PChome 7月21日消息，小鹏集团当日正式发布TuringViT高效视觉编码器。
PChome 7月21日消息，小鹏集团当日正式发布TuringViT高效视觉编码器。该技术面向VLM/VLA时代，从架构、数据、训练三个维度重构了视觉编码器设计范式，将全面支撑智能驾驶、智能座舱及IRON人形机器人三大业务场景。
TuringViT采用Turing线性注意力架构，将计算复杂度从二次方降至近线性。实测数据显示，1536×1536分辨率下，TuringViT-18L推理吞吐量达Seed1.5-ViT的3.04倍。通过VISTA-Curation数据治理流水线，仅用0.85B图文对（约为主流训练数据规模的10%），便在ImageNet-1K等六项零样本分类基准上取得83.6%平均准确率，超越使用10B数据训练的主流开源基线。
据小鹏官方介绍，TuringViT将作为第二代VLA模型核心视觉编码器，处理智能驾驶多路环视摄像头的高分辨率输入；在智能座舱中实现视觉特征与语言模型高效对齐；在IRON人形机器人中充当“视觉视网膜”，提供物体识别、空间关系理解等基础感知能力。相关论文及代码已同步公开。
