He Xiaopeng van XPeng zet alles op 'physical AI' en schrapt miljardeninvestering in software voor radicale nieuwe koers
Podcastinterview met Zhang Xiaojun, 28 mei 2026
He Xiaopeng nam vorig jaar een van de meest risicovolle beslissingen in de geschiedenis van de Chinese auto-industrie, en vrijwel niemand buiten zijn directe kring wist ervan. In april 2025 besloot de oprichter en CEO van XPeng Motors eenzijdig om het autonome rijsysteem van de eerste generatie – een platform waar al miljarden yuan in was geïnvesteerd – volledig te schrappen en de koers volledig te verleggen naar wat hij "physical AI" noemt. Het besluit leidde tot een interne leegloop, waarbij werknemers letterlijk met hun voeten stemden, maar He zette door. Een jaar later lijkt de gok vruchten af te werpen, al geeft hij ruiterlijk toe dat de kans op definitief succes nog steeds slechts 20 procent is.
De radicale draai kwam voort uit He's groeiende overtuiging dat de gehele auto-industrie bezig was met wat hij spottend "AI-monsters" noemt: systemen die AI-tools op traditionele softwarearchitecturen plakken, in plaats van voertuigen vanaf de basis opnieuw te ontwerpen als intelligente fysieke entiteiten. Medio 2023 draaide XPeng intern twee parallelle programma's voor autonoom rijden: een eerste-generatiesysteem dat stapsgewijs de end-to-end-capaciteiten binnen bestaande kaders verbeterde, en een tweede-generatieaanpak die gebruikmaakte van aanzienlijk grotere foundation models met een fundamenteel andere denklogica. De eerste generatie bood een beheersbare bovengrens van ongeveer 1.000 capaciteitspunten met een ondergrens van bijna 900 punten, legde He uit. De tweede generatie beloofde een bovengrens van 100.000 tot een miljoen punten – maar de ondergrens lag catastrofaal laag, op slechts 100 punten.
Het kantelpunt van april 2025
He omschrijft het kantelpunt niet zozeer als een formele vergadering, maar als een inzicht dat begin 2025 in zijn hoofd kristalliseerde. Hij had maandenlang toegezien hoe concurrenten paden bewandelden die sneller leken te leiden naar "nét bruikbaar" autonoom rijden, om vervolgens onvermijdelijk tegen muren op te lopen bij het oplossen van uitzonderlijke situaties. "Ik denk dat alle bedrijven denken dat ze met simpelere methodologieën en snellere prestaties tot een systeem kunnen komen dat net bruikbaar autonoom rijden lijkt," zei hij. "Maar na één tot twee jaar merk je dat je, om de vele tekortkomingen op te lossen, vastloopt in je eigen beperkingen. Je ontdekt dan dat je nooit level 4 of level 5 zult bereiken."
De theoretische doorbraak kwam door het inzien van een fundamenteel verschil tussen digitale en fysieke AI. Digitale AI opereert in menselijke taal, wat "zeer samengevat en gecondenseerd" is, aldus He. Fysieke AI moet echter een enorme hoeveelheid data verwerken die niet adequaat in woorden te vatten is. "De hoeveelheid data die ieder van ons elke dag ziet, is simpelweg onmogelijk samen te vatten, te beschrijven, te reconstrueren en in woorden te kopiëren," stelde hij. Dit onderscheid betekende dat de methodologieën van bedrijven in digitale AI – die de teams van XPeng probeerden aan te passen – structureel ontoereikend waren voor de fysieke wereld.
Tegen het einde van het derde kwartaal van 2025 voerde He een ingrijpende organisatorische herstructurering door in het centrum voor autonoom rijden van XPeng, waarbij de kernstructuur volledig werd veranderd. De ingreep was meedogenloos: van een roboticateam van 300 man dat volgens traditionele methoden was opgebouwd, bleven er minder dan 60 over. He erkende dat "veel uitstekende collega's" vertrokken en zo'n 10 startup-teams vormden die inmiddels financiering hebben opgehaald. Hij achtte deze creatieve destructie echter noodzakelijk om te ontsnappen aan wat hij zag als een fatale pad-afhankelijkheid. "Je raakt gewend aan het gebruik van oude methoden en geniet van de nieuwste tools en technologie om iets beters te maken," zei hij. "Ik denk dat dat meestal klopt. Maar er zijn momenten waarop je werkmethodologie moet veranderen."
