รถรุ่นนี้สร้างบน แพลตฟอร์ม GX ของ Xpeng และออกแบบให้รองรับมาตรฐานการขับขี่อัตโนมัติ Level‑4 (L4) ซึ่งหมายความว่ารถสามารถขับเองได้โดยไม่ต้องมีคนควบคุมภายใต้เงื่อนไขและพื้นที่ที่กำหนด หรือที่เรียกว่า operational design domain

แตกต่างจากหลายโครงการรถไร้คนขับที่ต้องพึ่งผู้ผลิตชิ้นส่วนภายนอก Xpeng เลือกพัฒนาเทคโนโลยีหลักเกือบทั้งหมดเอง ตั้งแต่ฮาร์ดแวร์คอมพิวต์ไปจนถึงซอฟต์แวร์ขับขี่อัตโนมัติ แนวทางนี้ช่วยให้บริษัทควบคุมต้นทุน ข้อมูล และการปรับแต่งระบบได้มากขึ้น

ชิป AI Turing 4 ตัว พลังประมวลผล 3,000 TOPS

หัวใจของระบบคือ ชิป AI “Turing” ที่ Xpeng พัฒนาเองจำนวน 4 ตัว ซึ่งรวมกันให้พลังประมวลผลประมาณ 3,000 tera operations per second (TOPS) สำหรับการคำนวณภายในรถ

พลังประมวลผลระดับนี้จำเป็นต่อการทำงานสำคัญของระบบขับขี่อัตโนมัติ เช่น

• การรับรู้สภาพแวดล้อม (Perception) จากกล้องและเซ็นเซอร์
• การคาดการณ์พฤติกรรมของรถ คนนเดินถนน หรือจักรยาน (Prediction)
• การวางแผนเส้นทางการขับขี่ (Planning)
• การควบคุมรถจริง เช่น พวงมาลัย เบรก และคันเร่ง

รายงานระบุว่ารถ robotaxi ของ Xpeng ใช้แนวทาง vision‑centric หรือเน้นข้อมูลจากกล้องเป็นหลัก โดยไม่ใช้ LiDAR และไม่พึ่งแผนที่ความละเอียดสูง (HD maps) แต่ใช้ AI วิเคราะห์สภาพถนนแบบเรียลไทม์แทน

โมเดล VLA: จากภาพสู่การควบคุมรถโดยตรง

ในระดับซอฟต์แวร์ รถใช้โมเดล AI รุ่นใหม่ของบริษัทที่เรียกว่า VLA (vision‑language‑action) รุ่นที่สอง

โมเดลนี้ถูกออกแบบให้แปลงข้อมูลภาพจากกล้องไปเป็นคำสั่งการขับรถโดยตรง เช่น การเลี้ยว การเบรก หรือการเร่งความเร็ว

ระบบขับขี่อัตโนมัติแบบดั้งเดิมมักแบ่งขั้นตอนออกเป็นหลายส่วน เช่น การรับรู้ การวางแผน และการควบคุม แต่แนวทางของ VLA พยายามให้โมเดลเรียนรู้พฤติกรรมการขับขี่แบบ end‑to‑end จากข้อมูลวิดีโอการขับจริงจำนวนมหาศาล

Xpeng อธิบายว่านี่คือส่วนหนึ่งของแนวคิด “physical AI” ที่ AI สามารถโต้ตอบกับโลกจริงผ่านอุปกรณ์อย่างรถยนต์หรือหุ่นยนต์

ไทม์ไลน์: Robotaxi จะเริ่มให้บริการเมื่อไร

Xpeng วางแผนเริ่ม ทดลองให้บริการ robotaxi ในครึ่งหลังของปี 2026 โดยคาดว่าจะเริ่มในเมืองกวางโจวก่อน

บริษัทได้รับใบอนุญาตสำหรับการทดสอบรถ Level‑4 บนถนนสาธารณะในเมืองดังกล่าวแล้ว

อย่างไรก็ตาม การเปิดให้บริการแบบไร้คนขับเต็มรูปแบบยังต้องใช้เวลาเพิ่มเติม ซีอีโอ He Xiaopeng ระบุว่าการขับขี่อัตโนมัติเต็มรูปแบบอาจเป็นจริงได้ภายใน 1–3 ปี แต่เป็นเพียงเป้าหมายของบริษัท ไม่ใช่กำหนดการที่รับประกัน

การเปิดบริการจริงในวงกว้างยังขึ้นอยู่กับหลายปัจจัย เช่น

• การอนุมัติจากหน่วยงานกำกับดูแล
• การพิสูจน์ความปลอดภัยผ่านการทดสอบจำนวนมาก
• ต้นทุนการดำเนินงานของกองรถ
• การขยายพื้นที่ที่อนุญาตให้วิ่ง

ด้วยข้อจำกัดเหล่านี้ การเห็นบริการ robotaxi แบบไร้คนขับเต็มรูปแบบในหลายเมืองอาจเป็น เป้าหมายช่วงปลายทศวรรษนี้ มากกว่าจะเกิดขึ้นทันที

