เปิดกลยุทธ์ XPeng ทุ่ม 1.8 หมื่นล้าน ท้า Tesla: ทำไม 'ภาษา' จึงเป็นยาพิษของรถไร้คนขับ

ท่ามกลางสมรภูมิเทคโนโลยีที่ดุเดือดระอุ XPeng ผู้ผลิตรถยนต์ไฟฟ้าสัญชาติจีนได้ประกาศพิมพ์เขียวสำหรับการท้าชิงความเป็นจ้าวแห่งเทคโนโลยีขับขี่อัตโนมัติของ Tesla อย่างเป็นทางการ ณ งานประชุม CVPR เมื่อเดือนมิถุนายน 2026 บริษัทได้เผยรายละเอียดสถาปัตยกรรม AI แบบถอนรากถอนโคนที่ละทิ้งองค์ประกอบหลักของระบบหุ่นยนต์ส่วนใหญ่ นั่นคือ 'ภาษา' พร้อมกันนี้ยังได้เปิดเผยตัวเลขการใช้จ่ายด้านการฝึกฝนโมเดล AI ต่อปีอันน่าตกตะลึง ตอกย้ำว่าแนวทางเจเนอเรชันใหม่ของพวกเขาไม่ใช่แค่แตกต่าง แต่ยัง เร็วกว่าและน่าเชื่อถือกว่า โดยพื้นฐาน

งบประมาณมหาศาล: 1.8 หมื่นล้านบาทต่อปีเพื่อฝึกสมองกล

ดร. เซียนหมิง หลิว (Xianming Liu) หัวหน้าศูนย์ปัญญาประดิษฐ์ทั่วไป (General Intelligence Center) ของ XPeng ได้เปิดเผยในการให้สัมภาษณ์กับ Electrek ว่า บริษัทใช้จ่ายประมาณ 300 ล้านหยวนต่อเดือน หรือคิดเป็นเม็ดเงินกว่า 500 ล้านดอลลาร์สหรัฐต่อปี (ประมาณ 1.8 หมื่นล้านบาท) เพื่อการฝึกฝนโมเดล AI สำหรับการขับขี่อัตโนมัติเพียงอย่างเดียว , , ตัวเลขนี้ครอบคลุมเฉพาะค่าใช้จ่ายด้านกำลังประมวลผล (Compute) สำหรับการเทรนโมเดลขับขี่อัตโนมัติเท่านั้น ซึ่งแตกต่างจากงบประมาณด้านการวิจัยและพัฒนา AI โดยรวมของบริษัท โดยในปี 2025 XPeng มีค่าใช้จ่ายด้าน R&D ที่เกี่ยวข้องกับ AI อยู่ที่ประมาณ 652 ล้านดอลลาร์สหรัฐ และคาดว่าจะเพิ่มขึ้นเป็นประมาณ 970 ล้านดอลลาร์สหรัฐในปี 2026 การทุ่มทุนครั้งใหญ่นี้สะท้อนถึงความมุ่งมั่นอย่างแรงกล้าที่จะก้าวขึ้นมาเป็นผู้นำในสนามแข่งนี้ให้ได้

VLA 2.0 ณ งาน CVPR 2026: ขจัด 'คอขวด' ที่เรียกว่าภาษา

หัวใจสำคัญของการปรากฏตัวของ XPeng ในงาน CVPR 2026 คือการเปิดตัวโมเดล VLA 2.0 (Vision-Language-Action) เจเนอเรชันที่สองอย่างเป็นทางการ สถาปัตยกรรมนี้ถือเป็นการออกนอกเส้นทางเดิมอย่างสิ้นเชิงจากวิธีที่ระบบ AI จำนวนมาก รวมถึงโมเดลเจเนอเรชันแรกของ XPeng ใช้ในการจัดการงานขับขี่ ,

ในกระบวนการแบบดั้งเดิม ระบบจะทำงานเป็นลำดับขั้นตอน: รถยนต์มองเห็นถนน → แปลผลการรับรู้ทางภาพให้เป็นโทเคนที่คล้ายกับภาษา → จากนั้นจึงใช้เหตุผลจากโทเคนภาษาเหล่านั้นเพื่อสร้างคำสั่งในการขับขี่ ดร. หลิว อธิบายว่าขั้นตอนกลางนี้คือจุดอ่อนสำคัญ โดยกล่าวอย่างตรงไปตรงมาว่า "ภาษาคือยาพิษ" (Language is poison) สำหรับการขับขี่แบบเรียลไทม์ , เหตุผลของเขาคือ โทเคนภาษาทำให้เกิดความหน่วงแฝง (Latency) โดยธรรมชาติ และยังนำ "สัญญาณรบกวน" เชิงความหมายที่ไม่เกี่ยวข้องเข้ามาสู่กระบวนการที่ต้องการการตอบสนองในระดับมิลลิวินาที