De technologische inzet achter de weddenschap
Wat heeft XPeng in plaats daarvan gebouwd? He blijft bewust vaag over de implementatiedetails, verwijzend naar de lopende ontwikkeling en concurrentiegevoeligheid, maar in grote lijnen komt het neer op het volledig verlaten van software-primaire architecturen ten gunste van AI-native systemen. De oude aanpak gebruikte "software engineering, het proces van softwaregebruik, plus AI-algoritmen en AI-tools, inclusief de codering die je net noemde," legde hij uit. "Je kunt het zien als een bedrijfsproces of software waarbij in belangrijke tools en processtappen AI wordt gebruikt. Maar wij denken dat dat fout is."
De nieuwe methodologie behandelt het voertuig als een holistische intelligente entiteit in plaats van als een softwaresysteem dat is uitgebreid met AI-modules. He trekt expliciete parallellen met het werk van XPeng aan humanoïde robots, waarbij het bedrijf systemen probeert te creëren die taken op een allesomvattende manier doordenken – context begrijpen, acties in meerdere stappen plannen en zich aanpassen aan nieuwe situaties – in plaats van voorgeprogrammeerde routines uit te voeren met AI-ondersteuning op beslismomenten. "Hoe gooi ik de oorspronkelijke end-to-end-logica weg? In feite wordt een groter foundation model gebruikt voor meer denkwerk, hoe open je eerst de bovengrens van autonoom rijden, om vervolgens naar de ondergrens van convergentie te gaan," zei hij over de filosofische verschuiving.
De gevolgen voor de infrastructuur zijn ingrijpend. He merkte op dat de fysieke AI-modellen van XPeng een tokenvolume verbruiken dat ordes van grootte hoger ligt dan bij digitale toepassingen – een enkel voertuig dat dagelijks drie tot vier uur het nieuwe VLA-systeem draait, verwerkt meer tokens dan de meeste digitale use cases, al wilde hij geen exacte cijfers noemen. Het bedrijf investeert jaarlijks bijna een miljard RMB alleen al in infrastructuur voor dataopslag, waarbij gespecialiseerde teams moeten beheren welke datasets 'hot access' nodig hebben versus 'cold storage' of archivering. De toewijzing van rekenkracht volgt vergelijkbare patronen, waarbij het management zich richt op efficiëntiestatistieken voor 30.000 tot 50.000 H100 GPU-equivalenten in plaats van op tokenbudgetten per werknemer, zoals bij digitale bedrijven gebruikelijk is.
Vroege marktvalidatie
Het eerste commerciële bewijs kwam eind maart 2026, toen XPeng de eerste versie van zijn tweede-generatie VLA-systeem uitbracht. In april, terwijl de totale verkoop van personenauto's in China met ongeveer 20 procent op jaarbasis daalde, stegen de leveringen van XPeng met 50 tot 70 procent, waarbij een "aanzienlijk deel" volgens He toe te schrijven is aan de nieuwe mogelijkheden voor autonoom rijden. Het bedrijf projecteert nu wat het beschouwt als Level 4-capaciteit binnen 18 tot 24 maanden – een tijdlijn die He realistisch noemt in vergelijking met het "opscheppen" van concurrenten die beweren dat eerder te kunnen uitrollen.
Maar He blijft nuchter over wat het bereiken van zelfs Level 4 zou betekenen. "Zelfs als er meer verkopen zijn, vertegenwoordigt dat geen waarde op de lange termijn," merkte hij op. "Je ziet dat er hier verschillende problemen zijn." Succes in de auto-industrie vereist aanhoudend uitmuntende prestaties op tientallen dimensies tegelijk – wat He het probleem van de "lange plank, korte plank en brede plank" noemt. Een enkele technische prestatie, hoe indrukwekkend ook, kan zwakheden op andere gebieden niet compenseren wanneer klanten de algehele eigendomservaring van een voertuig evalueren.
Het parallelle traject van de humanoïde robot
De robotontwikkeling van XPeng volgde een vergelijkbaar traject van valse starts en radicale koerswijzigingen. De robotica-activiteiten van het bedrijf omvatten drie fasen: een beginperiode van 2018-2020 waarin een onafhankelijk team werd overgenomen dat aan viervoetige robots werkte; een fase van 2020-2023 waarin verschillende benaderingen werden verkend met zowel robotica- als automethodologieën; en het tijdperk na 2023 waarin He zich verbond aan universele humanoïde robots, aangedreven door AI-first architecturen.