ทำไมแผนนี้สำคัญต่อการแข่งขันกับ Tesla

โครงการ robotaxi ของ Xpeng ยังเป็นการตอบโต้เชิงกลยุทธ์ต่อการผลักดันเทคโนโลยีขับขี่อัตโนมัติของ Tesla

ระบบ Full Self‑Driving (FSD) ของ Tesla ก็ใช้แนวทางเน้นกล้องและข้อมูลจากรถจำนวนมหาศาลในฝูงรถของบริษัท เช่นเดียวกับแนวคิดที่ Xpeng กำลังพัฒนา

ทั้งสองบริษัทมีจุดร่วมหลายอย่าง เช่น

• เน้นระบบรับรู้จากกล้อง
• ใช้โครงข่ายประสาทเทียมขนาดใหญ่ฝึกจากข้อมูลการขับขี่
• พยายามพัฒนาเทคโนโลยีหลักเองแบบครบวงจร

สำหรับ Xpeng การสร้าง robotaxi ของตัวเองหมายถึงการขยายจากธุรกิจขายรถ EV ไปสู่ แพลตฟอร์มบริการการเดินทางที่ขับเคลื่อนด้วย AI

ความท้าทายที่แท้จริง: การขยายบริการให้ใช้งานจริง

การผลิต robotaxi จำนวนมากเป็นเพียงก้าวแรก ความท้าทายที่แท้จริงคือการพิสูจน์ว่าระบบขับขี่อัตโนมัติสามารถทำงานได้อย่างปลอดภัย เชื่อถือได้ และคุ้มค่าในสภาพการจราจรเมืองที่ซับซ้อน

เทคโนโลยีชิป AI และซอฟต์แวร์ของ Xpengทำให้บริษัทมีพื้นฐานที่แข็งแรง แต่ความสำเร็จสุดท้ายจะขึ้นอยู่กับผลการทดสอบในโลกจริง การอนุมัติจากหน่วยงานรัฐ และความสามารถในการขยายกองรถให้ใหญ่พอ

กล่าวอีกอย่างหนึ่ง การแข่งขันระหว่างผู้ผลิตรถ EV อย่าง Tesla และบริษัทเทคโนโลยีรถยนต์จีนกำลังเปลี่ยนจากการแข่งขันด้านรถไฟฟ้าเพียงอย่างเดียว ไปสู่การแข่งขันด้าน AI และการนำเทคโนโลยีไปใช้งานจริงในระดับเมือง

รถรุ่นนี้สร้างบน แพลตฟอร์ม GX ของ Xpeng และออกแบบให้รองรับมาตรฐานการขับขี่อัตโนมัติ Level‑4 (L4) ซึ่งหมายความว่ารถสามารถขับเองได้โดยไม่ต้องมีคนควบคุมภายใต้เงื่อนไขและพื้นที่ที่กำหนด หรือที่เรียกว่า operational design domain

แตกต่างจากหลายโครงการรถไร้คนขับที่ต้องพึ่งผู้ผลิตชิ้นส่วนภายนอก Xpeng เลือกพัฒนาเทคโนโลยีหลักเกือบทั้งหมดเอง ตั้งแต่ฮาร์ดแวร์คอมพิวต์ไปจนถึงซอฟต์แวร์ขับขี่อัตโนมัติ แนวทางนี้ช่วยให้บริษัทควบคุมต้นทุน ข้อมูล และการปรับแต่งระบบได้มากขึ้น

ชิป AI Turing 4 ตัว พลังประมวลผล 3,000 TOPS

หัวใจของระบบคือ ชิป AI “Turing” ที่ Xpeng พัฒนาเองจำนวน 4 ตัว ซึ่งรวมกันให้พลังประมวลผลประมาณ 3,000 tera operations per second (TOPS) สำหรับการคำนวณภายในรถ

พลังประมวลผลระดับนี้จำเป็นต่อการทำงานสำคัญของระบบขับขี่อัตโนมัติ เช่น

• การรับรู้สภาพแวดล้อม (Perception) จากกล้องและเซ็นเซอร์
• การคาดการณ์พฤติกรรมของรถ คนนเดินถนน หรือจักรยาน (Prediction)
• การวางแผนเส้นทางการขับขี่ (Planning)
• การควบคุมรถจริง เช่น พวงมาลัย เบรก และคันเร่ง

รายงานระบุว่ารถ robotaxi ของ Xpeng ใช้แนวทาง vision‑centric หรือเน้นข้อมูลจากกล้องเป็นหลัก โดยไม่ใช้ LiDAR และไม่พึ่งแผนที่ความละเอียดสูง (HD maps) แต่ใช้ AI วิเคราะห์สภาพถนนแบบเรียลไทม์แทน

โมเดล VLA: จากภาพสู่การควบคุมรถโดยตรง

ในระดับซอฟต์แวร์ รถใช้โมเดล AI รุ่นใหม่ของบริษัทที่เรียกว่า VLA (vision‑language‑action) รุ่นที่สอง

