可过滤无关元素，计算量减少 7 倍。

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。

01.

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。

02.

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。

03.

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、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 "。

04.

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。