Chinas XPENG veröffentlichte letzte Woche VLA 6.3.0, Robotik-Sparte sammelt 900 Millionen US-Dollar ein

de.wedoany.com-Bericht: XPENG hat in der vergangenen Woche nacheinander die Ergebnisse des zweiten Quartals, das intelligente Fahrsystem VLA 2.0 Version 6.3.0 sowie den Finanzierungsfortschritt des humanoiden Roboters IRON bekannt gegeben – alle drei Maßnahmen drehen sich um physische KI. Die entsprechenden Ergebnisse sind noch nicht vollständig in die aktuelle Finanzberichterstattung eingeflossen, eröffnen dem schnell expandierenden Technologieunternehmen jedoch eine neue Entwicklungsphase.

Der Finanzbericht zeigt, dass der Umsatz von XPENG im zweiten Quartal 2,91 Milliarden US-Dollar erreichte, ein Anstieg von 8,0 % gegenüber dem Vorjahr und 51,5 % gegenüber dem Vorquartal; die Gesamtbruttomarge lag bei 20,7 %, höher als die 17,3 % im Jahr 2025; im Vergleich dazu lag die Bruttomarge von Tesla bei 16,8 %. Allerdings sank die Marge des Automobilgeschäfts auf 12,1 %, unter den 14 % von 2025, was teilweise mit den Kosten für neue Modellstarts zusammenhängt. Der Anstieg der Bruttomarge ist vor allem auf das Dienstleistungsgeschäft zurückzuführen, wobei der Großteil der Einnahmen aus technischen Forschungs- und Entwicklungsdienstleistungen für die Volkswagen Group stammt. Diese Einnahmestruktur bringt XPENG auf der Gewinnebenen näher an ein Technologieunternehmen als an einen reinen Automobilhersteller.

Technologieinvestitionen belasten ebenfalls das laufende Ergebnis – XPENG verzeichnete einen Gesamtnettverlust von 200 Millionen US-Dollar, hauptsächlich aufgrund eines Anstiegs der Forschungs- und Entwicklungsausgaben um 35 % gegenüber dem Vorjahr sowie gestiegener Verwaltungs- und Vertriebskosten durch die globale Expansion und neue Modellveröffentlichungen. Die L03-Präsentation im Juli in München ist ein Beispiel für derartige kostspielige Veranstaltungen. Mit dem Hochlauf mehrerer Modelle und dem Übergang in die Auslieferungsphase werden sich diese Forschungs- und Marketinginvestitionen im weiteren Betriebsverlauf allmählich niederschlagen.

Am vergangenen Donnerstag veröffentlichte XPENG die Version VLA 2.0 6.3.0 – das erste große Versionsupgrade seit der Einführung von VLA 2.0, das in den kommenden Wochen per OTA ausgerollt wird. Das Upgrade des intelligenten Fahrsystems muss Sicherheit, Zuverlässigkeit und Reaktionsgeschwindigkeit in Einklang bringen und unter den Beschränkungen von Latenz, Rechenleistung und Stromverbrauch laufen; wenn die neue Software nicht reibungslos auf der vorhandenen Hardware läuft, hat das Upgrade keinen praktischen Wert.

Das aktualisierte VLA-2.0-Modell führt neben der räumlichen Wahrnehmung eine zeitliche Dimension ein und prognostiziert die nächsten Schritte durch die Kombination historischer Ereignisse in 4D. Unterstützt wird diese Fähigkeit von Infini-VLA, das bei der Entscheidungsfindung auf eine unbegrenzt lange historische Zeitachse zugreifen kann; XPENG stellte in realen Fahrszenarien fest, dass historische Erinnerungen in der Regel nicht länger als 30 Sekunden benötigt werden, und setzte das Erinnerungsfenster daher auf 30 Sekunden.

Da das Fahrzeug während der Fahrt nicht anhalten kann, um Informationen zu verarbeiten oder Aktionen zu planen, nutzt das neue Upgrade Streaming Inference, bei dem Wahrnehmung, Denken und Trajektorien-Token-Ausgabe gleichzeitig und kontinuierlich erfolgen. XPENG gibt an, dass dieser Ansatz Latenz und Reaktionsgeschwindigkeit um 300 % verbessert.

