XPENG อ้างว่าทำผลงานดีกว่า Tesla ในการทดสอบจริง
XPENG จุดกระแสถกเถียงในวงการรถยนต์ไฟฟ้า หลังเผยวิดีโอเปรียบเทียบระบบขับขี่อัตโนมัติ VLA 2.0 (Vision‑Language‑Action 2.0) กับ Tesla Full Self‑Driving (FSD) บนถนนในเมืองของจีน
ตัวชี้วัดหลักที่บริษัทใช้คือ จำนวนครั้งที่คนขับต้องเข้าควบคุมรถ (driver takeover) ซึ่งหมายถึงช่วงที่ระบบไม่สามารถจัดการสถานการณ์ได้อย่างปลอดภัย
จากการทดสอบที่บริษัทนำเสนอ:
- รถ XPENG P7 ที่ใช้ VLA 2.0 ต้องให้คนขับแทรกแซง 2 ครั้ง
- รถ Tesla Model 3 ที่ใช้ FSD ต้องแทรกแซง 7 ครั้ง บนเส้นทางเดียวกัน
![]()
XPENG ใช้ตัวเลขนี้เป็นหลักฐานว่าระบบของตนทำงานได้ดีกว่าในสภาพการจราจรที่ซับซ้อนของเมืองจีน
อย่างไรก็ตาม รายละเอียดสำคัญของการทดสอบไม่ได้เปิดเผยอย่างครบถ้วน เช่น
- ระยะทางและความยากของเส้นทาง
- สภาพการจราจรในแต่ละรอบ
- เวอร์ชันซอฟต์แวร์ที่ใช้
- การทดสอบซ้ำหลายครั้งหรือไม่
- มีหน่วยงานอิสระตรวจสอบหรือไม่
ด้วยเหตุนี้ นักวิเคราะห์จำนวนมากจึงมองว่าการทดสอบนี้เป็น การสาธิต (demo) มากกว่าการ benchmark ที่ควบคุมเงื่อนไขอย่างเข้มงวด
ทำไมบางฝ่ายบอกว่าการเปรียบเทียบอาจไม่ยุติธรรม
หนึ่งในประเด็นสำคัญคือ เวอร์ชันของ Tesla FSD ที่ใช้งานในจีนยังมีข้อจำกัด เมื่อเทียบกับเวอร์ชันล่าสุดในสหรัฐฯ ![]()
![]()
รายงานระบุว่าการเปรียบเทียบนี้ใช้ FSD เวอร์ชัน 13 ในจีน ซึ่งยังไม่ใช่เวอร์ชันที่ใหม่ที่สุดของ Tesla ในตลาดโลก ![]()
ข้อจำกัดด้านภูมิภาคอาจส่งผลต่อหลายเรื่อง เช่น
- การเข้าถึงข้อมูลแผนที่ละเอียด
- ชุดข้อมูลฝึก AI ที่เหมาะกับพฤติกรรมการขับขี่ในจีน
- การเปิดใช้งานฟีเจอร์ใหม่ตามกฎระเบียบท้องถิ่น
ดังนั้น นักวิเคราะห์บางคนจึงมองว่า การเปรียบเทียบระหว่าง
- ระบบที่พัฒนาและฝึกบนข้อมูลถนนจีนโดยตรง
- กับระบบที่ใช้เวอร์ชันจำกัดในประเทศเดียวกัน
อาจ ไม่สะท้อนศักยภาพจริงของทั้งสองบริษัทในระดับโลก ![]()
![]()
แนวคิดหลักของ VLA 2.0
ระบบช่วยขับแบบเดิมมักใช้โครงสร้างหลายขั้นตอน เช่น
- ตรวจจับวัตถุและเลน (perception)
- เข้าใจสถานการณ์บนถนน
- วางแผนการขับ
- ควบคุมรถ
แต่ XPENG ระบุว่า VLA 2.0 รวมขั้นตอนเหล่านี้เข้าเป็นโมเดลเดียวแบบ end‑to‑end ที่แปลงข้อมูลภาพจากกล้องไปเป็นการกระทำของรถโดยตรง ![]()
![]()
จุดเด่นของสถาปัตยกรรมนี้คือ
- ตัดขั้นตอน “การแปลเป็นภาษา” ที่โมเดล AI บางระบบใช้
- ลดความซับซ้อนของ pipeline
- ให้โมเดลเรียนรู้การขับแบบใกล้เคียงการตัดสินใจของมนุษย์
XPENG เรียกระบบนี้ว่า “โมเดล AI สำหรับโลกจริง (physical‑world large model)” ที่ถูกออกแบบมาเพื่อเข้าใจสภาพแวดล้อมบนถนนจริง ![]()