De katalysator voor de humanoïde weddenschap kwam in 2023, toen He concludeerde dat eerdere benaderingen nooit het "breinprobleem" konden oplossen – de cognitieve capaciteit die nodig is voor algemeen gebruik. Eerdere systemen vertrouwden op wat He afdoet als controle op "ruggengraat"- of "hersenstam"-niveau: het bewaren van evenwicht en het uitvoeren van eenvoudige gangen. "Langzaam vooruit lopen met hetzelfde monotone tempo, ik denk niet dat dat het cerebellum is," zei hij. "Dat is de ruggengraat. Of je hersenstam die gewoon je evenwicht bewaart. Je bent nog lang niet bij het cerebellum."
He selecteerde Mi Liangchuan om het robotcentrum te leiden op basis van wat hij "kwadrant"-afstemming noemt: gedeelde denkkaders in plaats van diepgaande domeinexpertise. Mi had specifiek niet aan robots of autonoom rijden gewerkt, wat He als een voordeel in plaats van een nadeel zag. "Zijn kwadrant is consistenter met mijn denkkader," legde He uit. Het team dat Mi samenstelde, bestaat grotendeels uit recente afgestudeerden van topinstellingen; alleen al eind 2025 en begin 2026 werden bijna 80 master- en doctoraatsstudenten van Tsinghua en soortgelijke universiteiten aangenomen. "We moeten bereid zijn hun verkenning op de lange termijn te steunen," zei He. "Je moet geloven dat deze groep jonge gasten wonderen kan verrichten."
De strategische logica voor de humanoïde vormfactor draait om omgevingscompatibiliteit en maatschappelijke integratie op de lange termijn. He legde gedetailleerd uit waarom viervoetige robots falen in menselijke ruimtes: een robothond die groot genoeg is om nuttig te zijn (1,1 tot 1,2 meter) kan niet door typische kamers navigeren zonder meubels of zichzelf te beschadigen, terwijl kleinere versies tekortschieten in capaciteit en batterijduur. Op dezelfde manier creëren zwaar bepantserde tweevoetige robots psychologische barrières die nauwe menselijke interactie verhinderen, wat hun nut in huiselijke en commerciële omgevingen beperkt.
De controverse rond de Iron Bot
De robot van XPeng trok eind 2025 onverwacht internationale aandacht toen demonstratievideo's tot wijdverbreide speculatie leidden dat er een mens in het pak zat in plaats van autonome systemen. He beschreef de episode met een mengeling van frustratie en verbazing. De getoonde robot was slechts een tussenstap – een versie waarvan het team wist dat hij thermische problemen had en "heet" was – niet een product dat bedoeld was voor publieke controle. Maar toen complottheorieën de kop opstaken dat de demonstratie nep was, greep He persoonlijk in, tegen de bezwaren van zijn team in, om de echtheid van de robot definitief te bewijzen.
"Veel mensen binnen het bedrijf dachten dat we niets hoefden te zeggen omdat we het zelf wisten," vertelde He. "Maar in feite heeft 99,99 procent van de mensen in deze wereld geen mogelijkheid om hem aan te raken." Hij dwong zijn team om van de ene op de andere dag een demonstratiestrategie te bedenken, wat resulteerde in een video waarin het linkerbeen van de robot werd gedemonteerd om de interne mechanismen te onthullen. De keuze was tactisch: "Iedereen kan het linkerbeen zien. Hij loopt van links naar rechts. Het linkerbeen is het makkelijkst te zien. Dit is een echte robot."
De publieke reactie onthulde een onverwachte marktsegmentatie die sindsdien de commercialisatiestrategie van XPeng heeft beïnvloed. Analyse van sociale media toonde aan dat jongere gebruikers vooral geïnteresseerd waren in robots voor huishoudelijke taken en werkondersteuning, terwijl de middenleeftijd en ouderen – mensen die "niet op sociale netwerksites posten" – zich intensief richtten op ouderenzorg. "Ik denk dat dit iets is om vanuit verschillende perspectieven te bekijken," zei He. "Ik heb nog nooit zo'n groot gezichtspunt meegemaakt. Hij heeft niet zulke grote data."
Het GX-vlaggenschip en de automobielstrategie
Aan de kant van de auto's lanceert XPeng zijn GX-vlaggenschip-SUV als het eerste full-size model met zes zitplaatsen en het duurste voertuig tot nu toe. He positioneert de GX als een synthese van capaciteiten uit de gehele portefeuille van XPeng – vliegende auto's, robots en conventionele voertuigen – in plaats van als een conventionele grote SUV. Het voertuig bevat zesvoudige veiligheidsredundantie, geïnspireerd op vliegtuigontwerp, wat betekent dat het kan blijven functioneren, zelfs bij stroomuitval of doorgeknipte kabelbomen. "Het is als een vliegtuig, het biedt je redundantie," legde He uit.
