XPENG VLA 2.0 gegen Tesla FSD: Was hinter dem Vergleich aus China steckt

Das kann einen großen Unterschied machen. Autonomes Fahren hängt stark von regionalen Faktoren ab, etwa:

• lokalen Kartendaten
• Trainingsdaten aus realem Verkehr
• regulatorischen Beschränkungen
• Rollout‑Strategien einzelner Funktionen

Ein System wie VLA 2.0, das speziell für chinesische Straßen entwickelt und trainiert wurde, könnte daher unter lokalen Bedingungen Vorteile haben. Kritiker argumentieren deshalb, dass der Vergleich kein direkter globaler Leistungsvergleich ist.

Der technische Ansatz hinter VLA 2.0

Mit VLA 2.0 verfolgt XPENG einen deutlich anderen Architekturansatz für autonomes Fahren.

Klassische Fahrerassistenzsysteme arbeiten meist mit einer mehrstufigen Pipeline:

1. Wahrnehmung (Erkennen von Objekten, Spuren und Schildern)
2. Szenenverständnis
3. Planung der Fahrstrategie
4. Fahrzeugsteuerung

XPENG versucht, große Teile dieser Struktur durch ein einheitliches End‑to‑End‑Modell zu ersetzen. Dieses Modell wandelt visuelle Sensordaten direkt in Fahraktionen um.

Außerdem entfällt laut Unternehmen der typische „Sprach‑Zwischenschritt“, den viele multimodale KI‑Systeme nutzen, um Wahrnehmung in abstrakte Beschreibungen zu übersetzen. Stattdessen entstehen Fahrbefehle direkt aus den Sensordaten.

XPENG bezeichnet den Ansatz als „Large Model für die physische Welt“, das reale Verkehrssituationen verstehen und vorhersagen soll.

Datenmenge und Rechenleistung

Die Trainingsbasis des Systems ist laut Unternehmensangaben enorm. Berichten zufolge umfasst VLA 2.0:

• etwa 72 Milliarden Modellparameter
• Training mit rund 100 Millionen Fahrvideos
• ca. 2.250 TOPS Rechenleistung im Fahrzeug

XPENG spricht von einer Datenbasis, die ungefähr 65.000 Jahren menschlicher Fahrpraxis entspricht. Diese Zahl stammt jedoch aus Unternehmensangaben und wurde bislang nicht unabhängig bestätigt.

Die Software wurde ab März 2026 per Over‑the‑Air‑Update für mehrere Modelle eingeführt, darunter P7, G7 und X9 in höher ausgestatteten Varianten.

Erste Eindrücke aus Testfahrten

Journalisten, die das System ausprobieren konnten, berichten überwiegend positiv.

Bei einer Testfahrt in Peking navigierte ein Fahrer laut Bericht etwa 40 Minuten lang durch dichten Stadtverkehr, ohne einmal eingreifen zu müssen.

Andere Tests beschreiben VLA 2.0 ebenfalls als sehr flüssig und selbstbewusst im Verkehr. Dennoch sehen einige Beobachter weiterhin Unterschiede zu Tesla. Beispielsweise wurde berichtet, dass:

• Tesla FSD insgesamt noch reifer wirkt
• XPENG stärker auf detaillierte Kartendaten angewiesen sein könnte
• manche seltene Extremsituationen noch wenig getestet sind

Viele Reviews ordnen VLA 2.0 daher als ernsthaften neuen Konkurrenten ein – aber noch nicht als eindeutigen Sieger.

XPENGs ambitionierter Zeitplan

XPENG‑Gründer und CEO He Xiaopeng formuliert die Ziele sehr offen.

Er erklärte öffentlich, dass das Unternehmen bis zum 30. August 2026 Teslas FSD im chinesischen Markt übertreffen möchte.

Als Maßstab nennt er die Fahrerfahrung der neueren Tesla‑Versionen aus den USA, etwa FSD V14.2, die im Silicon Valley getestet wurden.

Darüber hinaus sieht XPENG VLA‑basierte Systeme langfristig als Grundlage für Level‑4‑Autonomie, also weitgehend selbstfahrende Fahrzeuge ohne ständige Fahrerüberwachung. Wann genau diese Stufe im Alltag erreicht wird, hängt jedoch stark von Technik, Regulierung und realen Sicherheitsnachweisen ab.

Ein Rennen, das schneller wird

Lange galt Tesla als klarer Maßstab bei Fahrerassistenzsystemen für Serienautos. Doch der Fortschritt chinesischer Hersteller zeigt, wie schnell sich der Wettbewerb verändert.

Der XPENG‑Vergleich mit Tesla ist zwar kein endgültiger Beweis für eine technologische Führung. Aber er macht deutlich, dass die Entwicklung autonomer Fahrtechnologie längst nicht mehr nur im Silicon Valley stattfindet.

Mit riesigen Datenmengen, schnellen Software‑Updates und aggressiver KI‑Entwicklung holen chinesische Hersteller rasch auf – und könnten den globalen Wettbewerb um autonomes Fahren in den kommenden Jahren deutlich neu ordnen.