ขนาดข้อมูลและพลังประมวลผล
ข้อมูลจากบริษัทและรายงานอุตสาหกรรมระบุว่า VLA 2.0 ใช้โครงสร้างขนาดใหญ่ เช่น
- โมเดลคลาวด์ประมาณ 72 พันล้านพารามิเตอร์
- ฝึกจาก วิดีโอการขับขี่ราว 100 ล้านคลิป
- คอมพิวต์บนรถประมาณ 2,250 TOPS
XPENG ระบุว่าชุดข้อมูลนี้เทียบเท่ากับ ประสบการณ์ขับรถของมนุษย์หลายหมื่นปี แม้ว่าตัวเลขเหล่านี้ยังไม่ได้รับการตรวจสอบโดยหน่วยงานอิสระ ![]()
ระบบถูกปล่อยให้ผู้ใช้ผ่านการอัปเดต OTA ตั้งแต่ มีนาคม 2026 ในรถบางรุ่น เช่น P7, G7 และ X9 เวอร์ชันสูง ![]()
ความเห็นจากผู้รีวิวที่ทดลองใช้จริง
สื่อยานยนต์หลายแห่งได้ทดลองระบบ VLA 2.0 บนถนนจริง
ในการทดสอบหนึ่งที่ปักกิ่ง ผู้รีวิวขับรถในสภาพการจราจรหนาแน่นประมาณ 40 นาทีโดยไม่ต้องเข้าควบคุมเลยแม้แต่ครั้งเดียว ![]()
ผู้รีวิวจำนวนมากให้ความเห็นว่า
- ระบบมีความนุ่มนวลและมั่นใจในการขับ
- จัดการสภาพจราจรเมืองใหญ่ได้ดี
แต่ก็ยังมีข้อสังเกต เช่น
- Tesla FSD ยังดูมีความ成熟มากกว่าโดยรวม
- VLA 2.0 อาจพึ่งพาแผนที่ระดับเลนค่อนข้างมาก
- ยังมีสถานการณ์ฉุกเฉินที่ต้องพิสูจน์เพิ่มเติม
ภาพรวมจึงมักถูกสรุปว่า XPENG กลายเป็นคู่แข่งจริงของ Tesla แต่ยังไม่ใช่ผู้ชนะชัดเจน ![]()
เส้นตายที่ XPENG ตั้งไว้เพื่อแซง Tesla
He Xiaopeng ผู้ก่อตั้งและ CEO ของ XPENG ตั้งเป้าหมายอย่างชัดเจนว่า
บริษัทต้องทำให้ระบบขับขี่ของตนเหนือกว่า Tesla ในจีนภายในวันที่ 30 สิงหาคม 2026 ![]()
มาตรฐานที่เขาใช้เทียบคือประสบการณ์การขับของ Tesla FSD เวอร์ชันใหม่ในสหรัฐฯ เช่น FSD V14.2 ที่ทดสอบใน Silicon Valley ![]()
นอกจากนั้น บริษัทมองว่าระบบที่ใช้สถาปัตยกรรมแบบ VLA อาจนำไปสู่
- การขับขี่อัตโนมัติระดับ Level 4 ในอนาคต
แต่ระยะเวลาที่แน่นอนยังขึ้นอยู่กับทั้งการพัฒนาเทคโนโลยีและการอนุมัติจากหน่วยงานกำกับดูแล ![]()
ภาพใหญ่: การแข่งขันกำลังสูสีขึ้น
เป็นเวลาหลายปีที่ Tesla ถูกมองว่าเป็นผู้นำด้านเทคโนโลยีช่วยขับสำหรับรถผู้บริโภค
แต่ความก้าวหน้าของบริษัทจีนอย่าง XPENG กำลังทำให้การแข่งขันเปลี่ยนไปอย่างรวดเร็ว
แม้การทดสอบ VLA 2.0 กับ Tesla FSD จะยังไม่ใช่หลักฐานตัดสินที่ชัดเจน แต่ก็สะท้อนแนวโน้มสำคัญว่า
การแข่งขันด้านรถยนต์ขับเคลื่อนอัตโนมัติไม่ได้จำกัดอยู่แค่ Silicon Valley อีกต่อไป
ผู้ผลิตจีนกำลังใช้ข้อได้เปรียบจาก
- ข้อมูลการขับจำนวนมหาศาล
- การพัฒนาซอฟต์แวร์ที่รวดเร็ว
- การลงทุนด้าน AI อย่างเข้มข้น
ปัจจัยเหล่านี้อาจทำให้ช่องว่างระหว่างผู้นำเดิมกับผู้ท้าชิง แคบลงอย่างรวดเร็วในอีกไม่กี่ปีข้างหน้า