De integratie gaat dieper dan hardware. Het nieuwe 'wire-controlled' chassis van XPeng is via een opnieuw ontworpen elektrisch/elektronisch architectuur direct gekoppeld aan het VLA-autonome systeem, wat volgens He de ondergrens van VLA-uitvoering verhoogt – hogere veiligheidsniveaus, lagere latentie en verbeterde controle-gevoeligheid met "bijna tientallen procenten." Toekomstige versies zullen taakgerichte AI uit het roboticaprogramma bevatten, waardoor het voertuig complexe commando's in meerdere stappen kan begrijpen en uitvoeren, vergelijkbaar met hoe een humanoïde robot instructies verwerkt als "haal een fles water voor me."
He pareerde directe vragen over de vraag of de GX het risico loopt de moeizame lancering van de G9 in 2022 te herhalen, die werd gekenmerkt door prijsverwarring en marktmissers. "Het denken en de logica van toen, denk aan de logica van nu, ik denk dat het verschil erg groot is," zei hij. "Als je vermogen een hogere dimensie bereikt, kun je waarschijnlijk alles analyseren: waar de eerdere problemen lagen, en er is een grote kans dat je weet wat het probleem nu is." De implicatie is dat de organisatorische en analytische capaciteiten van XPeng voldoende zijn gerijpt om soortgelijke uitvoeringsfouten te voorkomen, hoewel He erkende dat het voertuig lessen bevat die zijn geleerd op het gebied van productplanning, klantbegrip en bedrijfslogica.
De doelgroep wordt omschreven als 30-plussers, "relatief dapper," professioneel succesvol en bereid om nieuwe technologie te verkennen – in essentie de vriendenkring van He. "Onze auto, meer verwachtingen zijn gericht op gezinsgerichte technologische luxe," zei hij. Prijzen en gedetailleerde specificaties worden op 21 mei 2026 aangekondigd, gepositioneerd als voorverkoop voorafgaand aan de formele marktintroductie.
Industrieconsolidatie en leveranciersrelaties
He herhaalde zijn voorspelling dat de Chinese automarkt tegen 2030 zal consolideren tot ongeveer vijf grootschalige bedrijven, al benadrukte hij dat dit niet betekent dat andere fabrikanten noodzakelijkerwijs zullen verdwijnen – alleen dat verminderde schaal de ultra-intensieve concurrentie steeds moeilijker zal maken. Deze consolidatiethese spreekt het optimistische scenario achter het bedrijfsmodel van Horizon Robotics direct tegen, dat afhankelijk is van talrijke OEM's die oplossingen van derden adopteren in plaats van AI-capaciteiten verticaal te integreren.
He prees Horizon-oprichter Yu Kai persoonlijk en de producten van het bedrijf, maar uitte scepsis over de strategische levensvatbaarheid van het tier-one leveranciersmodel voor AI-systemen. "Als je naar iets kijkt vanuit het perspectief van de gebruiker, omdat wij naar een ding kijken vanuit een zakelijk perspectief, is het gebruikersperspectief misschien slechts een van onze tientallen perspectieven," zei He. "Iedereen voelt de behoefte aan meer autobedrijven. Er zijn meer producten van bevriende handelaren om uit te kiezen. Er zijn meer verschillende dingen. Maar in deze wereld zijn auto's te ingewikkeld."
Het complexiteitsargument draait om cross-domein fusie – het integreren van hardware, software, productie, ontwerp, service en operaties op manieren die zich niet laten vangen in eenvoudige modularisatie. Hij voerde aan dat hoewel samenwerken met drie bedrijven om een totaaloplossing te leveren haalbaar is, "je met 300 bedrijven moet samenwerken om een gepersonaliseerde oplossing te bieden, je zult veel pijn lijden." De strategie van XPeng om 80 procent van de hardware in eigen beheer te ontwikkelen, inclusief handchips en gewrichten voor robots, weerspiegelt deze integratiefilosofie doorgetrokken naar het domein van fysieke AI.
Concurrentiedynamiek en de 'zee van bloed'
Gevraagd of XPeng is ontsnapt aan de "zee van bloed" die hij in eerdere interviews beroemd beschreef, was He ondubbelzinnig: "Ik denk dat ze allemaal zwemmen. Ik denk niet dat iemand er nu uit is." Maar hij suggereerde dat robotica een ander concurrentietraject kan volgen dan auto's. In tegenstelling tot auto's, waar homogene producten onvermijdelijk leiden tot brute prijsconcurrentie, zouden de hoge softwarewaarde en het gebrek aan sterke open-source alternatieven bij robots meer differentiatie en gezondere economische vooruitzichten moeten bieden.
