He Xiaopeng siaran langsung "mengaku": membakar 300 juta setiap bulan, bertaruh pada VLA generasi kedua, kami juga merasa cemas.

Ringkasan:

Berapa besar “taruhan” ini? He Xiaopeng memberikan angka: 300 juta yuan per bulan. Selama lebih dari sepuluh bulan berturut-turut. Objek yang diinvestasikan adalah dari chip, compiler hingga arsitektur perangkat lunak, sistem tertutup data dari seluruh rangkaian pengembangan sendiri.

Pada malam 16 Maret, Chairman XPeng He Xiaopeng dan kepala Pusat Kecerdasan Umum XPeng Liu Xianming duduk di ruang siaran langsung. Siaran yang berjudul “Ask Me Anything” ini seharusnya menjadi komunikasi teknis rutin, tetapi karena He Xiaopeng sering “mengungkapkan diri sendiri”, berubah menjadi pengakuan terbuka tentang jalur teknologi dan pilihan bisnis.

“Setiap bulan menghabiskan 300 juta untuk bertaruh pada ini, selama lebih dari sepuluh bulan, pada saat itu saya juga merasa sangat cemas.”

“Taruhan” yang dimaksud He Xiaopeng adalah sistem mengemudi pintar generasi kedua XPeng VLA (Visual-Language-Action Model) yang akan diluncurkan pada 19 Maret. Untuk arsitektur baru yang benar-benar mengabaikan aturan dan merekonstruksi logika mengemudi dengan AI, XPeng memilih “jalan satu-satunya” selama lebih dari setahun terakhir.

Investasi 300 juta per bulan, sebuah taruhan besar tentang “rasa aman”

“Banyak perusahaan seharusnya mengikuti dua jalur sekaligus, tetapi akhirnya kita memilih satu jalur. Dengan keyakinan menjalani satu jalur.” He Xiaopeng mengakui dalam siaran langsung, intuisi teknologi dan keberanian keduanya sangat penting. Liu Xianming juga menambahkan: “Yang utama adalah berani bertaruh.”

Seberapa besar “taruhan” ini? He Xiaopeng memberikan angka: 300 juta yuan per bulan. Selama lebih dari sepuluh bulan berturut-turut. Investasi tersebut mencakup chip, compiler, arsitektur perangkat lunak, data tertutup, dan sistem infrastruktur AI dari awal. Liu Xianming menjelaskan: “Kami melakukan pengembangan mandiri dari semua dimensi—chip Turing, struktur model Turing, compiler, arsitektur perangkat lunak di baliknya, serta data dan sistem AI Infra yang banyak. Ini bukan kebetulan, melainkan sebuah sistem yang maju secara lengkap.”

Produk langsung dari sistem ini adalah generasi kedua VLA yang akan diluncurkan. Liu Xianming mengungkapkan bahwa setelah memutuskan produksi massal, tim mengalami iterasi intensif: uji coba media dan versi toko adalah “sekitar versi besar kedua, dengan belasan sub-versi kecil di dalamnya”, sedangkan versi produksi massal yang akan diluncurkan adalah “versi besar keempat, dengan 28 sub-versi kecil di dalamnya”. Kecepatan iterasi cukup cepat, setiap versi melalui pengujian ketat, tetapi satu fitur dihentikan sementara—penjelajahan di taman dan garasi.

“Kami merasa fitur ini belum mencapai tingkat mengagumkan seperti di kota, demi pengalaman pengguna, sementara ini tidak akan diluncurkan dulu, versi berikutnya akan menyusul.” Liu Xianming mengatakan. He Xiaopeng memberikan penjelasan yang lebih emosional: “Saya berharap versi pertama sudah bisa mengeluarkan fitur penjelajahan taman, tetapi jika kecepatan tinggi dan di kota mendapatkan 90 poin, taman hanya 60 poin, pengguna akan sulit menerima. Kami ingin mencapai 85-90 poin baru meluncurkan.”

Dalam siaran langsung, diputar sebuah video yang membuat suasana langsung membeku: di jalan dua arah dua jalur, tergeletak empat anak. VLA generasi kedua XPeng mengenali dan mengurangi kecepatan sebelumnya. Tetapi reaksi Liu Xianming sangat mengejutkan—dia tidak memamerkan, malah merasa “takut”.

“Kami melihat data backend dari kasus ini, VLA generasi kedua memang mengurangi kecepatan, tetapi perlambatannya tidak cukup untuk berhenti.” Liu Xianming mengatakan, “Ini memberi kami motivasi bahwa kami masih jauh dari sempurna. Kami berharap dapat benar-benar aman dalam situasi darurat apa pun.”

He Xiaopeng menambahkan detail yang lebih mengiris hati: pengemudi adalah rekan internal, dia menyadari mobil “menurunkan kecepatan secara aneh”, lalu menatap jalan dan menyadari itu anak-anak, lalu menekan rem. “Kalau dia tidak memperhatikan, mungkin saja mobil menabrak ‘bump stop’ di depan, konsekuensinya bisa sangat buruk.” He Xiaopeng berkata, “Mengapa kami melakukan otomatisasi mengemudi? Yang terpenting bukan membebaskan tangan, tetapi meningkatkan keamanan secara besar-besaran. Hampir 200.000 orang meninggal setiap tahun karena mengemudi di seluruh dunia, jika teknologi bisa menyelamatkan nyawa-nyawa ini, itu sangat berharga.”

Kasus ini juga menjadi penegasan XPeng tentang “rasa aman”. He Xiaopeng mengatakan, dulu saat menguji coba dengan ibunya, orang tua sangat tegang dan memegang pegangan, tetapi sekarang target VLA generasi kedua adalah “membuat ibu pun berani mengemudi, mau mengemudi, dan ingin mengemudi”. Untuk itu, mereka mengundang “ibu-ibu kantin” untuk mencoba, dan hasilnya, dari “takut” menjadi “berani” hanya dalam 15 menit.

