縫縫補補沒出路，小鵬第二代VLA直接掀桌開新局

　　文/周雄飛

　　“小鵬第二代VLA比行業第一流的選手領先接近5倍。”

　　春節還沒過完，智駕圈就因小鵬汽車CEO何小鵬的這句話為之轟動。因為當前行業其他玩家們都在以“第一梯隊”來證明自身的領先性，但像這樣高調挑明領先多大差距的，只有何小鵬一人。

　　何小鵬會這樣自信，也不是沒有原因。按照他介紹，第二代VLA的實測表現可以做到安心絲滑的體驗、全場景的智能輔助駕駛能力以及安全且高效的通行效率。

　　飛說智行在這兩天也體驗試駕了小鵬的第二代VLA，從三個多小時的體驗來看，無論是面對城區道路、還是高架路段，甚至是沒有車道線的鄉村小道，都做到了絲滑且安全的通行，怪不得何小鵬之前敢帶小鵬媽媽食堂的爸爸媽媽們直接上車。

　　小鵬第二代VLA的領先性，還體現在技術范式上。相較于傳統VLA架構間的兩次轉譯所帶來的模型延時，小鵬率先行業提出了第二代VLA架構，使整個模型變得更加簡潔。

　　更重要的是，小鵬他們還準備用第二代VLA這一套算法架構，從L2智能輔助駕駛直通L4自動駕駛，甚至打造具身機器人和飛行汽車等智能產品。放眼整個行業，這樣的戰略布局也是少有的創新。

　　之所以能做到這點，或許正像小鵬通用智能中心負責人劉先明說的那樣：“自動駕駛本質上是物理AI問題”。而在何小鵬看來，機器人和飛行汽車同樣屬于物理AI，要從算法層面打通這些物理AI，則需要基座模型以及一整套AI基礎設施支撐。

　　對于基座模型，小鵬從去年就開始研發，目前已擁有一個720億超大參數規模的世界基座模型，按照劉先明介紹，依靠該模型他們不僅解決了大量信號輸入輸出連續性差和反饋評價難兩大行業問題。

　　除了基座模型之外，小鵬他們還打造了算力+數據一整套AI基礎設施，通過大量高質量數據驅動和強化學習，來提升芯片-編譯器-模型的聯合優化效率，從而讓小鵬實現了僅4個月迭代468版模型的成績。

　　當下，整個行業已經打響物理AI的落地競速賽，玩家們都在為了贏得最終勝利摩拳擦掌，而小鵬汽車已經給出了它的答案。

　　1、第二代VLA，打破物理AI邊界的新范式

　　僅用4個月，小鵬第二代VLA就從亮相走到大規模量產。

　　去年11月的小鵬科技日上，小鵬正式推出了第二代VLA，彼時，整個智駕行業正處于世界模型和VLA哪個模型更好的爭論之中。

　　但小鵬率先在模型架構范式上進行了創新，不僅通過世界基座模型更深度地理解現實世界的環境和規律，同時還降低了VLA模型的延時，由此第二代VLA的性能排到了行業前列。

　　對于第二代VLA的能力，何小鵬很早就提出希望做成媽媽都覺得安心的智駕，因此在開啟專業媒體試駕評測之前，他就邀請小鵬總部“媽媽食堂”的各位媽媽們先上車體驗該模型的能力，最后得到了“媽媽都愛用”的評價。

　　具體到性能上，重剎和急加速都減少了99%、安全接管也減少了，路面障礙物識別能力以及夜間決策準確性都得到了大幅提升。就像在面對人多復雜的夜市環境和路邊亂七八糟的違停場景時，第二代VLA可以做到絲滑和安全的穿行。

　　何小鵬口中的“智能涌現”還在持續涌現。就像在行車時遇到后面駛來救護車，第二代VLA準確識別，能像人類司機一樣讓出“生命通道”;甚至在面對交警查酒駕時，第二代VLA還停在交警邊上讓主駕司機吹氣，當交警示意可以離開時，又很聰明地及時駛離。

　　第二代VLA作為原生多模態物理世界大模型，能像人一樣能直接“看、聽、讀”，讓感知與決策無縫連接。由此，何小鵬才有自信在會后的采訪中說出了文章開頭的那句結論。

　　但何小鵬并不滿足，在他看來第二代VLA就是自動駕駛的“DeepSeek時刻”。

　　這個觀點，何小鵬最早在今年的小鵬內部開工信中提出，在他看來第二代VLA是面向完全自動駕駛的第一個版本，換句話說他想用一套算法模型，跳過L3直接從L2通向L4自動駕駛。

　　這就意味著，以Waymo、蘿卜快跑為代表的Robotaxi玩家可能會受到小鵬第二代VLA的挑戰，畢竟后者是通過更低成本的技術方案，來做到比激光雷達混合感知方案上限更高的自動駕駛。

　　按照何小鵬透露，他們的Robotaxi將在今年開啟試運營，飛說智行這兩天湊巧在小鵬總部也看到了他們正在進行L4測試的Robotaxi車輛。

　　在何小鵬的計劃中，第二代VLA模型還會被應用到其他物理AI的打造上。據了解，分體式飛行汽車“陸地航母”和IRON人形機器人都將在今年量產落地。

　　這就意味著，小鵬用第二代VLA同一套算法架構，打破了智能汽車、機器人和飛行汽車等智能產品的算法邊界和傳統范式，讓這些物理AI產品體內流淌著同樣的“算法血液”，從而幫助AI更快地從數字世界進入現實世界。

　　小鵬能做到這些的背后，得益于他們很早就為此開始搭建物理AI的“地基”。

　　2、要應對現實世界問題，世界基座模型成為關鍵“地基”

　　打造物理AI需要一套怎樣的算法模型?

