2025年3月，小米汽車發(fā)布了一組讓行業(yè)意外的數(shù)據(jù)：XLA認(rèn)知大模型研發(fā)投入已達(dá)57.9億元，團(tuán)隊(duì)規(guī)模超過(guò)1800人，測(cè)試車隊(duì)超過(guò)400臺(tái)。

這個(gè)投入規(guī)模放在全行業(yè)是什么概念？小米作為一個(gè)2024年3月才交付第一輛車的品牌，在智駕AI上的資源投入已經(jīng)躋身行業(yè)第一梯隊(duì)。

更讓人意外的是，這組數(shù)據(jù)不只服務(wù)于智駕。在小米的AI版圖里，駕駛只是一條支線——座艙里的超級(jí)小愛(ài)、手機(jī)上的海量用戶、家里的智能空調(diào)和掃地機(jī)器人，都站在同一條大模型底座之上。

這就是小米和其他車企最大的不同。華為ADS專注把駕駛做到極致，特斯拉FSD把純視覺(jué)路線走到黑，而小米的XLA從一開(kāi)始就不是"智駕大模型"——它是一個(gè)認(rèn)知大模型，碰巧也能開(kāi)車。

數(shù)據(jù)驅(qū)動(dòng)的技術(shù)進(jìn)化

2025年7月，小米向用戶推送了基于1000萬(wàn)個(gè)Clips訓(xùn)練的新版XLA。所謂Clip，是小米對(duì)訓(xùn)練數(shù)據(jù)的基本單元定義：每段約30秒的多傳感器同步記錄，融合激光雷達(dá)點(diǎn)云、攝像頭圖像、毫米波雷達(dá)信號(hào)、導(dǎo)航路徑和車外聲音。1000萬(wàn)Clips，意味著超過(guò)8300小時(shí)的真實(shí)道路駕駛場(chǎng)景，全部來(lái)自中國(guó)路況。

8300個(gè)小時(shí)是什么概念？一個(gè)全職網(wǎng)約車司機(jī)一年的運(yùn)營(yíng)時(shí)長(zhǎng)大約在2500到3000小時(shí)之間。也就是說(shuō)，XLA的訓(xùn)練數(shù)據(jù)量相當(dāng)于近3個(gè)司機(jī)連續(xù)不斷地開(kāi)了三年車，而且這些數(shù)據(jù)不是來(lái)自單個(gè)城市，而是覆蓋了中國(guó)各地的高速公路、城市快速路、城中村窄路、環(huán)島路口等各種場(chǎng)景。

截至2025年11月，小米汽車輔助駕駛用戶達(dá)47.3萬(wàn)人，累計(jì)輔助駕駛里程突破3億公里，避免可能的碰撞累計(jì)45.7萬(wàn)次，泊車輔助累計(jì)使用3096.4萬(wàn)次。輔助駕駛功能活躍占比達(dá)90%。

這個(gè)數(shù)據(jù)增長(zhǎng)速度在行業(yè)內(nèi)相當(dāng)可觀。更重要的是，這3億公里全部來(lái)自小米自研系統(tǒng)的真實(shí)用戶數(shù)據(jù)，數(shù)據(jù)閉環(huán)的純凈度遠(yuǎn)高于采購(gòu)第三方方案的車企。

XLA的潛空間推理能力

XLA真正的技術(shù)突破，藏在一個(gè)叫"潛空間推理"（Latent Chain-of-Thought）的架構(gòu)設(shè)計(jì)里。

傳統(tǒng)的端到端模型在做決策時(shí)，需要把感知結(jié)果翻譯成人類可讀的語(yǔ)言進(jìn)行中間推理，再翻譯回機(jī)器指令。這個(gè)過(guò)程存在兩層損耗：語(yǔ)言翻譯丟失高維信息，中間推理增加決策延遲。