Die im Juni von XPENG angekündigte X-Foresight-Technologie ist nun öffentlich verfügbar. Das System leitet aus historischen Daten die Verkehrslage der nächsten 6 Sekunden ab und ermöglicht aktives Schlussfolgern; die zugrunde liegende Fähigkeit unterstützt Vorhersagen von bis zu 21 Sekunden, ist aber standardmäßig auf 6 Sekunden begrenzt, um Rechenleistung zu sparen. Der Flow-Matching-Mechanismus bildet Daten auf mehrere zukünftige Pfade ab und wählt über probabilistische Entscheidungsfindung das optimale Ergebnis. In Kombination dieser Technologien gibt XPENG eine 20-fache Verbesserung der Sicherheitsleistung an und bezeichnet dieses menschenähnliche intelligente Fahrsystem als fähig, „über den Menschen hinauszugehen“.

XPENG betreibt mit derselben Hardware L4-Robotaxi-Dienste und hat auf öffentlichen Straßen bereits über 2.000 Aufträge für interne Kunden abgeschlossen. Chinas Vorschriften für intelligentes Fahren sind strenger als die der USA, doch eine breitere Kommerzialisierung wird in naher Zukunft erwartet.

Die vollständigsten Fähigkeiten von VLA 2.0 bleiben Fahrzeugen mit mehreren selbst entwickelten Turing-Chips vorbehalten, aber auch Fahrzeuge mit einem einzelnen Chip erhalten entsprechende VLA-Fähigkeiten. Die Reduzierung von zwei Chips auf einen ist keine einfache Halbierung der Fähigkeiten: XPENG vereinfacht die Verarbeitungsanforderungen durch HybridViT, um die zugrunde liegenden Fähigkeiten weitestgehend zu erhalten und Leistungseinbußen zu minimieren. Die Änderungen betreffen Anpassungen der zugrunde liegenden Architektur und nicht die direkte Streichung von Funktionen.

Master Agent verwendet ein Omni-Multimodalmodell, das Sprachinteraktion in menschenähnliche Dialoge umwandelt – XPENG zufolge wird „Sprachinteraktion im Wesentlichen zu einem Roboter“. Das System verarbeitet Sprache lokal über den speziellen Turing-Chip und versteht die Benutzerabsicht im Kontext der Umgebung; Benutzer benötigen keine vordefinierten Befehle – Ziele und Routen werden durch Konversation erkannt. Pläne können während der Fahrt jederzeit geändert werden; wenn ein Anhalten am Straßenrand gewünscht ist, findet das System selbstständig einen sicheren Ort, ohne dass der Touchscreen bedient werden muss. In einem Demonstrationsvideo navigierte ein Benutzer allein per Sprache zu einem Restaurant mit schwierig auszusprechendem Namen, geordnet nach Gerichtskategorien, und hielt vor einem schwarzen Gebäude im Viertel an. Nahezu alle Fahrzeugfunktionen lassen sich per Sprachsteuerung bedienen. Diese Interaktionsweise ähnelt dem KITT-System aus der Fernsehserie „Knight Rider“ und unterscheidet sich deutlich von gängigen Sprachassistenten; die tatsächliche Wirkung muss noch durch Erfahrung bestätigt werden. XPENG betrachtet die Sprachsteuerung als notwendige Voraussetzung für Robotaxis und ist der Ansicht, dass fahrerlose Szenarien diese Interaktionsebene für sicheren Betrieb benötigen; die Generalisierungsfähigkeit des Modells hilft auch bei der schnellen Anpassung beim Eintritt in neue Märkte.

Die Arbeitsteilung der mehreren Turing-Chips wurde mit dieser Veröffentlichung ebenfalls präzisiert: Der erste Chip ist für das intelligente Fahren zuständig, der zweite erweitert die Fähigkeiten, der dritte ist speziell für Sprachsteuerung und Kommunikation vorgesehen, und Robotaxi-Fahrzeuge verfügen über einen vierten Chip als Redundanz für fahrerlose Szenarien. Jeder Chip bietet 750 TOPS Rechenleistung und übertrifft damit die Gesamtrechenleistung von Teslas HW4.

Die wachsende Flottengröße bringt mehr Trainingsdaten – aktuell wurden insgesamt 110 Millionen Videoclips gesammelt. Die Anzahl der täglich von der Simulationsplattform X-World generierten Simulationsmodelle ist gegenüber Juni um 290 % gestiegen. Durch reale und simulierte Daten wurde die Fähigkeit des Modells zur Bewältigung von Randfällen wie Baustellen und Fähren verbessert.

Bei der Versionsausrollung erhalten die Modelle Ultra und Ultra SE im September das neue VLA-2.0-Update; die Max-Version mit einem einzelnen Turing-Chip erhält im nächsten Monat das VLA-Lite-Update; ältere Modelle mit zwei NVIDIA-Orin-Chips werden später in diesem Jahr ein Upgrade erhalten. Für Fahrzeuge mit einem einzelnen Orin-Chip gibt es derzeit keine Informationen.

