小鹏XMind 有两个挺有意思的设计，

第一个很显然是把worldmodel 作为一部分嵌入到了VLA模块里，通过worldmodel补上对世界的预测和理解。

第二个就是这个worldmodel并不是一个广义上视频推理模块，而是用最简化的思维导图，没有纹理，只剩下关键抽象，用来降低计算耗费。

图片推理太复杂，就做草图推理。同样也能学到变化的规律。

工程上很有意思的取舍。

智驾体验新能源大牛说