He schatte dat er nu meer dan 200 gevestigde roboticabedrijven in China zijn, potentieel het dubbele van het piek-aantal autostartups, al merkte hij op dat robotcategorieën veel diverser zijn dan voertuigsegmenten. "Ik denk dat er veel oplossingen in deze wereld kunnen zijn," zei hij. "Het winstpercentage van die robot is vrij hoog. Ik denk dat het hoger is dan dat van een personenauto." Maar hij was meedogenloos eerlijk over de overlevingskansen voor bedrijven die specifiek universele humanoïde robots nastreven: "Ik denk persoonlijk dat als we een universele humanoïde robot adopteren, 99,99 procent zal sterven."
De eigen kansen van XPeng liggen volgens He op ongeveer 20 procent – een cijfer dat hij typeert als "het hoogste winstpercentage" onder Chinese bedrijven die deze categorie proberen te betreden. De knelpunten voor commerciële robotica zijn drieledig: het bereiken van betrouwbare en stabiele hardware, het succesvol integreren van meerdere grote modellen op hoog niveau, en het bewijzen van commerciële levensvatbaarheid bij echte inzet. XPeng verwacht tegen het einde van 2026 de SOP (start of production) op automobielniveau voor robots te bereiken, waarbij 2027 "het eerste jaar van commerciële massaproductie" voor geavanceerde robots in China en de Verenigde Staten vertegenwoordigt.
De moeilijkheidsgraad overstijgt die van de auto-industrie volgens de schatting van He – 20 tot 100 keer moeilijker, waarbij 20 de minimale vermenigvuldiger is. "Zelfs met het vermogen van XPeng, nadat de marketing van deze robot eind vorig jaar verscheen, denk ik dat dit onze kans op succes een klein beetje heeft vergroot," zei hij. De implicatie is dat, zelfs voor een bedrijf met de middelen en technische diepgang van XPeng, succes nog lang niet verzekerd is.
Filosofische verschuivingen en organisatorische angst
He sprak openhartig over de psychologische uitdagingen van het leiden tijdens een technologische discontinuïteit. "Natuurlijk ben je angstig," zei hij toen hem werd gevraagd naar het navigeren door de AI-transitie. "Omdat je zult ontdekken dat veel van je eerdere logische theorieën, zelfs de theorema's en paradigma's aan de basis van je logische theorie, tot op het axiomatische niveau – je waarden, levensvisie en wereldbeeld – onder de druk van deze veranderingen lijken te wankelen. Het lijkt erop dat de vorige set logica niet zo goed werkte."
De existentiële onzekerheid strekt zich uit tot voorbij persoonlijke kaders naar organisatorische capaciteiten. Hij merkte op dat het toepassen van token-gebruiksstatistieken geleend van digitale AI-bedrijven weinig zin heeft voor fysieke AI-bedrijven, en dat de meeste conventionele wijsheid over AI-transformatie "niet alomvattend en voldoende" is wanneer deze wordt doorgetrokken naar het fysieke domein. "Hun methodologie kopiëren naar fysieke AI, ik denk dat er veel plaatsen zijn die niet geschikt genoeg zijn," zei hij. "Misschien is een deel van de bedrijfslogica correct, maar ze zijn niet alomvattend en voldoende. Dit is het grootste probleem."
Wat betreft kennisverwerving is He grotendeels gestopt met het lezen van zakelijke boeken op de conventionele manier, omdat hij merkt dat samengevatte regels te snel verouderen naarmate de wereld verandert. "Ik sla misschien een hoofdstuk om en ga door," zei hij over boeken op zijn bureau. "De regels die in het boek zijn samengevat, de huidige combinatie verandert te snel, het is moeilijk samen te vatten. Nadat hij een boek heeft geschreven en gedrukt, is de wereld misschien alweer 10 procent veranderd." In plaats daarvan benadrukte hij leren door praktijk en snelle iteratiecycli, vooral in AI-systemen waar menselijke betrokkenheid in de verbeteringslus tot een minimum moet worden beperkt.
Ondanks de enorme druk en de kleine kansen, uitte He geen spijt over beslissingen uit het verleden, inclusief de kostbare draai weg van bewezen technologieën. "Het is niet nodig om na te denken over spijtige beslissingen in deze wereld, want ik heb te veel fouten gemaakt," zei hij. "Waarom zou je spijt hebben van het maken van een fout? We voelen vaak dat iets op dat moment verkeerd is gedaan. Laten we dan nadenken over waarom het nu verkeerd is. Maar heb er geen spijt van."