เพื่อขจัดปัญหานี้ โมเดล VLA 2.0 ได้นำแนวทางที่บริษัทเรียกว่า "เส้นทางจากภาพ-โทเคนแฝง-แอคชั่น" (Vision-Implicit Token-Action) มาใช้ ซึ่งช่วยให้สามารถสร้างคำสั่งขับขี่จากข้อมูลภาพดิบได้โดยตรงแบบครบวงจร โดยปราศจากการแปลงเป็นภาษาใดๆ ระหว่างทาง , แม้ว่าระบบจะยังคงรับภาษาในรูปแบบของข้อมูลขาเข้าได้ เช่น คำสั่งนำทางของผู้ขับขี่หรือคำสั่งเสียง แต่ระบบจะไม่สร้างโทเคนภาษาของตัวเองขึ้นมาเป็นผลลัพธ์ภายในเลยในระหว่างการขับขี่ XPeng ได้จัดแสดงระบบนี้ที่บูธในงาน CVPR ควบคู่ไปกับโมเดลโลกทางกายภาพ (Physical AI World Model) และมีรายงานวิจัยที่เกี่ยวข้องในชื่อ DrivePTS ซึ่งได้รับการตอบรับให้ตีพิมพ์ในงานประชุมดังกล่าวด้วย

การอ้างสิทธิ์เหนือชั้นและการเดิมพันสุดห่าม

ผู้นำของ XPeng ไม่อายที่จะเปรียบเทียบโดยตรงกับ Tesla การอ้างสิทธิ์ของพวกเขาในช่วงฤดูใบไม้ผลิและฤดูร้อนปี 2026 แสดงถึงความมั่นใจที่พุ่งสูงขึ้นอย่างก้าวกระโดด ดร. หลิวกล่าวในการให้สัมภาษณ์เมื่อเดือนมิถุนายนว่า XPeng สามารถ ทำประสิทธิภาพได้ทัดเทียมกับ Tesla's FSD v13 ในประเทศจีนแล้ว และการเทียบเท่ากับประสิทธิภาพของ FSD v14 ที่ใหม่กว่านั้น "อยู่ใกล้แค่เอื้อมก่อนสิ้นสุดฤดูร้อนนี้" ,

คำกล่าวอ้างทางเทคนิคเหล่านี้ได้รับการหนุนหลังจากความมุ่งมั่นส่วนตัวที่ไม่ธรรมดาจากผู้บริหารระดับสูง ในเดือนธันวาคม 2025 คุณเหอ เสี่ยวเผิง (He Xiaopeng) ซีอีโอของ XPeng ได้ตั้ง "การเดิมพันด้วยประสิทธิภาพ" ต่อสาธารณะ โดยประกาศว่าระบบ VLA ของ XPeng จะต้องมอบประสบการณ์การขับขี่บนท้องถนนให้เทียบเท่ากับ Tesla's FSD v14.2 ในซิลิคอนวัลเลย์ให้ได้ภายในวันที่ 30 สิงหาคม 2026 , เดิมพันครั้งนี้ระบุไว้อย่างชัดเจนว่า: หากทีมล้มเหลว ผู้รับผิดชอบจะต้อง "วิ่งแก้ผ้า" ,

เพื่อสนับสนุนเรื่องราวของตนเอง XPeng ได้เผยแพร่วิดีโอเปรียบเทียบการแข่งขันแบบแมน-ทู-แมนในเดือนพฤษภาคม 2026 โดยการนำแฟนพันธุ์แท้ Tesla ชาวอเมริกันสองคนมาที่จีน การเปรียบเทียบที่จัดฉากขึ้นนี้เป็นการดวลกันระหว่าง XPeng P7 ที่ใช้ระบบ VLA 2.0 กับ Tesla Model 3 ที่ใช้ระบบ FSD บนเส้นทางในกรุงปักกิ่งที่เหมือนกัน ตามวิดีโอที่ XPeng ตัดต่อเอง ยานพาหนะของตนต้องให้ผู้ขับขี่เข้าควบคุมเพียง 2 ครั้ง เทียบกับ Tesla ที่ต้องควบคุมถึง 7 ครั้ง , แม้ว่าคุณเหอ เสี่ยวเผิง จะย้ำในหลายวาระ รวมถึงในงาน ออโต้ ไชน่า 2026 ว่าเป้าหมายคือการเอาชนะ Tesla's FSD ในตลาดจีนอย่างสมบูรณ์แบบภายในเดือนสิงหาคมนี้ แต่บทวิจารณ์อิสระก็ยังแนะนำให้ใช้วิจารณญาณ บรรณาธิการของ Electrek ซึ่งได้ทดสอบ VLA 2.0 ในกรุงปักกิ่งอธิบายว่าสมรรถนะของระบบ "เทียบเคียงได้" กับ FSD v14 แต่ให้ข้อสังเกตว่าระบบทั้งสองยังคงต้องการสมาธิจากผู้ขับขี่อย่างต่อเนื่องและยังห่างไกลจากคำว่าอัตโนมัติเต็มรูปแบบ ,

ณ เวลานี้ การแข่งขันยังคงเป็นการไล่ล่าด้วยความเร็วสูงซึ่งนิยามด้วยการเดิมพันทางสถาปัตยกรรมที่ห้าวหาญและการอ้างสิทธิ์ที่ห้าวหาญยิ่งกว่า การตัดสินใจของ XPeng ที่จะออกแบบ "ภาษา" ออกจากสมองกลสำหรับการขับขี่ของตนคือการพนันที่คำนวณมาอย่างดีว่าเส้นทางที่เร็วที่สุดจากภาพไปสู่แอคชั่นคือเส้นทางตรง แม้ว่านั่นจะหมายถึงการทิ้งพจนานุกรมออกไปนอกหน้าต่างก็ตาม