随着AI大模型技术的加速演进，VLA（视觉-语言-动作）模型由于在复杂场景理解与动作推理方面展示出巨大潜力，正在被广泛应用于端到端自动驾驶系统中。VLA模型在处理视觉信息时，会将图像编码为海量视觉Token（词元）。视觉Token是VLA模型“看懂世界”，并“做出决策”的基石，其质量、数量与选择策略直接决定了模型的性能、效率与可信度。然而，直接转换的处理方式会导致车端计算负荷变大，同时，还会影响模型的推理效率和决策执行。
此前，视觉Token剪枝已被证实是加速VLA模型推理的可行方法之一。但传统的视觉Token剪枝方法或依赖文本-视觉注意力关联，或基于Token相似度去重，在驾驶场景中均存在明显局限。为了解决这一问题，小鹏汽车联合北大共同提出FastDriveVLA——一种专门为自动驾驶设计、基于重建视觉Token剪枝框架。该框架的提出受到人类驾驶员在驾驶时会专注于相关前景信息（如行人、道路、车辆、交通标志、交通信号灯、交通障碍物）的启发，引入了一种新颖的对抗性前景-背景重建策略，以增强VLA模型识别有价值Token的能力，从而教会AI“像人一样开车”，自动过滤无关紧要的视觉信息，只关注有用的核心信息。
小鹏汽车联合北大提出FastDriveVLA，建立了自动驾驶VLA模型的高效视觉Token剪枝的新范式，同时树立了车端大模型高效部署上车新标杆。
此次论文入选AAAI2026，是小鹏汽车2025年第二次参与人工智能领域的国际顶级会议。2025年6月，小鹏汽车曾作为CVPR WAD唯一邀请演讲中国车企，分享自动驾驶基座模型的研发进展。在2025年11月的科技日上，小鹏汽车正式推出第二代VLA，创新性去掉了“语言转译”环节，首次实现从视觉信号到动作指令的端到端直接生成，颠覆了行业传统的“V-L-A”架构，探索全新物理AI模型范式。这些成果都为全球自动驾驶研究和实践注入了全新动力。
小鹏汽车介绍，这一系列成果体现了公司从模型架构设计、模型训练到模型蒸馏、部署上车的全栈自研能力。未来，小鹏汽车将继续以L4为目标，在AI大模型领域加大投入，加速物理AI大模型上车，让更安全、高效、舒适的智驾体验惠及全球用户。
赢金配资提示：文章来自网络，不代表本站观点。