小米XLA的做法是——跳過(guò)人類語(yǔ)言，直接用高維向量空間做推理。系統(tǒng)在潛空間里完成"思考"，最終輸出駕駛指令的同時(shí)，還能生成一條可追溯的推理鏈。這意味著工程師可以事后檢查：XLA在某個(gè)路口為什么選擇了左轉(zhuǎn)而不是直行？哪一層推理出了偏差？

低時(shí)延加上可解釋性，這是大多數(shù)端到端智駕系統(tǒng)至今未能同時(shí)解決的矛盾。英偉達(dá)在2025年的技術(shù)白皮書中也提到，"可解釋性"是端到端智駕從L2+邁向L3的關(guān)鍵瓶頸之一。小米選擇用"潛空間"這個(gè)更偏學(xué)術(shù)的概念來(lái)回答這個(gè)工程難題，某種程度上反映了小米AI實(shí)驗(yàn)室的學(xué)術(shù)基因。

支撐XLA運(yùn)行的硬件同樣激進(jìn)：新一代SU7搭載英偉達(dá)Thor芯片，算力達(dá)到700TOPS，是上一代Orin X（84TOPS）的8倍以上。Thor芯片的算力富余為XLA的多任務(wù)并行提供了硬件基礎(chǔ)——智駕、座艙語(yǔ)音、環(huán)境感知、路徑規(guī)劃可以共享同一塊芯片的計(jì)算資源，避免了多芯片架構(gòu)之間的通信延遲。

從"聽(tīng)話"到"懂你"

如果把XLA比作小米汽車的大腦，那"超級(jí)小愛(ài)"就是這張臉。

2026款SU7發(fā)布會(huì)上，小米展示了小愛(ài)同學(xué)在車端的幾項(xiàng)進(jìn)化：方言識(shí)別從3種擴(kuò)展到7種，新增了人格腔調(diào)模仿能力，聲音從合成感變成了帶有呼吸和停頓的"蜜糖音色"。

這些聽(tīng)起來(lái)像是產(chǎn)品噱頭，但背后是小米在手機(jī)端積累的真實(shí)數(shù)據(jù)優(yōu)勢(shì)。小愛(ài)同學(xué)在中國(guó)擁有龐大的用戶基礎(chǔ)，每天被喚醒數(shù)億次。多年的手機(jī)語(yǔ)音交互數(shù)據(jù)，直接遷移到了車端。這個(gè)數(shù)據(jù)積累量，是任何一家車企的座艙團(tuán)隊(duì)都無(wú)法企及的。

更值得關(guān)注的是多模態(tài)理解能力的突破。2026款SU7支持"可視即可問(wèn)"功能：用戶指著車窗外的一棟建筑問(wèn)"這是什么"，系統(tǒng)能識(shí)別并回答。路過(guò)一片不認(rèn)識(shí)的花，拍照就能給出品種和花期。這些場(chǎng)景不是靠預(yù)設(shè)數(shù)據(jù)庫(kù)，而是通過(guò)多模態(tài)大模型實(shí)時(shí)理解。和傳統(tǒng)座艙的"語(yǔ)音助手+預(yù)設(shè)指令"模式相比，這是一個(gè)質(zhì)的跨越——從"執(zhí)行指令"變成了"理解意圖"。

車外語(yǔ)音交互是另一個(gè)獨(dú)特場(chǎng)景。小米SU7配備了360度拾音系統(tǒng)，支持車主站在車外用語(yǔ)音控制泊車——"幫我靠左停進(jìn)那個(gè)車位"。系統(tǒng)結(jié)合聲紋識(shí)別確認(rèn)車主身份（防止陌生人通過(guò)語(yǔ)音控制車輛），再調(diào)用XLA的感知和規(guī)劃能力執(zhí)行泊入。這個(gè)場(chǎng)景的巧妙之處在于，它把語(yǔ)音交互從車內(nèi)延伸到了車外，讓車變成了一個(gè)可以"聽(tīng)懂指令并執(zhí)行"的智能體。