XPENG erhebt keine Abonnementgebühren, sondern stellt die neuen Fähigkeiten bestehenden Kunden per OTA zur Verfügung und erklärt: „Wir wollen die Modellparameter nicht einfach reduzieren, sondern jedem ein konsistenteres Erlebnis bieten.“ Die tatsächlich bereitgestellten Funktionen gehen über die ursprünglichen Zusagen hinaus. Im Vergleich dazu erheben manche Unternehmen zusätzliche Gebühren für die Freischaltung vorhandener Hardwarefunktionen, während andere eine Kluft zwischen Versprechen und Lieferung aufweisen.

Frühere Testfahrten mit VLA 2.0 zeigten beeindruckende menschenähnliche Fahrleistungen und eine schnelle Lernfähigkeit des Systems. Wenn Version 6.3.0 alle Versprechen einlöst, wird XPENGs Führungsposition beim intelligenten Fahren weiter ausgebaut. Dieses Upgrade wird nicht sofort zu Einnahmen beitragen; doch die Anerkennung der neuen Funktionen durch die Nutzer nach praktischer Erfahrung dürfte den Fahrzeugabsatz ankurbeln, insbesondere bei hoch ausgestatteten Modellen mit den fortschrittlichsten Funktionen, und gleichzeitig die Voraussetzungen für den Technologietransfer an andere Automobilhersteller schaffen.

XPENG bietet seinen Kunden Fähigkeiten, die über das ursprünglich erwartete Hardwaredesign hinausgehen. Neben dem intelligenten Fahren gibt es auch Neuigkeiten im Robotikbereich.

Die Robotik-Sparte Dogotix von XPENG hat eine Finanzierung von 900 Millionen US-Dollar abgeschlossen und wird mit 6,3 Milliarden US-Dollar bewertet – XPENG bezeichnet dies als „die größte einrundige Privatfinanzierung in der Geschichte der chinesischen Embodied-AI-Branche“. Wie geplant soll IRON im Jahr 2026 in XPENG-Filialen zur Vertriebsunterstützung eingesetzt werden, und ab 2027 sollen erste Auslieferungen an externe Kunden im Einzelhandel und Dienstleistungssektor erfolgen; die Produktionskapazität von mehreren Tausend Einheiten pro Monat soll mit der Nachfrage weiter ausgebaut werden.

IRON ist in Form und Design ein Roboter mit hohem Humanoidisierungsgrad, wobei der Forschungsschwerpunkt auf der Mensch-Roboter-Interaktion liegt; allerdings sind humanoide Roboter nicht für alle industriellen Szenarien die ideale Form. Alibaba und Tencent sind als strategische Investoren eingestiegen – deren Zahlungssysteme Alipay und WeChat Pay decken einen Großteil der täglichen Transaktionen in China ab.

Nach der unabhängigen Finanzierung bleibt Dogotix mehrheitlich im Besitz von XPENG, ist aber keine hundertprozentige Tochtergesellschaft mehr und unterliegt entsprechend höheren Berichtspflichten; die Transparenz der Leistung des Robotikgeschäfts wird ebenfalls zunehmen. XPENG gibt an, dass der Lebenszyklusumsatz pro Roboter aus Verkauf und Upgrades höher sein könnte als der eines Autos. Wenn die Verkaufserlöse im nächsten Jahr zu wachsen beginnen, werden Marge und Rentabilität von Interesse sein.

XPENG nutzt dieselbe Infrastruktur und Softwaresysteme über verschiedene Produktlinien hinweg, um Forschungs- und Entwicklungskosten zu amortisieren. Das Unternehmen vergleicht dieses gemeinsame System mit einem Eisberg: Die unsichtbaren 95 % unter der Wasseroberfläche sind der gemeinsame Teil, während die Anwendungsformen über Wasser jeweils unterschiedlich sind.

XPENGs Engagement für physische KI beschränkt sich nicht auf die oben genannten Veröffentlichungen. Die Strategie des Unternehmens besteht darin, zuerst die schwierigsten Probleme zu lösen und dann die relativ einfacheren anzugehen – in der Überzeugung, dass nach dem vollständigen Aufbau des Forschungs- und Entwicklungssystems für physische KI die späteren Probleme umso leichter zu lösen sind, je schwieriger die anfängliche Bewältigung war. Wer nicht zuerst die „tief hängenden Früchte“ pflückt, kann kaum die von manchen kurzfristig orientierten Anlegern erwarteten unmittelbaren Ergebnisse erzielen; in einem wettbewerbsintensiven Umfeld chinesischer Wettbewerber ist dieser Kompromiss nicht einfach.

