Xpengs Robotaxi‑Strategie: Level‑4‑Autonomie, Turing‑AI‑Chips und das Rennen mit Tesla

Während viele Projekte für autonomes Fahren stark auf externe Zulieferer angewiesen sind, verfolgt Xpeng eine vertikal integrierte Strategie: zentrale Komponenten wie Chips, Software und Fahrzeugarchitektur stammen aus eigener Entwicklung. Das soll Kosten senken, Daten besser nutzbar machen und eine engere Optimierung zwischen Hardware und Software ermöglichen.

Vier Turing‑AI‑Chips als Rechenzentrum im Fahrzeug

Das Herz des Systems bilden vier selbst entwickelte Turing‑AI‑Chips, die zusammen etwa 3.000 Billionen Rechenoperationen pro Sekunde (TOPS) leisten.

Diese Rechenleistung wird für mehrere Kernaufgaben des autonomen Fahrens benötigt:

• Wahrnehmung: Analyse von Kamerabildern und Sensordaten, um Verkehr, Fahrbahn und Hindernisse zu erkennen
• Vorhersage: Abschätzung der möglichen Bewegungen anderer Verkehrsteilnehmer
• Planung: Berechnung der sichersten und effizientesten Fahrstrategie
• Fahrzeugsteuerung: Umsetzung der Entscheidungen in Lenk‑, Brems‑ und Beschleunigungsbefehle

Berichten zufolge setzt das Robotaxi auf einen vision‑basierten Ansatz, der primär Kameras und KI‑Modelle nutzt. Auf LiDAR‑Sensoren und hochauflösende Karten wird weitgehend verzichtet. Stattdessen interpretiert die Software die Verkehrssituation in Echtzeit aus Bilddaten.

Die Software: Xpengs Vision‑Language‑Action‑Modell

Auf Softwareebene verwendet Xpeng die zweite Generation seines VLA‑Modells (Vision‑Language‑Action). Dieses KI‑System soll visuelle Informationen direkt in Fahrentscheidungen umwandeln.

Klassische Systeme für autonomes Fahren arbeiten oft mit getrennten Modulen für Wahrnehmung, Planung und Kontrolle. Das VLA‑Konzept verfolgt einen stärker End‑to‑End‑orientierten Ansatz: Ein großes KI‑Modell lernt aus umfangreichen Datensätzen realer Fahrvideos und Verkehrsszenarien, wie es vom visuellen Eindruck unmittelbar zu einer Handlung kommt.

Xpeng sieht diese Technologie als Teil eines größeren Trends zu sogenannter „Physical AI“ – KI‑Systemen, die direkt mit der realen Welt interagieren, etwa über Fahrzeuge oder Roboter.

Zeitplan: Wann Robotaxis tatsächlich fahren könnten

Nach Unternehmensangaben sollen erste Pilotprogramme in der zweiten Hälfte von 2026 starten, zunächst in begrenzten Gebieten wie Guangzhou.

Xpeng hat bereits Genehmigungen erhalten, um Level‑4‑Robotaxis auf öffentlichen Straßen zu testen.

Eine breite Einführung vollständig fahrerloser Dienste dürfte jedoch deutlich länger dauern. Firmenchef He Xiaopeng sagte, dass vollständige Autonomie möglicherweise innerhalb von ein bis drei Jahren erreichbar sein könnte – eine Einschätzung des Unternehmens, keine garantierte Markteinführung.

In der Praxis hängen Robotaxi‑Dienste von mehreren Faktoren ab:

• regulatorische Genehmigungen
• umfangreiche Sicherheitsnachweise durch reale Tests
• wirtschaftliche Betriebskosten der Flotten
• Ausweitung zugelassener Einsatzgebiete

Deshalb gilt ein großflächiger Robotaxi‑Betrieb eher als Ziel für die späten 2020er‑Jahre als als kurzfristige Realität.

Warum das im Wettbewerb mit Tesla wichtig ist

Die Robotaxi‑Strategie ist auch eine Antwort auf Teslas Vorstoß in autonome Mobilität.

Teslas Full‑Self‑Driving‑System (FSD) setzt ebenfalls stark auf kamerabasierte Wahrnehmung und auf große Datenmengen aus seiner weltweiten Fahrzeugflotte. Xpeng verfolgt einen ähnlichen Ansatz, kombiniert ihn aber mit einer besonders starken vertikalen Integration von Hardware und Software.

Gemeinsamkeiten und Unterschiede lassen sich grob so zusammenfassen:

• Vision‑basierte Autonomie: Beide Unternehmen setzen stark auf Kameras statt LiDAR.
• KI‑zentrierte Software: Große neuronale Netze lernen aus realen Fahrdaten.
• Vertikale Integration: Xpeng entwickelt Chips, Software und Fahrzeuge selbst – ähnlich Teslas Strategie mit eigener Hardware und KI‑Software.

Sollte Xpeng Robotaxis tatsächlich in großem Maßstab betreiben können, würde sich der Wettbewerb im Elektroautomarkt weiter verschieben: weg vom reinen Fahrzeugverkauf hin zu KI‑gestützten Mobilitätsplattformen.

Die größte Hürde: Skalierung in der realen Welt

Ein Robotaxi zu produzieren ist ein wichtiger Meilenstein – garantiert aber noch keinen funktionierenden Fahrdienst ohne Fahrer.

Die schwierigste Aufgabe bleibt, autonome Systeme sicher und wirtschaftlich in komplexen Städten zu betreiben. Xpeng hat mit eigener Hardware, KI‑Modellen und Fahrzeugplattform eine solide Grundlage geschaffen. Ob daraus ein globaler Robotaxi‑Dienst entsteht, hängt jedoch von realen Sicherheitsdaten, regulatorischen Entscheidungen und der Skalierbarkeit der Technologie ab.

Fest steht: Der Wettbewerb zwischen chinesischen EV‑Herstellern und Tesla wird zunehmend weniger über Batterien und Reichweiten entschieden – sondern über KI‑Leistung, Software und den Ausbau autonomer Mobilitätsnetzwerke.