โมเดลนี้ถูกออกแบบให้แปลงข้อมูลภาพจากกล้องไปเป็นคำสั่งการขับรถโดยตรง เช่น การเลี้ยว การเบรก หรือการเร่งความเร็ว

ระบบขับขี่อัตโนมัติแบบดั้งเดิมมักแบ่งขั้นตอนออกเป็นหลายส่วน เช่น การรับรู้ การวางแผน และการควบคุม แต่แนวทางของ VLA พยายามให้โมเดลเรียนรู้พฤติกรรมการขับขี่แบบ end‑to‑end จากข้อมูลวิดีโอการขับจริงจำนวนมหาศาล

Xpeng อธิบายว่านี่คือส่วนหนึ่งของแนวคิด “physical AI” ที่ AI สามารถโต้ตอบกับโลกจริงผ่านอุปกรณ์อย่างรถยนต์หรือหุ่นยนต์

ไทม์ไลน์: Robotaxi จะเริ่มให้บริการเมื่อไร

Xpeng วางแผนเริ่ม ทดลองให้บริการ robotaxi ในครึ่งหลังของปี 2026 โดยคาดว่าจะเริ่มในเมืองกวางโจวก่อน

บริษัทได้รับใบอนุญาตสำหรับการทดสอบรถ Level‑4 บนถนนสาธารณะในเมืองดังกล่าวแล้ว

อย่างไรก็ตาม การเปิดให้บริการแบบไร้คนขับเต็มรูปแบบยังต้องใช้เวลาเพิ่มเติม ซีอีโอ He Xiaopeng ระบุว่าการขับขี่อัตโนมัติเต็มรูปแบบอาจเป็นจริงได้ภายใน 1–3 ปี แต่เป็นเพียงเป้าหมายของบริษัท ไม่ใช่กำหนดการที่รับประกัน

การเปิดบริการจริงในวงกว้างยังขึ้นอยู่กับหลายปัจจัย เช่น

• การอนุมัติจากหน่วยงานกำกับดูแล
• การพิสูจน์ความปลอดภัยผ่านการทดสอบจำนวนมาก
• ต้นทุนการดำเนินงานของกองรถ
• การขยายพื้นที่ที่อนุญาตให้วิ่ง

ด้วยข้อจำกัดเหล่านี้ การเห็นบริการ robotaxi แบบไร้คนขับเต็มรูปแบบในหลายเมืองอาจเป็น เป้าหมายช่วงปลายทศวรรษนี้ มากกว่าจะเกิดขึ้นทันที

ทำไมแผนนี้สำคัญต่อการแข่งขันกับ Tesla

โครงการ robotaxi ของ Xpeng ยังเป็นการตอบโต้เชิงกลยุทธ์ต่อการผลักดันเทคโนโลยีขับขี่อัตโนมัติของ Tesla

ระบบ Full Self‑Driving (FSD) ของ Tesla ก็ใช้แนวทางเน้นกล้องและข้อมูลจากรถจำนวนมหาศาลในฝูงรถของบริษัท เช่นเดียวกับแนวคิดที่ Xpeng กำลังพัฒนา

ทั้งสองบริษัทมีจุดร่วมหลายอย่าง เช่น

• เน้นระบบรับรู้จากกล้อง
• ใช้โครงข่ายประสาทเทียมขนาดใหญ่ฝึกจากข้อมูลการขับขี่
• พยายามพัฒนาเทคโนโลยีหลักเองแบบครบวงจร

สำหรับ Xpeng การสร้าง robotaxi ของตัวเองหมายถึงการขยายจากธุรกิจขายรถ EV ไปสู่ แพลตฟอร์มบริการการเดินทางที่ขับเคลื่อนด้วย AI

ความท้าทายที่แท้จริง: การขยายบริการให้ใช้งานจริง

การผลิต robotaxi จำนวนมากเป็นเพียงก้าวแรก ความท้าทายที่แท้จริงคือการพิสูจน์ว่าระบบขับขี่อัตโนมัติสามารถทำงานได้อย่างปลอดภัย เชื่อถือได้ และคุ้มค่าในสภาพการจราจรเมืองที่ซับซ้อน

เทคโนโลยีชิป AI และซอฟต์แวร์ของ Xpengทำให้บริษัทมีพื้นฐานที่แข็งแรง แต่ความสำเร็จสุดท้ายจะขึ้นอยู่กับผลการทดสอบในโลกจริง การอนุมัติจากหน่วยงานรัฐ และความสามารถในการขยายกองรถให้ใหญ่พอ

กล่าวอีกอย่างหนึ่ง การแข่งขันระหว่างผู้ผลิตรถ EV อย่าง Tesla และบริษัทเทคโนโลยีรถยนต์จีนกำลังเปลี่ยนจากการแข่งขันด้านรถไฟฟ้าเพียงอย่างเดียว ไปสู่การแข่งขันด้าน AI และการนำเทคโนโลยีไปใช้งานจริงในระดับเมือง