XPENG da China lançou VLA 6.3.0 na semana passada, divisão de robótica capta US$ 900 milhões

De acordo com pt.wedoany.com-A XPENG divulgou na semana passada, em sequência, seus resultados do segundo trimestre, o sistema de direção inteligente VLA 2.0 versão 6.3.0 e o progresso da captação de recursos para o robô humanóide IRON. As três ações giram em torno da inteligência artificial física. Os resultados relacionados ainda não foram totalmente incorporados às finanças do período, mas estão abrindo uma nova fase de desenvolvimento para esta empresa de tecnologia em rápida expansão.

O relatório financeiro mostra que a receita da XPENG no segundo trimestre atingiu US$ 2,91 bilhões, um aumento anual de 8,0% e um aumento trimestral de 51,5%; a margem bruta geral foi de 20,7%, superior aos 17,3% de 2025; em comparação, a margem bruta da Tesla foi de 16,8%. No entanto, a margem de lucro do negócio automotivo caiu para 12,1%, abaixo dos 14% de 2025, parcialmente relacionada aos custos de lançamento de novos modelos. A melhoria da margem bruta veio principalmente do segmento de serviços, cuja maior parte da receita é proveniente de serviços de pesquisa e desenvolvimento tecnológico prestados ao Grupo Volkswagen. Essa estrutura de receita aproxima a XPENG, em termos de lucratividade, mais de uma empresa de tecnologia do que de uma mera montadora.

Os investimentos em tecnologia também afetam o lucro do período. A XPENG registrou um prejuízo líquido total de US$ 200 milhões, impulsionado principalmente por um aumento anual de 35% nas despesas com pesquisa e desenvolvimento, bem como pelo aumento das despesas administrativas e de vendas decorrentes da expansão global e do lançamento de novos modelos. Tomemos como exemplo o evento de lançamento do L03 em Munique, em julho: esse tipo de evento exige investimentos consideráveis. Com o aumento da produção de vários modelos e sua entrada na fase de entregas, esses investimentos em pesquisa e marketing serão gradualmente refletidos nas operações subsequentes.

Na quinta-feira passada, a XPENG lançou a versão VLA 2.0 6.3.0, a primeira grande atualização de versão desde o lançamento do VLA 2.0, que será distribuída via OTA nas próximas semanas. A atualização do sistema de direção inteligente precisa equilibrar segurança, confiabilidade e velocidade de resposta, operando sob restrições de latência, poder computacional e consumo de energia; se o novo software não puder rodar suavemente no hardware existente, a atualização não terá valor prático.

O modelo VLA 2.0 atualizado introduz a dimensão temporal além da percepção espacial, prevendo os próximos passos de forma 4D, combinando eventos históricos. O suporte para essa capacidade vem do Infini-VLA, que pode acessar uma linha do tempo histórica infinita durante a tomada de decisão; a XPENG descobriu em cenários reais de direção que a memória histórica geralmente não precisa exceder 30 segundos, portanto, definiu essa janela de memória para 30 segundos.

Como o veículo não pode parar para processar informações ou planejar ações durante a condução, a nova atualização adota Inferência em Fluxo Contínuo (Streaming Inference), permitindo que a percepção, o raciocínio e a saída de tokens de trajetória ocorram simultânea e continuamente. A XPENG afirma que essa abordagem melhora a latência e a velocidade de resposta em 300%.

A tecnologia X-Foresight (Previsão Antecipada), divulgada pela XPENG em junho, agora está disponível ao público. O sistema infere a situação do tráfego nos próximos 6 segundos com base em dados históricos, realizando raciocínio proativo; sua capacidade subjacente pode suportar previsões de até 21 segundos, mas o padrão é limitado a 6 segundos para economizar poder computacional. O mecanismo de Flow-Matching (Correspondência de Fluxo) mapeia os dados em múltiplas trajetórias futuras, selecionando o resultado ideal por meio de decisão probabilística. Combinando as tecnologias acima, a XPENG afirma que o desempenho de segurança melhorou 20 vezes e descreve este sistema de direção inteligente semelhante ao humano como tendo capacidades "além do humano".

A XPENG utiliza o mesmo hardware para operações de Robotaxi de Nível 4, tendo concluído mais de 2.000 pedidos em vias públicas para clientes internos. As regulamentações chinesas de direção inteligente são mais rigorosas que as dos EUA, mas uma comercialização mais ampla é esperada em breve.

As capacidades mais completas do VLA 2.0 são reservadas para modelos equipados com múltiplos chips Turing de desenvolvimento próprio, mas modelos com chip único também receberão as capacidades VLA correspondentes. A redução de dois chips para um único chip não é simplesmente uma redução pela metade das capacidades: a XPENG simplifica os requisitos de processamento através do HybridViT, preservando ao máximo as capacidades subjacentes e minimizando as concessões de desempenho. As alterações relevantes envolvem ajustes na arquitetura subjacente, em vez de cortar funcionalidades diretamente.

