12月29日消息，日前，北京大学与小鹏汽车团队的最新研究成果FastDriveVLA被人工智能顶会AAAI 2026收录。
小鹏官宣此次获奖信息
这次双方研究的内容并非实验室里的纸上谈兵，而是通过一个参数量仅为0.07B（7000万）、计算开销几乎可以忽略不计的即插即用模块ReconPruner，硬生生将VLA大模型的整体计算量（FLOPs）削减了7.5倍。
要知道，车端算力“寸土寸金”，它打通了高性能AI算法与量产硬件之间的“天堑”。
这意味着原本需要昂贵算力集群支撑的端到端大模型，现在已经具备了在英伟达等主流车载芯片上实现低延迟、高响应运行的能力。
AAAI2026作为人工智能领域的CCF-A类顶级会议，北京大学与小鹏汽车的研究论文被这样的顶会收录，也说明了其研究内容的价值。
一、车机算力有限 让AI学会“只看重点”
在智驾系统进入“端到端”时代的当下，VLA模型展现出的拟人化推理能力也让自动驾驶进入到一个新高度，但随之而来的“算力黑洞”也让工程师们倍感头疼。
举个例子，为了让AI看清复杂的十字路口，系统必须将高清图像切碎成数以千计的Token喂给大模型。
这样就造成了一个问题——视觉Token的通胀，在毫秒必争的驾驶决策中，庞大的计算量直接导致了车机“跑不动、反应慢”，甚至可能出现因推理延迟导致的系统卡顿。
此前，业界并非没有尝试过对这些Token进行“剪枝”去重，但效果不稳定，像盲人摸象。
三种剪枝策略对比
传统的注意力剪枝法（Attention-based）过度依赖文本指令，但在自动驾驶场景下，简单的驾驶指令往往无法提供足够的辨识权重，导致系统为了追求极致速度，可能会在不经意间删掉远处微小的红绿灯或障碍物。
而另一类基于相似度的剪枝法（Similarity-based）则过于追求视觉上的多样性，它们可能会为了保留独特性而记录路边的野花和天空的流云，却忽略了对决策至关重要的、平淡无奇的路面信息。
对此，北京大学和小鹏汽车团队合作的FastDriveVLA引入了极其朴素的“人类驾驶直觉”。
就像老司机在开车时，视网膜会自动过滤掉高耸的建筑和空旷的天空，瞳孔始终锁定的只有路面、行人和周边的车辆。
这种对“前景信息”的专注，正是FastDriveVLA的方案逻辑核心，AI不再对整张图像进行全量计算，而是精准捕捉并保留关键的前景Token。
这种思维转变，让AI对算力的要求减少7.5倍，也避免了算力的浪费。
二、ReconPruner 一个0.07B的“超级过滤器”
能实现上边的这种效率的提升，离不开ReconPruner这个参数量仅为0.07B的微型模块。如果说VLA模型是整车智驾的“大脑”，那么ReconPruner就是一个敏锐且轻量化的视觉中枢。
在AI领域，优化庞大的模型通常意味着动辄数万美元的重新训练成本，但ReconPruner这7000万参数的量级对于动辄3B起步的VLA主模型来说几乎可以忽略不计。
FastDriveVLA总体架构
它能够以即插即用的方式无缝集成到Qwen2.5-VL等大模型上，这种设计不仅极大地降低了量产部署的门槛，也让现有的智驾模型可以低成本升级，而无需修改主模型。
但真正让ReconPruner产生质变的，是一套被称为“对抗重建（AFBR）”的设计逻辑。
这套策略本质上是系统要求ReconPruner利用选中的Token尝试还原画面，如果它选出的Token确实包含了车辆、车道线等核心前景，重建出的画面质量就会更高。
反之，如果它关注了背景，重建结果就会不理想。
为了防止AI在这一过程偷懒，研究团队还引入了对抗博弈机制，强制要求模块必须在前景和背景之间做出明确的价值判断。
在这种严苛的训练下，ReconPruner被打磨成了一个能精准锁定关键驾驶目标的过滤器。
而支撑起这套“视觉本能”的基础，则是北大与小鹏团队潜心构建的nuScenes-FG数据集。