VLA 让智驾记住"前 30 秒"：从 3D 感知到 4D 时空认知，算力账怎么算

二、从 3D 到 4D：多出来的那一维带来了什么

传统智驾模型仅能识别"当下瞬间"的道路信息，每帧画面独立处理，变道车辆与行人移动是割裂的独立画面。VLA 引入时间维度的做法是流式自回归推理 + 长时序记忆：模型边看、边想、边行动并行运算，端到端响应速度提升 300%，面对前车突然刹停、旁车强行加塞等突发场景时，反应更接近经验丰富的驾驶员。

量化口径上，小鹏方面给出的数据是：升级后端侧模型参数量扩大 3.5 倍，达到行业主流 VLA 模型的 15 倍以上，多维综合安全能力整体提升 20 倍。这些倍数的代价是算力与内存带宽的同步膨胀。 2250TOPS 的有效算力不是堆料，而是长时序上下文驻留所必需——30 秒的道路动态要作为连续 token 序列保留在推理链路里，对存储带宽与缓存容量的要求远高于单帧感知。

三、算力账：端侧推理与云端训练的成本结构

第一笔账是端侧。VLA 的参数量上升 3.5 倍，意味着推理所需的算力（TOPS）与内存（GB）同步上升。这也是为什么"VLA Lite 蒸馏版"会成为标配策略——把基座模型的能力蒸馏到轻量化版本，让中配车型也能用上高阶智驾，从而摊薄单车的芯片成本。小鹏 G9L 的 Max 版本即首发搭载第二代 VLA Lite 蒸馏版。

第二笔账是云端。世界模型与群体博弈训练是训练侧的算力黑洞，也是"训练效率提升 10 倍"这类指标真正的商业价值所在——它直接决定模型迭代周期与数据闭环速度。

第三笔账是传感器与控制器的协同。VLA 仍然依赖多传感器输入（激光雷达、毫米波雷达、摄像头），并且需要与底盘、座舱模块协同执行。小鹏 G9L 通过 Master Agent 全域调度系统实现 VLA 智驾模型与 VLM 座舱大模型的融合，用户以口语化指令提出"靠边停一下""找个车位"等需求，车辆可自主拆解并调度智驾、底盘、车身模块协同完成。这要求电子电气架构具备跨域任务编排能力，本质是对中央计算 + 区域控制架构的又一次加压。

四、对供应链的三点含义

其一，智驾 SoC 的竞争从"算力峰值"转向"算力效率 + 内存带宽"。国产芯片份额正在上升，但在高算力智驾域控赛道，英伟达与地平线合计占据超 60% 装机份额，格局尚未改写。

其二，长时序模型对存储提出新要求。车规级 DRAM 与 NAND 的需求量随模型驻留规模提升而增加，而 2025 年以来全球存储产能向 AI 高端产品倾斜，车规存储出现结构性紧缺，车用 DRAM 价格在过去一段时间出现大幅上涨。智驾模型的进化，正在推高单车的存储价值量。

其三，域控制器的散热与供电设计门槛提高。2250TOPS 级算力的持续推理功耗，需要液冷与更高效率的电源管理方案支撑，这为热管理与功率器件供应商提供了新的增量窗口。

智能驾驶的下一场竞赛，比的不是谁的传感器多，而是谁能让模型在车端"记住"足够长的过去，并把它变成足够准的未来。

VEXIA新势力 持续跟踪 VLA 量产节奏与车端算力方案，为智驾芯片、存储与热管理零部件企业提供技术路线的参考依据。