每一组技术迭代背后，都藏着市场排名的变量。近日，小鹏汽车基座模型团队正式发布XCoT技术报告，完整披露“可执行思维链”（Executable Chain-of-Thought，XCoT）这一面向物理AI的推理范式。在智能驾驶渗透率持续攀升的背景下，底层架构的效率指标正在成为决定品牌市占率的关键信号。
作为专注销量的分析师，我们习惯用批发量、零售量、同比和环比来拆解市场格局。虽然本次XCoT技术报告的发布并非直接的销量榜单更新，但其披露的核心测试数据构成了评估智能汽车产品竞争力的重要维度。据盖世汽车9月16日报道及腾讯网、和讯网9月11日援引观点网讯的信息，XCoT技术以自动驾驶为验证场景，旨在解决物理AI本体在实时控制中面临的推理时间差问题。传统视觉-语言-动作模型在场景理解、语义推理和动作生成环节存在时间差，而XCoT选择缩短这条链路，模型不再花费大量token描述未来，而是生成少量结构化的决策标记参与行动生成。
从核心数据指标来看，不同来源的报道分别披露了以下事实：据腾讯网与和讯网9月11日报道，消融实验显示，变道场景横向FDE从1.616降至0.648，误差降低近六成；在H100 GPU上实测每token解码时延约3.25毫秒，由于XCoT序列仅需2至6个标记，即使按最坏情况估算，推理接口开销也低于83.3毫秒的时延预算。据盖世汽车9月16日报道，小鹏基座模型团队构建了自动化的“推理—动作”（Reason-Action）监督数据，最终用于训练的混合监督数据总量达到362万条。负责轨迹推理的Control FFN可以通过共享的多模态自注意力直接读取和执行XCoT标记，中间没有任何翻译工作。这些技术指标的优化，直接关系到终端用户体验的环比改善，进而影响车型的零售转化率。
细分到技术架构与应用场景，XCoT的执行逻辑分为收敛与发散两步。据盖世汽车报道，面对下一秒发生的情况，XCoT首先将无限的可能性收束成一个明确的方向，例如减速、保持或向左；随后Flow Matching循着该方向做发散，给出多条具体的做法。在同一可执行标记空间之上，团队进一步提出了XCoT策略优化（XCPO），重点优化模型如何作出更好的决策。小鹏物理世界基座模型以第二代VLA与世界模型为两大支柱，可以支撑自动驾驶、Robotaxi、机器人等多个本体。此外，据深圳商报·读创9月15日报道，小鹏通用智能中心负责人刘先明指出，这套体系已成功将同一套物理AI底层体系迁移到集团机器人身上，实现底层的高度复用。Ultra版本以向L4演进为长期目标，Max版本则聚焦通勤与日常使用，且蒸馏版将在小鹏G9L Max版上首发。
从趋势信号来看，底层推理效率的提升是短期智驾体验分化的核心驱动力。当行业整体新能源渗透率在8月已冲上60.6%的高位时，各品牌在智能化配置上的同质化竞争愈发激烈。XCoT将自然语言思维链转化为适应毫秒级实时控制的结构化标记，意味着搭载该技术体系的车型在复杂路况下的响应速度具备代际优势。随着362万条混合监督数据的训练落地以及Max蒸馏版本向更多算力受限平台的下放，小鹏有望通过基座模型能力的下沉，扩大其在中端价格带的市占率。跨本体的统一推理机制，也为未来的规模化量产摊薄了研发成本。
技术底座的厚度决定销量的上限。XCoT技术报告的发布，为小鹏在物理AI赛道的排名卡位提供了新的数据支撑，后续需持续关注其对实际交付量的拉动效应。