Xpeng, constructeur chinois de voitures électriques, affirme consacrer près de 500 millions de dollars par an à l'entraînement de ses modèles d'intelligence artificielle pour la conduite autonome. Ce budget, soit environ 41 millions de dollars mensuels, est dédié exclusivement à l'entraînement des modèles IA, sans inclure les coûts matériels. L'entreprise se positionne désormais comme une société d'« IA physique » qui produit des véhicules pour collecter des données, plutôt qu'un simple constructeur intégrant de l'IA.

Son nouveau modèle VLA 2.0 repose sur une architecture « vision-action » qui élimine l'étape intermédiaire de traduction en langage naturel, jugée inefficace et source de latence. Cette approche, qualifiée de « le langage, c’est du poison » par le Dr Xianming Liu, vise à accélérer la prise de décision en se basant directement sur les flux visuels. Le système utilise toujours le langage en entrée (instructions du conducteur), mais n'en produit plus pendant la conduite.

Xpeng maintient une couche matérielle de sécurité indépendante avec radars et capteurs ultrasoniques, utilisés uniquement pour le freinage et le braquage d'urgence, contrairement à Tesla qui s'appuie exclusivement sur les caméras. L'entreprise affirme avoir atteint la parité avec Tesla FSD v13 et vise un déploiement de VLA 2.0 sur ses véhicules de série avant la fin 2026, avec un accord de licence déjà signé avec Volkswagen pour 2027.