XPENG begegnet den „unbekannten Unbekannten“ – Randfällen, die in der Planungsphase nicht vernünftig vorhersehbar sind – durch schnelle Iteration. Das Unternehmen erklärt, dass nur durch den vollständigen Aufbau des KI-Systems solche Probleme in der schnellen Iteration kontinuierlich gelöst werden können. Diesen Kreislauf bezeichnet es als „KI-Schwungrad“: Bessere Autos bringen mehr Daten, Daten treiben Softwareverbesserungen voran, Software steigert den Fahrzeugabsatz, mehr Autos decken mehr Randfälle ab, was zu stärkeren Modellen führt und sich auf andere Produktlinien ausdehnt.

Angesichts der absehbaren regulatorischen Anforderungen für intelligentes Fahren muss das System die Inferenz lokal durchführen, was höhere Anforderungen an die Auslastung der Chip-Rechenleistung und die Modelleffizienz stellt. Einige Wettbewerber kompensieren Rechenleistungsdefizite durch zusätzliche Sensoren oder verlassen sich auf zentrale Rechenzentren – letzteres steht unter Druck in Bezug auf Datenschutz und Compliance. Der Ansatz, KI-Modelle effizient lokal auszuführen, ermöglicht es dem Turing-Chip und KI-Anwendungen, sich über die physische KI hinaus auf weitere Szenarien auszudehnen.

Im Rahmen derselben Veranstaltung stellte XPENG auch XLLM vor, eine Architektur, die es großen Sprachmodellen (LLMs) ermöglicht, auf einem einzelnen Turing-Chip zu laufen. XPENG gibt an, dass die Inferenzeffizienz nahe an ChatGPT heranreicht; das System optimiert „aktuell gängige große Sprachmodelle“ und läuft lokal mit einer Generierungsrate von über 20 Tokens pro Sekunde. Diese Rate ist zwar nicht die höchste in der Branche, aber der Vorteil liegt darin, dass die gesamte Verarbeitung auf einem einzigen Chip erfolgt, ohne auf energieintensive Rechenzentren angewiesen zu sein. XLLM könnte LLM-Fähigkeiten in Form lokaler Anwendungen für verschiedene potenzielle Anwendungsfälle nutzbar machen; dieser Optimierungsansatz gilt auch für KI-Rechenzentren und könnte den Energieverbrauch deutlich senken. Das zuerst gelöste Problem des lokalen Betriebs physischer KI im Fahrzeug eröffnet dieser Technologie neue Anwendungsräume.

Der technologische Ansatz, zuerst die schwierigen Punkte zu bewältigen, schafft auch neue Einnahmequellen – der Anteil der Technologiedienstleistungserlöse steigt kontinuierlich. Die Zusammenarbeit von Porsche mit XPENG bei Emissionspools in Europa wird als neue potenzielle Einnahmequelle betrachtet. Mit der Vertiefung der technologischen Zusammenarbeit mit der Volkswagen Group dürfte sich der Einsatz von VLA 2.0 in deren Fahrzeugen ausweiten.

Intelligente Fahrfähigkeiten und der Verkauf von Elektrofahrzeugen sind miteinander verknüpft: Die Leistung beim intelligenten Fahren treibt den Fahrzeugabsatz, die Skalierung speist wiederum die Entwicklung der Elektrofahrzeugplattform und fördert so die Elektrifizierung.

XPENG arbeitet daran, als erstes Unternehmen die einheitliche DCAS-Regulierung der Vereinten Nationen zu erfüllen und globales intelligentes Fahren zu erreichen. Die Verbreitung der Erfahrung mit intelligentem Fahren könnte die Berücksichtigung von XPENG-Modellen durch Kunden fördern, und andere Fahrzeughersteller könnten die entsprechenden Fähigkeiten einkaufen, wodurch eine doppelte Einnahmequelle aus Fahrzeugverkauf und Technologiedienstleistungen entsteht; die KI-Fähigkeiten entwickeln sich durch mehr Daten kontinuierlich weiter und können auf andere Bereiche übertragen werden. XPENGs aktuelle Investitionsphase befindet sich am Wendepunkt, an dem langfristige Forschung und Entwicklung in mehrere Produkteinnahmen umgewandelt werden – Fahrzeugverkauf, Technologiedienstleistungen und das Robotikgeschäft könnten gemeinsam die zukünftigen Einnahmequellen bilden, wobei ein Teil der Gewinne in die Entwicklung neuer Technologien reinvestiert wird.