此外，超級(jí)小愛(ài)在座艙內(nèi)還實(shí)現(xiàn)了"上下文記憶"能力。你可以先說(shuō)"導(dǎo)航去公司"，路上又說(shuō)"幫我點(diǎn)一杯咖啡"，系統(tǒng)會(huì)自動(dòng)把咖啡送到公司地址附近——它記住了你之前的導(dǎo)航目標(biāo)作為上下文。這種多輪對(duì)話能力在手機(jī)端已經(jīng)是標(biāo)配，但遷移到車端后，配合位置信息和時(shí)間信息，能衍生出更豐富的場(chǎng)景。

VLA和世界模型：兩條路都走

2025年的智駕行業(yè)有一個(gè)激烈的技術(shù)路線之爭(zhēng)：VLA（視覺(jué)-語(yǔ)言-動(dòng)作）和世界模型，哪個(gè)才是終局？

VLA陣營(yíng)認(rèn)為，自動(dòng)駕駛本質(zhì)是一個(gè)"看-理解-行動(dòng)"的閉環(huán)，語(yǔ)言模型提供了常識(shí)推理能力，可以直接橋接感知與控制。大語(yǔ)言模型展現(xiàn)出的泛化能力讓這個(gè)方向備受期待——如果一個(gè)模型能理解"行人可能突然加速跑過(guò)馬路"這種常識(shí)，那它理論上也能在駕駛中做出更類人的預(yù)判。

世界模型陣營(yíng)則認(rèn)為，真正的自動(dòng)駕駛需要系統(tǒng)"理解"物理世界的運(yùn)行規(guī)律——預(yù)測(cè)其他車輛的運(yùn)動(dòng)軌跡、理解交通流的節(jié)奏、預(yù)判行人過(guò)馬路的意圖。這種理解不能靠語(yǔ)言常識(shí)來(lái)替代，而需要通過(guò)物理仿真和數(shù)據(jù)驅(qū)動(dòng)來(lái)構(gòu)建一個(gè)內(nèi)部的"世界表征"。

小米的選擇是：不走單一路線，兩者融合。

XLA的架構(gòu)里，世界模型負(fù)責(zé)構(gòu)建環(huán)境理解和預(yù)測(cè)能力，VLA提供常識(shí)推理和決策泛化，兩者通過(guò)強(qiáng)化學(xué)習(xí)機(jī)制無(wú)縫銜接。雷軍在內(nèi)部技術(shù)分享中表達(dá)過(guò)一個(gè)觀點(diǎn)："這兩種路線不是非此即彼，而是相輔相成。世界模型解決的是'理解世界'，VLA解決的是'做出行動(dòng)'。缺了任何一個(gè)，都不是完整的自動(dòng)駕駛。"

與特斯拉FSD對(duì)比，小米堅(jiān)持多傳感器融合路線（激光雷達(dá)+視覺(jué)+毫米波雷達(dá)），F(xiàn)SD則走純視覺(jué)。兩者的訓(xùn)練數(shù)據(jù)結(jié)構(gòu)也完全不同：FSD積累了海量純視覺(jué)視頻數(shù)據(jù)，優(yōu)勢(shì)在于規(guī)模和全球覆蓋；XLA的1000萬(wàn)Clips則包含多傳感器同步信息，優(yōu)勢(shì)在于每個(gè)數(shù)據(jù)點(diǎn)的信息密度更高——同一個(gè)Clip里，激光雷達(dá)提供了精確的三維距離，攝像頭提供了顏色和紋理，毫米波雷達(dá)補(bǔ)充了速度和穿透能力。

與華為ADS對(duì)比，差異更多在商業(yè)模式上。華為ADS定位平臺(tái)化智駕方案，同時(shí)服務(wù)問(wèn)界、智界、享界、尊界等多品牌，依靠規(guī)模效應(yīng)攤薄研發(fā)成本；小米XLA則完全自研自用，數(shù)據(jù)閉環(huán)不對(duì)外開(kāi)放。兩條路線各有利弊：華為靠規(guī)模攤薄成本，合作車企越多單位研發(fā)成本越低；小米靠閉環(huán)加速迭代，數(shù)據(jù)純凈度更高，迭代速度不受合作方掣肘。