O Master Agent utiliza um modelo multimodal onisciente (Omni multimodal model), processando a interação por voz em uma conversa semelhante à humana. A XPENG afirma que isso é, essencialmente, "transformar a interação por voz em um robô". O sistema utiliza chips Turing dedicados para processar a voz localmente e combina a compreensão do ambiente para entender a intenção do usuário; o usuário não precisa usar comandos predefinidos, e a conversa é suficiente para identificar destino e rota. O plano também pode ser modificado a qualquer momento durante a viagem; se for necessário encostar o veículo, o sistema encontrará um local seguro por conta própria, sem necessidade de tocar na tela sensível ao toque. No vídeo de demonstração, o usuário, apenas por voz, navegou até um restaurante de nome complicado categorizando pelo tipo de prato, parando em frente a um prédio preto no quarteirão. Quase todas as funções do veículo podem ser controladas por voz. Essa forma de interação se aproxima do sistema KITT da série de TV "Super Máquina", diferindo bastante da experiência de assistentes de voz comuns; a eficácia real ainda precisa ser confirmada pela experiência. A XPENG considera o controle por voz um requisito essencial para Robotaxis, acreditando que cenários sem motorista exigem esse nível de interação para garantir operação segura; a capacidade de generalização do modelo também ajuda na rápida adaptação ao entrar em novos mercados.

A divisão de trabalho entre os múltiplos chips Turing também ficou mais clara com este lançamento: o primeiro chip é responsável pela direção inteligente, o segundo expande as capacidades, o terceiro é dedicado ao controle por voz e comunicação, e os modelos Robotaxi também contam com um quarto chip como redundância em cenários sem motorista. Cada chip tem capacidade de 750 TOPS, superando a capacidade computacional total do HW4 da Tesla.

A expansão da frota trouxe mais dados de treinamento, com um total acumulado de 110 milhões de clipes de vídeo. O número de modelos de simulação gerados diariamente pela plataforma de simulação X-World (Mundo de Simulação) aumentou 290% em relação a junho. Contando com dados reais e simulados, a capacidade do modelo de lidar com cenários de borda, como zonas de obras e balsas, foi aprimorada.

Em relação à distribuição de versões, os modelos Ultra e Ultra SE receberão a nova atualização VLA 2.0 em setembro; a versão Max, equipada com um único chip Turing, receberá a atualização VLA Lite no próximo mês; modelos mais antigos equipados com dois chips NVIDIA Orin receberão a atualização no final deste ano. Não há informações sobre modelos equipados com um único chip Orin.

A XPENG não adotou um modelo de assinatura, mas oferece os novos recursos aos clientes existentes via OTA, afirmando que "não quer simplesmente reduzir os parâmetros do modelo, mas sim proporcionar uma experiência mais consistente para todos". Os recursos efetivamente fornecidos excedem o compromisso inicial. Em comparação, algumas empresas cobram extra para desbloquear funções de hardware existentes, e outras têm lacunas entre o prometido e o entregue.

O feedback de vários test drives anteriores do VLA 2.0 mostrou que seu desempenho de direção semelhante ao humano é impressionante e o sistema aprende rapidamente. Se a versão 6.3.0 cumprir todas as promessas, a liderança da XPENG em direção inteligente se expandirá ainda mais. Esta atualização não contribuirá imediatamente para a receita; no entanto, o reconhecimento dos novos recursos pelos usuários após a experiência real pode impulsionar as vendas de automóveis, especialmente dos modelos de alta especificação com os recursos mais avançados, ao mesmo tempo que cria condições para a exportação de tecnologia para outras montadoras.

A XPENG está fornecendo aos clientes capacidades que excedem as expectativas iniciais do hardware. Além da direção inteligente, a XPENG também tem novidades no campo da robótica.

A divisão de robótica da XPENG, Dogotix, concluiu uma captação de US$ 900 milhões, com avaliação de US$ 6,3 bilhões. A XPENG a descreve como "a maior rodada de financiamento privado da história da indústria de inteligência incorporada da China". Conforme o plano, o IRON será implantado nas lojas da XPENG em 2026 para fornecer suporte de vendas, e as entregas para clientes externos nos setores de varejo e serviços começarão em 2027; a capacidade de produção de vários milhares de unidades por mês se expandirá conforme a demanda.

O IRON é um robô com alto grau de semelhança humana em forma e design, com foco de pesquisa no elo de interação humano-máquina; no entanto, robôs humanóides não são a forma ideal para todos os cenários industriais. A Alibaba e a Tencent já entraram como investidores estratégicos, e seus sistemas de pagamento Alipay e WeChat Pay cobrem uma grande quantidade de transações diárias na China.

