶ反復的で目立たない稼働が求められる。これらの成果には異なる証拠が必要だ。

投資家は、ロボティクスが車両販売とは独立した収益を生み出すかを注視するだろう。また、ハードウェアコスト、サービス義務、継続的なソフトウェア開発のコストも検討する。高い評価額は、測定可能な進捗の重要性を高める。

XPENGにとって魅力的な提案は、製品をまたいで改善される共有インテリジェンス層である。リスクは、主にブランディングによって結び付けられた高コストのプログラム群にとどまることだ。今後1年で、この二つの可能性は見分けられ始めるはずである。

Google Newsのサイクル後に注目すべき点

XPENGがフィジカルAIを前進させたのか、それともソフトウェアに付随する野心を拡大しただけなのかを示す、三つのシグナルがある。

最初のシグナルは、G9LにおけるXOS 6.3.0の展開だ。リリース日程、対象となるハードウェア構成、地域別の提供状況を注視したい。遅延や互換性の狭さは、新アーキテクチャが広範な量産利用に対応しているという主張を弱めるだろう。

ダウンロード数よりも、ユーザー体験のほうが重要になる。報告では、渋滞した交通環境、標示のない道路、低視界、通常とは異なる工事区間での挙動を説明すべきだ。こうした条件で一貫した性能が示されれば、XPENGの時間的推論に関する主張は強まる。

最も有用な証拠には、介入パターンと失敗カテゴリーが含まれる。介入率の低下に意味があるのは、試験距離、道路の難易度、監督ルールが比較可能な場合に限られる。慎重に選ばれた動画では、その分母を示せない。

二つ目のシグナルは、外部による技術検証だ。XPENGによる応答速度300％改善と安全性20倍という主張には、より明確な定義、ベースライン、再現可能な評価が必要である。独立した試験は、これらの改善が会社側で選定したシナリオの外でも確認できるかを示せる。

規制当局も間接的な検証を提供し得る。運用地域の拡大や、制約の少ない監督付き機能の承認は、安全性の根拠に対する信頼を示す。一方、制限、リコール、許可の遅れは、反対の方向を示すだろう。

三つ目のシグナルは、Volkswagen、robotaxi、IRONにまたがる商業的再利用である。XPENGは、共有インフラが共有されたプレゼンテーションスライドだけでなく、実際に機能する製品を生み出すことを示さなければならない。マイルストーンには、導入済み車両、ロボット運用、パートナー統合、報告されたサービス収益が含まれるべきだ。

Volkswagenの採用は、外部顧客を伴うため、特に有用な尺度となる。機能する量産統合は、XPENGのプラットフォーム論を裏付ける。一方、限定的または遅延した実装は、再利用に想定以上のカスタムエンジニアリングが必要であることを示唆するだろう。

robotaxiの運用も、もう一つの厳しい尺度を提供する。XPENGは、同じハードウェア基盤がLevel 4アプリケーションを支えるとしている。読者は、運用境界、完了した乗車回数、人間の支援、安全性報告、一般乗客の利用可能性に注目すべきだ。

IRONは、モビリティを超えてこの論旨を試すことになる。重要なのは、ロボットが舞台上を歩けるかどうかではない。工場、店舗、オフィス、その他の管理された環境で、ユニットが定義された作業を繰り返し完了できるかどうかである。

これらのシグナルは、自動車分野以外の開発者やエンタープライズ技術の購入者にとっても重要だ。フィジカルAIでは、モデルがリアルタイム、エネルギー、プライバシー、安全性の制約下で動作することが求められる。ローカル推論の進歩は、ロボティクス、エッジコンピューティング、組み込み型エージェントに影響を及ぼし得る。

ナレッジワーカーが関心を持つべき理由は別にある。Master Agentのプレビューは、会話型アシスタントから、ツールや物理的行動を調整するシステムへの移行を示している。価値は信頼性の高い実行から生まれ、リスクは意図の誤解から生じる。

このようなエージェントを評価するチームは、主張、テスト、失敗、変化するリリース条件を文書化すべきだ。検索可能なAIナレッジベースは、エンジニアリング、調達、コンプライアンスのレビューをまたいで、その証拠を維持するのに役立つ。

元のGoogle News記事は、XPENGにとって忙しい一週間を捉えていた。より深い物語は、モデル研究、車載チップ、消費者向け車両、robotaxi、提携、ヒューマノイドロボットをつなごうとする企業の試みである。

この組み合わせは、XPENGに戦略を検証する複数の道筋を与える。同時に、実行力の弱さが可視化される複数の道筋も生む。各製品は、それぞれの制約の下で有用な挙動を提供しなければならない。

したがって、次の問いは具体的である。XOS 6.3.0は通常の道路で測定可能な改善を生み出し、その後XPENGの他の機械でも再現可能な結果を示すのだろうか。フィジカルAIを完成された優位性として扱う前に、展開状況、独立した安全性の証拠、外部での導入実績を注視したい。