XPENG Aposta em IA para Dominar Mercado de Carros Autônomos

A XPENG AI está revolucionando o mercado automotivo com investimentos massivos que totalizam 9,5 bilhões de yuans (US$ 1,4 bilhão) em pesquisa e desenvolvimento durante 2025, sendo US$ 652 milhões alocados especificamente para inteligência artificial. Enquanto a maioria dos carros disponíveis atualmente opera em nível L2 de autonomia, oferecendo apenas automação parcial, nós testemunhamos a XPENG desenvolver o VLA 2.0, o primeiro modelo de direção com IA e potencial L4 na China. Com lançamento global previsto para 2027[-2] e planos de aumentar investimentos em IA para 7 bilhões de yuans em 2026, a montadora chinesa certamente está posicionada para liderar a corrida por veículos totalmente autônomos. Neste artigo, exploramos como a physical AI da XPENG supera sistemas tradicionais e seu impacto no futuro da mobilidade.

XPENG Revela Sistema VLA 2.0 com Capacidade de Direção Autônoma L4

Em março de 2026, a XPENG lançou oficialmente o VLA 2.0, modelo que representa uma mudança fundamental na arquitetura de direção autônoma. A entrega global começará em 2027, com a Volkswagen designada como parceira inaugural para a tecnologia no mercado chinês.

O Que Diferencia o VLA 2.0 dos Sistemas Tradicionais

O VLA 2.0 adota um caminho inovador chamado Vision-Implicit Token-Action, eliminando completamente a etapa de tradução linguística. Sistemas tradicionais operam em três estágios: percepção visual, tradução para linguagem intermediária e execução de ação. Esta arquitetura cria latência, funcionando como um tradutor entre o olho e o pé no pedal de freio.

A XPENG subverteu este modelo ao criar tokens implícitos, uma linguagem computacional interna que permite interpretação mais rápida e suave das situações de direção. O sistema traduz percepção diretamente em decisões de condução, removendo camadas intermediárias que introduzem atrasos e erros. Em essência, a latência de resposta do sistema foi comprimida para menos de 80 milissegundos.

O VLA 2.0 funciona como modelo de ação generativa e modelo de mundo físico, capaz de realizar aprendizado auto-evolutivo enquanto compreende as leis de interação do mundo real. Note que o sistema demonstrou capacidades emergentes durante testes, reconhecendo gestos manuais e respondendo proativamente a mudanças de semáforo sem treinamento específico para estas condições.

Como a XPENG Testou o Sistema em Condições Reais

A XPENG utilizou aproximadamente 100 milhões de clipes de vídeos reais para treinamento, equivalente à soma de cenários extremos que um motorista humano encontraria em 65.000 anos de condução. O volume de dados de treinamento não exigiu anotação manual.

Os testes em estradas abertas na China começaram no início de 2026, com testes públicos programados para o segundo semestre. O sistema enfrentou ambientes densos urbanos e condições de tráfego misto, demonstrando desempenho robusto.

Investimento de US$ 1,4 Bilhão em IA Impulsiona Desenvolvimento

A XPENG implantou um cluster de computação em nuvem com 30.000 placas, mantendo eficiência operacional consistentemente acima de 90% ao longo dos anos. A empresa desenvolveu um modelo base com 72 bilhões de parâmetros em escala ultra-grande na nuvem, com ciclo completo de iteração a cada cinco dias.

Para instalação veicular, a XPENG redesenhou um compilador específico e pilha de software para o chip Turing AI. A otimização de ciclo completo permitiu instalar o VLA 2.0 com escala de parâmetros na casa dos bilhões na versão Ultra com 2250 TOPS, enquanto modelos comuns da indústria usam apenas dezenas de milhões de parâmetros.

Physical AI Transforma Paradigma da Condução Autônoma

Por Que Sistemas Tradicionais Não Conseguem Alcançar L4

Arquiteturas tradicionais de veículos autônomos separam percepção e planejamento, criando uma limitação fundamental quando situações novas ou incomuns surgem. Sistemas convencionais conseguem identificar pedestres, categorizar ciclistas e mapear faixas de rodagem com precisão notável. Identificar um objeto, porém, não equivale a compreender seu comportamento.

Cenários raros e complexos, conhecidos como “long tail”, permanecem entre os desafios mais difíceis para sistemas autônomos dominarem com segurança. Ao contrário de câmeras que inferem movimento calculando diferenças entre quadros sequenciais, a Physical AI exige medição direta de velocidade e direção. O teto da identificação de objetos foi atingido, por essa razão a indústria migra rapidamente para Physical AI.

XPENG Abandona Mapas e Aprende com Comportamento Humano

A XPENG reformulou a direção autônoma como um problema de inteligência incorporada: compreender intenção de pedestres e motoristas, prever interações multiagentes e executar ações seguras em tempo real. O CEO He Xiaopeng enfatizou que carros com IA podem ser vistos como a forma mais simples de robô em quatro rodas.

