XPENG lança X-Cache, um novo acelerador de IA para a condução autónoma
A XPENG revelou o X-Cache, um novo acelerador de Inteligência Artificial (IA) projetado para ampliar as capacidades dos sistemas de condução autónoma.
Tendo como ponto de partida a lógica da utilização da ciência por detrás da eficiência e à medida que a condução autónoma evolui para uma era orientada por modelos de IA, a simulação de alta-fidelidade do mundo real tornou-se um ponto-chave para o treino e evolução contínua dos sistemas.
No entanto, os elevados custos computacionais e a latência associados aos modelos de difusão de vídeo continuam a representar obstáculos à implementação em larga escala.
Novo X-Cache da XPENG acelera a condução autónoma em quase 3x
Desenvolvido pela XPENG, o novo sistema X-Cache aborda este desafio explorando um princípio fundamental do mundo físico: os cenários visuais evoluem de forma contínua e suave.
Ao analisar imagens de condução, elementos como o pavimento, árvores ou edifícios distantes apresentam alterações mínimas entre fotogramas consecutivos.
O X-Cache divide o vídeo em segmentos temporalmente contínuos e identifica regiões reutilizáveis entre segmentos adjacentes.
Quando a variação é reduzida, o sistema reutiliza resultados computacionais previamente calculados, evitando cálculos redundantes em determinadas camadas do modelo.
Esta abordagem permite uma aceleração da inferência entre 2,6 e 2,7 vezes.
Inteligência plug-and-play com segurança reforçada
Ao contrário de outras soluções que exigem processos complexos com repetição contínua, com treinos intensivos, o X-Cache funciona como uma tecnologia plug-and-play.
A sua lógica de controlo não requer treino adicional do modelo principal, permitindo uma implementação leve e imediata.
Para garantir que esta eficiência não compromete a qualidade visual nem a segurança do sistema, a XPENG introduziu um mecanismo de "impressão digital" que combina ações de condução, como mudanças bruscas de direção, com informação estrutural da cena em análise, avaliando se a reutilização de dados permanece segura.
Em momentos críticos, como mudanças de faixa, curvas, cruzamentos ou alterações de semáforos, o mecanismo de segurança do X-Cache desativa automaticamente a reutilização e ativa o cálculo completo, prevenindo acumulação de erros ou degradação visual.

Comparação visual em cenários de curvas: Modelo de referência vs. X-Cache. Clique na imagem para ver os vários cenários.
O ecossistema de IA da XPENG: VLA 2.0, X-World e X-Cache
Este avanço reforça a infraestrutura tecnológica da XPENG, criando uma arquitetura integrada de evolução contínua:
- O XPENG VLA 2.0, responsável pela perceção e tomada de decisão em tempo real.
- O X-World, motor de simulação que cria ambientes virtuais inferíveis e interativos para treino e validação.
- O X-Cache, motor de aceleração responsável por tornar a simulação em larga escala mais eficiente e com custos controláveis.
A implementação bem-sucedida do X-Cache no modelo X-World demonstrou estabilidade em cenários urbanos e de autoestrada, validando a sua fiabilidade para aplicações de escala industrial.
Com uma taxa de omissão de blocos de 71%, a XPENG maximiza a eficiência computacional e eleva o potencial de desempenho do seu sistema VLA 2.0.

Comparação visual em vias rápidas urbanas: Modelo de referência vs. X-Cache. Clique na imagem para ver os vários cenários.
Expansão para além da condução autónoma
Embora o foco imediato desta tecnologia seja a condução autónoma, a XPENG destaca que o X-Cache poderá também ser aplicado a IA incorporada, robótica e outros sistemas físicos inteligentes.
A capacidade de simular interações com o mundo físico de forma rápida, eficiente e com custos controláveis representa um passo importante para o desenvolvimento de sistemas autónomos mais avançados.
Com este novo avanço, a XPENG reforça a sua posição na vanguarda da IA física, permitindo que os seus sistemas de condução inteligente evoluam de forma mais intensiva no mundo digital para operar com maior robustez e estabilidade no mundo real.
Para mais detalhes, consulte o relatório técnico completo e os sites oficiais:
- Artigo: X-Cache: Armazenamento em cache de blocos entre fragmentos para a inferência de modelos autorregressivos de mundo em poucos passos (disponível aqui)
- Site oficial do X-Cache: disponível aqui
- Site oficial do X-World: disponível aqui




















