小鹏北大VLA顶会论文：小模型推理提速4倍，跑赢大模型

车东西（公众号：chedongxi）
作者 ｜ Janson
编辑 ｜ 志豪

端到端自动驾驶大模型可以“脱离云端、直接上车”了？！

车东西12月29日消息，日前，北京大学与小鹏汽车团队的最新研究成果FastDriveVLA被人工智能顶会AAAI 2026收录。

▲小鹏官宣此次获奖信息

这次双方研究的内容并非实验室里的纸上谈兵，而是通过一个参数量仅为0.07B（7000万）、计算开销几乎可以忽略不计的即插即用模块ReconPruner，硬生生将VLA大模型的整体计算量（FLOPs）削减了7.5倍。

要知道，车端算力“寸土寸金”，它打通了高性能AI算法与量产硬件之间的“天堑”。

这意味着原本需要昂贵算力集群支撑的端到端大模型，现在已经具备了在英伟达等主流车载芯片上实现低延迟、高响应运行的能力。

AAAI2026作为人工智能领域的CCF-A类顶级会议，北京大学与小鹏汽车的研究论文被这样的顶会收录，也说明了其研究内容的价值。

一、车机算力有限 让AI学会“只看重点”

在智驾系统进入“端到端”时代的当下，VLA模型展现出的拟人化推理能力也让自动驾驶进入到一个新高度，但随之而来的“算力黑洞”也让工程师们倍感头疼。

举个例子，为了让AI看清复杂的十字路口，系统必须将高清图像切碎成数以千计的Token喂给大模型。

这样就造成了一个问题——视觉Token的通胀，在毫秒必争的驾驶决策中，庞大的计算量直接导致了车机“跑不动、反应慢”，甚至可能出现因推理延迟导致的系统卡顿。

此前，业界并非没有尝试过对这些Token进行“剪枝”去重，但效果不稳定，像盲人摸象。

▲三种剪枝策略对比

传统的注意力剪枝法（Attention-based）过度依赖文本指令，但在自动驾驶场景下，简单的驾驶指令往往无法提供足够的辨识权重，导致系统为了追求极致速度，可能会在不经意间删掉远处微小的红绿灯或障碍物。

而另一类基于相似度的剪枝法（Similarity-based）则过于追求视觉上的多样性，它们可能会为了保留独特性而记录路边的野花和天空的流云，却忽略了对决策至关重要的、平淡无奇的路面信息。

对此，北京大学和小鹏汽车团队合作的FastDriveVLA引入了极其朴素的“人类驾驶直觉”。

就像老司机在开车时，视网膜会自动过滤掉高耸的建筑和空旷的天空，瞳孔始终锁定的只有路面、行人和周边的车辆。

这种对“前景信息”的专注，正是FastDriveVLA的方案逻辑核心，AI不再对整张图像进行全量计算，而是精准捕捉并保留关键的前景Token。

这种思维转变，让AI对算力的要求减少7.5倍，也避免了算力的浪费。

二、ReconPruner 一个0.07B的“超级过滤器”

能实现上边的这种效率的提升，离不开ReconPruner这个参数量仅为0.07B的微型模块。如果说VLA模型是整车智驾的“大脑”，那么ReconPruner就是一个敏锐且轻量化的视觉中枢。

在AI领域，优化庞大的模型通常意味着动辄数万美元的重新训练成本，但ReconPruner这7000万参数的量级对于动辄3B起步的VLA主模型来说几乎可以忽略不计。

▲FastDriveVLA总体架构

它能够以即插即用的方式无缝集成到Qwen2.5-VL等大模型上，这种设计不仅极大地降低了量产部署的门槛，也让现有的智驾模型可以低成本升级，而无需修改主模型。

但真正让ReconPruner产生质变的，是一套被称为“对抗重建（AFBR）”的设计逻辑。

这套策略本质上是系统要求ReconPruner利用选中的Token尝试还原画面，如果它选出的Token确实包含了车辆、车道线等核心前景，重建出的画面质量就会更高。

反之，如果它关注了背景，重建结果就会不理想。

为了防止AI在这一过程偷懒，研究团队还引入了对抗博弈机制，强制要求模块必须在前景和背景之间做出明确的价值判断。

在这种严苛的训练下，ReconPruner被打磨成了一个能精准锁定关键驾驶目标的过滤器。

而支撑起这套“视觉本能”的基础，则是北大与小鹏团队潜心构建的nuScenes-FG数据集。

▲nuScenes-FG数据集

这套包含24.1万对高质量标注图像的数据集，对复杂的交通环境进行了像素级的拆解，将车辆、行人和道路边界等关键前景从杂乱的背景噪声中剥离出来。

正是这些海量的、带有标准答案的教材，喂出了AI的驾驶直觉，让FastDriveVLA能够在大模型处理海量视觉流的瞬间，精准切中影响安全的核心关键。

三、计算量缩减7.5倍 AI反而变聪明了？

在科技产品的迭代逻辑中，人们往往习惯了性能越高，功耗越高的直觉，但FastDriveVLA在测试场拿出的硬核数据，却展示了一种“反直觉”的进化。

从算力开销来看，FastDriveVLA对冗余信息的修剪堪称“暴力”。在nuScenes基准测试中，VLA模型的整体算力开销（FLOPs）从原始的38.2T骤降至5.1T，整整实现了7.5倍的缩减。

▲不同模型效率分析

这种算力压力的释放直接反馈在了推理速度上，这套模型在预填充阶段（Prefill）实现了3.7倍的提速，而解码阶段（Decode）也提升了1.3倍。

对于智驾系统而言，这省下的每一毫秒，都是为突发情况争取时间。

除此之外，性能的反常识增长也是这个模型的关键能力。

▲不同模型的性能对比

实验数据显示，在将视觉Token剪枝25%的情况下，FastDriveVLA在L2轨迹预测误差和路面边界交集率等核心指标上，超过了未经过任何剪枝的完整模型。

这就引发了一个值得思考的问题，为什么小模型反而比“大模型”更聪明？

从这个模型设计原理中不难看出，当下，冗余信息往往是AI决策的干扰项，当AI分配算力去处理天上的云朵（参数丨图片）、路边的写字楼或无关紧要的植被时，这些背景噪声都在稀释大模型的逻辑推理能力。

▲不同算法的“眼力”对比

FastDriveVLA就像是一个专业降噪器，通过过滤掉这些噪声，让大模型得以专注核心任务。

这也让AI的规划逻辑从过去的“博而不精”，进化成了如今可以对相关场景实现“精准打击”。

结语：VLA效率再提升

小鹏与北大的这项研究让已经上车的VLA模型，跑得更轻盈、更聪明。

FastDriveVLA的出现，本质上是对算力不足恐惧症的化解，在智能驾驶的下半场，竞争不再仅仅取决于谁的模型参数更大，而在于谁能更高效地利用每一分车载算力。

可以说，这种通过复刻人类驾驶的方法，让ReconPruner 这种极轻量化模块不仅解决了感知层面的噪声干扰，更打通了顶层算法与底层硬件之间的效能壁垒。