值得注意的是，華為ADS和小米XLA都選擇了多傳感器融合路線，這說(shuō)明至少在中國(guó)復(fù)雜的道路環(huán)境下，純視覺(jué)方案的安全性冗余仍然是行業(yè)共識(shí)。特斯拉堅(jiān)持純視覺(jué)更多是成本邏輯（省掉一顆激光雷達(dá)能降低數(shù)千元硬件成本），而非技術(shù)路線上的絕對(duì)優(yōu)劣判斷。

人車家生態(tài)的終極場(chǎng)景

如果只看智駕和座艙，小米XLA和華為ADS、特斯拉FSD的差距并不算懸殊。真正讓小米的AI布局與眾不同的，是"人車家全生態(tài)"——一個(gè)能同時(shí)串聯(lián)手機(jī)、汽車和智能家居的大模型體系。

小米澎湃OS是這個(gè)生態(tài)的底層操作系統(tǒng)。2024年底發(fā)布的澎湃OS 2.0，集成了Xiaomi HyperAI端云大模型矩陣，在底層打通了HyperCore（性能內(nèi)核）、HyperConnect（互聯(lián)引擎）和HyperAI（智能引擎）三大模塊。這套架構(gòu)的設(shè)計(jì)思路和鴻蒙OS 4.0有相似之處——都是在操作系統(tǒng)層面嵌入AI能力，而非在應(yīng)用層做AI功能的疊加。

落到具體場(chǎng)景上，有幾個(gè)值得關(guān)注的聯(lián)動(dòng)能力：

跨設(shè)備記憶。用戶在車上聽(tīng)過(guò)一首歌，到家后小米音箱會(huì)推薦同類型歌單。上周用車載導(dǎo)航去過(guò)的咖啡店，手機(jī)會(huì)自動(dòng)推薦附近的分店。這些不是簡(jiǎn)單的數(shù)據(jù)同步，而是大模型對(duì)用戶習(xí)慣的理解和延續(xù)。XLA的世界模型不只理解駕駛環(huán)境，也在學(xué)習(xí)用戶的偏好模型——你在什么時(shí)間、什么地點(diǎn)、做什么事。這種理解能力，單個(gè)設(shè)備上的AI是做不到的。

智能家居聯(lián)動(dòng)。距離家5公里時(shí)，空調(diào)自動(dòng)開(kāi)啟、熱水器預(yù)熱、掃地機(jī)器人回充。到達(dá)地庫(kù)后，家中燈光根據(jù)時(shí)間自動(dòng)切換至"回家模式"。這些場(chǎng)景在2026款SU7上已經(jīng)可以實(shí)現(xiàn)，通過(guò)XLA的場(chǎng)景理解引擎自動(dòng)觸發(fā)，不需要用戶手動(dòng)設(shè)置自動(dòng)化規(guī)則。和傳統(tǒng)IoT的"if-then"自動(dòng)化不同，XLA能理解"距離家5公里"的語(yǔ)義含義——是正常下班還是臨時(shí)繞路？是凌晨回家還是晚上八點(diǎn)？根據(jù)不同情境做出不同響應(yīng)。

蘋果生態(tài)兼容。在小米的用戶群里，iPhone用戶比例不低。小米通過(guò)UWB近場(chǎng)通信實(shí)現(xiàn)了iPhone靠近SU7自動(dòng)解鎖車門，靈動(dòng)島顯示車輛狀態(tài)，CarPlay無(wú)線連接。這不是"擁抱蘋果"，而是一個(gè)務(wù)實(shí)的生態(tài)策略——大模型的世界模型需要覆蓋盡可能多的設(shè)備類型，用戶的手機(jī)是蘋果還是小米，不應(yīng)該影響座艙AI的體驗(yàn)。