Após a captação independente, a Dogotix permanece sob controle da XPENG, mas não é mais uma subsidiária integral, o que acarreta mais obrigações de prestação de contas, aumentando também a transparência do desempenho do negócio de robótica. A XPENG afirma que a receita do ciclo de vida de cada robô, entre vendas e atualizações, pode ser maior que a de um automóvel. Com o início do crescimento da receita de vendas no próximo ano, sua margem de lucro e lucratividade merecerão atenção.

A XPENG reutiliza a mesma infraestrutura e sistemas de software em diferentes linhas de produtos para diluir os investimentos em pesquisa e desenvolvimento. A empresa compara esse sistema compartilhado a um iceberg: os 95% invisíveis abaixo da superfície são a parte compartilhada, enquanto as formas de aplicação acima da superfície são distintas.

O investimento da XPENG em IA física não se limita aos lançamentos acima. A estratégia da empresa é resolver primeiro os problemas mais difíceis e depois lidar com os relativamente fáceis, acreditando que, após construir completamente o sistema de pesquisa e desenvolvimento de IA física, quanto maior o desafio inicial, mais fáceis serão os problemas subsequentes. Não colher primeiro os "frutos baixos" também dificulta a produção de resultados imediatos que alguns investidores de curto prazo esperam; em um cenário competitivo chinês de ritmo acelerado, essa escolha não é fácil.

A XPENG lida com os "desconhecidos desconhecidos" — cenários de borda que não podem ser razoavelmente previstos na fase de planejamento — por meio de iteração rápida. A empresa afirma que somente construindo completamente o sistema de IA é possível resolver continuamente esses problemas em iterações rápidas. A empresa chama esse ciclo de "volante de IA": carros melhores geram mais dados, os dados impulsionam melhorias no software, o software impulsiona as vendas de carros, mais carros cobrem mais cenários de borda, formando assim um modelo mais forte, que se estende a outras linhas de produtos.

Em relação aos requisitos regulatórios previsíveis para direção inteligente, o sistema deve realizar a inferência localmente, o que impõe maiores exigências sobre a eficiência do uso do poder computacional dos chips e a eficiência do modelo. Alguns concorrentes compensam a falta de poder computacional adicionando sensores, ou dependem de data centers centralizados, que enfrentam pressões em termos de privacidade e conformidade. A abordagem de executar modelos de IA eficientemente no local permite que o chip Turing e as aplicações de IA se estendam a mais cenários além da IA física.

No mesmo evento de lançamento, a XPENG também apresentou o XLLM (Arquitetura de Modelo de Linguagem Grande), que permite que um modelo de linguagem grande (LLM) seja executado em um único chip Turing. A XPENG afirma que sua eficiência de inferência se aproxima da do ChatGPT; o sistema opera localmente a uma taxa de geração superior a 20 tokens por segundo, otimizando os "modelos de linguagem grande atualmente comuns". Embora essa taxa não seja a mais alta do setor, a vantagem está em todo o processamento ser concentrado em um único chip, sem depender de data centers de alto consumo energético. O XLLM tem o potencial de adaptar as capacidades dos modelos de linguagem grande a vários casos de uso potenciais na forma de aplicações locais; essa abordagem de otimização também se aplica a data centers de IA, com potencial para reduzir significativamente o consumo de energia. O problema de executar IA física localmente, priorizado no setor automotivo, está abrindo novos espaços de aplicação para essa tecnologia.

A abordagem técnica de atacar primeiro os pontos difíceis também está criando novas fontes de receita, com a participação da receita de serviços técnicos aumentando continuamente. A Porsche está colaborando com a XPENG em um pool de emissões na Europa, visto como uma nova fonte potencial de receita. Com o aprofundamento da cooperação técnica com o Grupo Volkswagen, espera-se que a adoção do VLA 2.0 nos veículos do grupo se expanda.

As capacidades de direção inteligente e as vendas de veículos elétricos estão interligadas: o desempenho da direção inteligente impulsiona as vendas de carros, a escala expandida retroalimenta o desenvolvimento da plataforma de veículos elétricos, impulsionando assim o processo de eletrificação.

A XPENG está avançando em direção à meta de ser a primeira a atender à regulamentação unificada DCAS da ONU e alcançar direção inteligente global. A disseminação da experiência de direção inteligente tende a aumentar a consideração dos clientes pelos modelos XPENG, e outras montadoras também podem adquirir as capacidades relevantes, criando assim uma dupla fonte de receita: vendas de automóveis e serviços técnicos; as capacidades de IA continuam evoluindo com mais dados e podem ser transferidas para outras áreas. O ciclo de investimento atual da XPENG está no ponto crítico de transformar pesquisa e desenvolvimento de longo prazo em receita de múltiplos produtos. Vendas de automóveis, serviços técnicos e o negócio de robótica podem constituir conjuntamente as fontes de receita subsequentes, com parte dos lucros reinvestida no desenvolvimento de novas tecnologias.