小鹏汽车官方于6月29日宣布，正式发布X-Mind技术框架。该框架通过内嵌预测性世界模型，赋予车载智能体高效的视觉思维链能力，让自动驾驶系统在做出动作之前进行“脑内推演”，使车辆从被动反应转变为主动决策。
在6月30日举行的CVPR 2026上，小鹏集团通用智能中心负责人刘先明首次完整展示了小鹏世界模型技术图谱。这是小鹏第三次受邀登上这一国际顶会，也是唯一演讲的中国企业代表。刘先明明确回应了行业长期存在的路线争论：VLA与世界模型并非相互竞争，在小鹏架构中，第二代VLA从人类驾驶行为中学习“如何行动”，世界模型则通过对未来状态的预测学习“行动之后世界会如何变化”，二者共同构成物理世界基座模型。
X-Mind的技术架构是将预测世界模型无缝嵌入大型驾驶模型中。系统采用循环块扩散机制，网络在单次前向传播中，在其不同内部层上执行渐进式去噪步骤，生成紧凑的抽象草图。该草图构成“认知画布”，融合了鸟瞰图布局与抽象驾驶先验，包含车道线、障碍物、动态交通灯状态、自适应导航意图以及合规车速轮廓等核心语义信息。
在动作生成之前，X-Mind执行显式的时空推演，即视觉思维链。这意味着车辆可以像经验丰富的驾驶员一样提前预判交通流变化，让每一条规划路径都考虑到未来交通流的变化，具备防御性驾驶能力。
小鹏研发团队通过深度压缩自编码器，将12帧的未来世界推演压缩至仅96个Token。这证明了相比于高冗余的图像或昂贵的3D重建，思维草图能更有效地过滤掉与规划无关的纹理干扰，仅保留道路拓扑、交通灯状态和导航意图等核心语义先验，从根本上解决了长上下文带来的计算瓶颈。
在包含数亿帧真实世界数据的训练集上，X-Mind面对前车急刹、匝道汇入、复杂十字路口博弈等场景时，能提前推演出障碍物的占位和场景因果链条。对比实验数据表明，相比传统VLA模型，X-Mind在横向和纵向的轨迹预测误差上有显著降低，在复杂长尾场景下安全性与合规性大幅提升。与使用原始图像或3D高斯溅射作为中间表示的方案相比，X-Mind推理延迟极低，具备在资源受限的车规级芯片上量产落地的可行性。
小鹏同步披露了世界模型的三项核心能力：主动思考、可控生成和长时序推演。对应技术成果包括X-Mind（主动推理与决策可解释性）、X-World（可控多视角生成式世界模型）、X-Foresight（视觉-动作因果预测网络）以及X-Cache（推理加速方案），形成完整技术闭环。
在量产落地层面，第二代VLA已实现量产交付，拥有数十亿参数量，使用上亿视频片段训练，每版模型训练量超4万亿Token，车端推理速度提升12倍。推送首月用户辅助驾驶里程占比突破50%，成为行业首个达成该数据的系统。搭载第二代VLA的小鹏GX已发布，以其为原型车的Robotaxi也已量产下线，整车有效算力达3000TOPS。
从硬件层面看，小鹏依托万卡级智算集群，单GPU训练效率一年间提升1010%，GPU硬件利用率从40%提升至90%。刘先明强调，小鹏物理世界基座模型是第二代VLA也是世界模型，本质上都在通过放大模型规模、数据规模和训练目标复杂度，训练足够强大的物理世界基座模型。只有能做基座模型的公司，才有可能做到L4。
在行业对比上，本届CVPR同台演讲的还包括特斯拉Autopilot负责人Ashok Elluswamy、Waymo研究副总裁Dragomir Anguelov、英伟达感知与机器人研究副总裁Jan Kautz。小鹏与特斯拉在纯视觉路线和基座模型架构演进上正趋于收敛。刘先明对特斯拉FSD入华持开放态度，认为市场需要一个正常的对比。纯视觉方案被小鹏定义为承载基座模型的最优路径，摄像头信息密度远超激光雷达，是训练物理世界基座模型信息密度最高的原材。
基座模型将从小鹏汽车延伸至人形机器人IRON、飞行汽车等具身智能场景。IRON量产版本预计年底实现量产，2027年一季度进入门店。
小鹏汽车CEO何小鹏6月26日透露，联合国WP29缔约国会议批准了DCAS UNR 171 series 02（对应城区NGP功能法规）、UNR ADS（对应L3-L5自动驾驶法规）两项法规。前者将在六个月后生效成为欧盟强制法规，预计2026年底自动驾驶可在全球合法落地。
小鹏此次技术图谱的完整披露，将行业从“VLA还是世界模型”的二元争论推向融合架构共识。以理解驱动驾驶、以预测实现理解、以规模化赋能预测的技术闭环，正在为L4级自动驾驶铺就基座。