14 detik “berpikir” dan kemampuan generalisasi

Salah satu momen yang menjadi sorotan adalah pengalaman wartawan media, Dayu: di jalan yang sedang dalam pembangunan dan tidak ada navigasi yang diperbarui, VLA generasi kedua berhenti selama 14 detik sebelum berbelok kiri secara otomatis dan memperbarui rute navigasi. 14 detik ini memicu perbincangan hangat di internet—apakah mobil sedang berpikir?

Liu Xianming menjelaskan: “Kami tidak tahu pasti apa yang dilakukan selama 14 detik ini, tetapi besar kemungkinan mobil sedang melakukan penalaran, mencoba menghasilkan jalur berbeda dan menilai kelayakannya.” He Xiaopeng langsung “menyindir”: “Saya sendiri mengkritik diri sendiri, kenapa harus menunggu 14 detik? Saya rasa seharusnya hanya 2 detik. Ini menunjukkan kita belum cukup baik, meskipun memang fitur ini bersifat generalisasi dan tidak harus mengikuti aturan navigasi.”

“2 detik” ini menjadi OKR Liu Xianming saat itu. He Xiaopeng juga menambahkan beberapa target: meningkatkan tingkat pengambilalihan dari 5 kali lipat saat ini menjadi 5-10 kali lipat, mencapai pengambilan alih dalam jarak 1000 km bahkan 10.000 km sekali; menyelesaikan parkir otomatis di tempat parkir yang asing; bahkan membayangkan pada 2027-2028 bisa melakukan “mengemudi otomatis di luar jalan”—berkendara sendiri di tempat tanpa jalan.

Menanggapi tren perbandingan media antara generasi kedua VLA dan Tesla FSD V13, He Xiaopeng memberikan penilaian objektif: “Dari V13, kami jelas lebih unggul. Tapi saya rasa karena XPeng di China, data di China, dan lebih memahami kondisi jalan di China. Kami sangat menantikan V14 masuk ke China, atau kami masuk ke Eropa, agar bisa membandingkan di jalur yang sama dan kompleks.”

Namun dia menekankan bahwa VLA generasi kedua lebih baik dalam “permainan manusia dan kendaraan”—misalnya pengantar barang, pejalan kaki, jalan sempit. “Ini bukan hanya ciri khas China, jalan kecil di Eropa juga banyak, di Asia Tenggara juga. Ketika kami masuk ke lebih banyak negara, XPeng mungkin akan lebih unggul.”

Liu Xianming lebih berhati-hati: “Sebenarnya kami tidak tahu pasti bagaimana Tesla melakukannya, lebih seperti meraba-raba saat menyeberangi sungai, melewati banyak lubang, dan membuang banyak uang. Tapi kami percaya, solusi akhir mungkin akan sama meskipun jalannya berbeda.”

Langsung lompat ke L4, melewati L3?

Dalam siaran langsung, He Xiaopeng mengemukakan pandangannya: sebaiknya langsung melompati L2 ke L4, melewati L3. Ia menjelaskan, dulu mengandalkan aturan untuk menulis kode, membutuhkan 100.000 atau bahkan 1 juta aturan, harus bertahap; tetapi sekarang AI model besar mampu melakukan penalaran dinamis, “kalau masih pakai L3, sangat mudah tertinggal dalam kompetisi global.”

Liu Xianming menambahkan dari sudut teknis: “L4 mengharuskan kita menyelesaikan semua masalah secara keras, tidak bisa menyerahkan masalah sulit ke pengguna. Tujuan akhirnya adalah membuat model generalisasi cukup kuat, mampu mengemudi dengan trajektori yang nyaman, tenang, dan aman di berbagai kondisi jalan.”

Untuk itu, XPeng sedang mendorong integrasi lintas domain: menggabungkan chassis, tenaga penggerak, kecerdasan mengemudi, kabin, semuanya dalam satu sistem cerdas umum yang mengendalikan seluruh kendaraan. “Akhirnya, ini lebih mirip agen super pintar, sebuah robot.” He Xiaopeng berkata, teknologi VLA yang sama juga sedang diuji di robot, “Kalian akan segera melihat robot XPeng mampu melakukan gerakan sangat lincah—duduk, berdiri, melompat, berlari, melompati rintangan, naik tangga.”

Pada 19 Maret, P7 Ultra akan diluncurkan terlebih dahulu; kemudian dalam beberapa hari G7 dan X9 akan mengikuti, semuanya selesai dalam bulan Maret; model lain (P7+, G9, G6) versi Ultra/SE akan mulai diluncurkan pada April. Versi Max akan terlebih dahulu menggunakan chip Turing, kemudian di paruh kedua tahun akan diluncurkan versi dual Orin Max.

“Baru setelah mencoba, Anda akan memiliki pemahaman baru tentang masa depan.” He Xiaopeng berkata, “Harus datang ke toko untuk mencoba mengemudi selama 15 menit, baru Anda akan percaya bahwa mengemudi tanpa pengemudi pasti akan datang dalam beberapa tahun ke depan, dan robot benar-benar bisa masuk ke keluarga, mengubah hidup kita.”

Siaran selama dua jam ini berakhir dengan perpaduan antara “perasaan” He Xiaopeng dan “rasionalitas” Liu Xianming.

Dan semua pemilik kendaraan yang menunggu peluncuran mungkin juga akan teringat kata-kata He Xiaopeng saat pertama kali mencoba generasi kedua VLA: “Kami bertaruh, tetapi taruhannya adalah masa depan.”