Sistemas que percebem, decidem e agem no mundo físico através de sensores e atuadores definem a Physical AI. Essencialmente, a XPENG posicionou seus veículos como sistemas de aprendizado contínuo que melhoram tanto através de simulação quanto de dados de frota.

Chip Turing AI Processa 3.000 TOPS para Decisões em Tempo Real

O protótipo Robotaxi GX equipa até quatro chips Turing, entregando 3.000 TOPS de poder computacional. O Turing AI Chip, desenvolvido internamente pela XPENG, entrou em produção em massa e possibilita modelos avançados de IA em tempo real nos veículos mais recentes da empresa.

VLA 2.0 Supera Tesla FSD em Teste Direto nas Ruas Chinesas

Comparação Mostra Apenas 2 Intervenções Contra 7 da Tesla

Testes comparativos publicados em março de 2026 revelaram desempenho superior do VLA 2.0 em ambiente urbano real. Em um percurso de 20 quilômetros em Guangzhou durante horário de pico noturno, o sistema da XPENG exigiu apenas uma intervenção do motorista, contra cinco do Tesla FSD V13.2.9 no mesmo circuito. Jornalistas ocidentais conduziram testes adicionais em Pequim, navegando por 40 minutos sem necessidade de assumir o controle uma única vez.

O CEO He Xiaopeng estabeleceu meta pública de superar completamente o FSD da Tesla no mercado chinês até agosto de 2026. Ele viajou para o Vale do Silício para testar pessoalmente o FSD v14.2 em São Francisco, dedicando cinco horas ao volante. Descreveu a experiência como desempenho próximo ao nível L4, elogio significativo vindo de um concorrente direto.

Como a XPENG Usa Dados de Trânsito Caótico Como Vantagem

O ambiente de condução chinês oferece complexidade incomparável. VLA 2.0 demonstrou comportamento distintamente humano ao navegar tráfego denso, mesclando-se naturalmente ao estilo local de direção. Durante teste crítico, o veículo precisava entrar em espaço apertado no trânsito pesado. Enquanto sistemas convencionais hesitariam ou exigiriam intervenção humana, o VLA 2.0 comprometeu-se com a manobra, posicionando-se firmemente na faixa como motorista experiente de Pequim faria.

A XPENG reporta taxa de satisfação de 98% entre usuários que experimentaram o VLA 2.0. O sistema reduziu eventos de frenagem brusca em 99%, melhorando eficiência de condução em 23% comparado a sistemas L2 tradicionais.

Volkswagen Adota Tecnologia para Seus Veículos

A Volkswagen assinou como primeiro cliente externo para o VLA 2.0, implantando a tecnologia em seu novo SUV elétrico para o mercado chinês[302].

XPENG Expande IA para Robôs Humanoides e Robotáxis

Robô IRON Compartilha Mesma Tecnologia dos Carros Autônomos

A próxima geração do robô IRON estreou com 82 graus de liberdade em todo o corpo e mãos projetadas na proporção 1:1 com humanos, utilizando as menores juntas harmônicas da indústria para alcançar 22 graus de liberdade em cada mão. Equipado com três chips Turing AI entregando 3.000 TOPS de poder computacional, o robô opera com a mesma arquitetura VLT + VLA + VLM dos veículos autônomos, possibilitando conversação, caminhada e interação complexas. Com 1,73 metros de altura e 70 quilogramas, o IRON pioneiramente utiliza baterias de estado sólido em robôs humanoides. A produção em massa está programada para o final de 2026, com aplicações iniciais como guias turísticos e assistentes de vendas nas instalações da XPENG. He Xiaopeng projetou que venderá mais robôs do que carros nos próximos 10 anos.

Três Modelos de Robotáxi Planejados para 2026

Construídos na plataforma GX com quatro chips Turing AI, três variantes de robotáxi (5, 6 e 7 lugares) iniciarão operações piloto no segundo semestre de 2026. O Amap firmou parceria como primeiro ecossistema global, enquanto operações totalmente autônomas sem supervisor de segurança estão previstas para início de 2027.

CEO Prevê Nível 5 de Autonomia Até 2030

He Xiaopeng declarou que a probabilidade de alcançar capacidades de software L4 até 2028 é “extremamente alta”. Um protótipo inicial de autonomia nível 5 pode surgir por volta de 2030.

Conclusão

A XPENG demonstra que a corrida pela direção autônoma verdadeira não será vencida apenas com sensores melhores, mas com arquiteturas fundamentalmente diferentes. O VLA 2.0 representa essa mudança de paradigma, processando o mundo físico como motoristas humanos fazem, sem camadas intermediárias que causam hesitação. Testemunhamos investimentos de US$ 1,4 bilhão materializando-se em tecnologia que supera a Tesla em condições reais. Além disso, a expansão para robôs humanoides e robotáxis confirma que a Physical AI transcende o setor automotivo, redefinindo como máquinas interagem conosco.