雷軍曾用"泛機(jī)器人"來(lái)形容小米汽車的戰(zhàn)略定位。在他看來(lái)，汽車是小米機(jī)器人版圖中最大的一個(gè)產(chǎn)品形態(tài)。XLA認(rèn)知大模型不只是讓車能自己開(kāi)，更是在為未來(lái)的具身智能場(chǎng)景積累核心能力——無(wú)論這個(gè)"機(jī)器人"是四輪的還是兩條腿的。從這個(gè)角度看，小米投入57.9億元做XLA，就不只是"為了做好智駕"這么簡(jiǎn)單了。

大模型的下半場(chǎng)

截至2026年初，小米XLA面臨的局面是：智駕能力追趕頭部選手的窗口期正在收窄，但"不止于智駕"的差異化路線仍有擴(kuò)展空間。

有利的一面是數(shù)據(jù)的飛輪效應(yīng)。47.3萬(wàn)用戶每月貢獻(xiàn)的駕駛里程在持續(xù)增長(zhǎng)，1000萬(wàn)Clips的訓(xùn)練基座會(huì)快速膨脹。2025年第四季度，小米推送了新一代XLA端到端架構(gòu)，進(jìn)一步提升復(fù)雜場(chǎng)景的處理能力。如果用戶增長(zhǎng)保持當(dāng)前勢(shì)頭，XLA的訓(xùn)練數(shù)據(jù)量有望持續(xù)擴(kuò)張，這個(gè)增速在行業(yè)內(nèi)相當(dāng)可觀。

超級(jí)小愛(ài)的手機(jī)端遷移也是獨(dú)特優(yōu)勢(shì)。龐大的用戶基礎(chǔ)每天都在和AI對(duì)話，這些交互數(shù)據(jù)可以直接優(yōu)化車端的語(yǔ)音和認(rèn)知能力。在"讓AI理解中國(guó)用戶"這件事上，小米的數(shù)據(jù)積累可能比大多數(shù)車企都深厚。更何況，小米AI實(shí)驗(yàn)室在2023年就發(fā)布了自研的大語(yǔ)言模型MiLM，在大模型領(lǐng)域的技術(shù)儲(chǔ)備不比任何一家車企差。

即將上市的YU9（增程SUV）也將搭載XLA認(rèn)知大模型，這意味著小米的AI能力將從純電轎車擴(kuò)展到增程SUV品類。增程車型的高速長(zhǎng)途場(chǎng)景更多，能進(jìn)一步豐富XLA在不同速度區(qū)間和路況下的訓(xùn)練數(shù)據(jù)。

挑戰(zhàn)同樣存在。智駕端，華為ADS 4.0已經(jīng)落地城市NOA全國(guó)開(kāi)城，特斯拉FSD也在加速進(jìn)入中國(guó)市場(chǎng)，留給小米XLA追趕到第一梯隊(duì)的時(shí)間不多了。算力端，大模型的能耗問(wèn)題在車端更為嚴(yán)峻，Thor芯片雖然算力強(qiáng)大，但功耗和散熱在車載環(huán)境下都是工程難題。如何平衡AI能力和整車能效，是小米需要持續(xù)攻克的課題。

但57.9億只是起跑線上的投入。小米真正想做的事情，不是造一輛"能自己開(kāi)的車"，而是造一個(gè)"能理解世界的移動(dòng)終端"。XLA認(rèn)知大模型是這臺(tái)終端的大腦，超級(jí)小愛(ài)是它的臉，人車家生態(tài)是它的手和腳。

從這個(gè)角度看，小米的AI大模型布局確實(shí)不止于智駕。智駕只是它向世界證明自己能力的第一張答卷。第二張答卷，可能是一臺(tái)能理解你回家習(xí)慣的汽車，一臺(tái)能在你開(kāi)口之前就知道你要去哪的車載AI，一臺(tái)讓"科技普惠"真正落到每個(gè)用戶日常出行的智能終端。

（雷峰網(wǎng)(公眾號(hào)：雷峰網(wǎng))新智駕北京車展2026專題）

雷峰網(wǎng)原創(chuàng)文章，未經(jīng)授權(quán)禁止轉(zhuǎn)載。詳情見(jiàn)轉(zhuǎn)載須知。