　　首先現實世界中無時無刻存在大量且多模態的信息，依靠單一模態模型無法連續輸入輸出這些信息;其次，智能體在現實世界中的交互反饋難以預測和評價。

　　相較于在原有架構上縫縫補補，在劉先明看來，要解決以上這些物理世界問題則需要重新設計和打造一個基座模型。

　　除了劉先明，何小鵬此前也多次在公開場合表達過基座模型的重要性。“基座模型會成為物理AI世界的‘操作系統’，也是一切物理AI應用的基礎。”

　　正因這樣，于去年4月或更早，小鵬他們就開始研發參數量為720億的世界基座模型，并且為該基座模型搭載了原生多模態Tokenizer模型和32倍超密視覺思維鏈(CoT)等能力。

　　基于原生多模態Tokenizer模型，小鵬的基座模型就能把收集到的多模態信息，進行更早的前融合處理和編碼，保證信息連續性輸入和輸出的同時，還避免了單一模態模型帶來的信息損失和偏差。

　　而對于真實世界的反饋評價上，小鵬通過引入視覺思維鏈，可以做到高度實時的推理和給出最優的路徑規劃，就以遭遇慢行大車場景為例，基座模型會通過視覺思維鏈列舉幾種不同處理方案，最后通過評價體系打分選出最優解讓車輛執行。

　　“正是基于這些底層的能力，就可以讓基座模型具備很強的泛用能力，不會只針對智能輔助駕駛或者自動駕駛，其他的物理AI智能體復用能力已經在持續探索中。”劉先明這樣對飛說智行說道。

　　放眼整個行業，雖然之前也有其他一些玩家表達過要打造類似基座模型的計劃，但就目前來看，小鵬的世界基座模型無論在參數量規模，還是性能上都應該處于行業前列位置。

　　并且，小鵬他們還打造了一個“云端模型工廠”。翻譯下官方介紹，就是該“工廠”能通過強化學習把基座模型中好的能力留下、不好的能力進行優化矯正，再基于模型蒸餾技術把這些能力蒸餾生成性能少打折、但參數量更小的端側模型，以便滿足車端算力的要求完成上車部署。

　　正因云端模型工廠在智能輔助駕駛方面能做到這樣的能力，由此讓小鵬用一套VLA模型打通不同物理AI底層算法成為可能。

　　但小鵬想要打贏這場物理AI落地競速賽，只有基座模型這一枚“彈藥”可不夠。

　　3、物理AI落地競速賽，就是AI基礎設施的“軍備競賽”

　　沖擊L4，一直都是智駕行業的終極目標。

　　針對這個目標，目前整個行業中卻出現了漸進派和跨越派兩大陣營，前者陣營以華為和長安等玩家為代表，認為要通往L4自動駕駛之前，L3有條件自動駕駛是必經的過渡階段。

　　而小鵬則屬于跨越派陣營的代表玩家，因為在他們看來可以直接從L2智能輔助駕駛階段跨越到L4自動駕駛階段，L3階段雖然屬于自動駕駛，但仍需駕駛員隨時接管，實際使用中易因響應不及時引發安全隱患，這對硬件、軟件、法律法規都是挑戰。

　　何小鵬在近日召開的2026全國“兩會”上，也提出了“我國自動駕駛政策應跳過L3階段，直接從L2邁向L4”的建議。

　　何小鵬在前面提議，劉先明則是將其實現的架構師。為此，劉先明提出了一個“公式”——L4=模型x算力x數據x本體。其中的“模型”指的就是前述的第二代VLA以及基座模型，在此不再贅述。

　　再來看算力方面，小鵬早在2024年8月就公開披露了以NPU為核心的自研芯片——圖靈AI芯片，實現了全棧自研和軟硬一體的模型開發體系，并且針對第二代VLA模型做了芯片-編譯器-模型的全鏈路優化。

　　結果就是不僅把芯片的算力利用率進一步提升，按照劉先明介紹，目前單顆圖靈AI芯片的有效算力已接近于10顆英偉達Orin-X的有效算力。同時還能讓模型推理時延相比開源模型+通用芯片的組合降低超過60%，模型能力提升超20倍。

　　除了車端算力之外，小鵬他們很早就已建立起三萬卡規模的智能算力集群，運行效率常年保持在90%以上，從而保證模型迭代效率。

　　不止是小鵬，目前華為、阿里、騰訊、以及特斯拉和理想等玩家，都已加入這場“堆算力”的軍備競賽。

　　算力之外，數據也是重中之重。

　　像訓練智能輔助駕駛或者自動駕駛模型，需要大量的高質量數據作為“養料”。以小鵬為例，他們單次訓練模型所需的高質量數據規模已達到50PB，對應到第二代VLA整體的訓練Token數量在4萬億左右，與訓練的ChatGPT級別的模型規模相當。

　　對于這些數據的來源，何小鵬認為人類駕駛的數據是無限的，但要從這其中收集大量高質量的數據，變得更加重要。此外，按照劉先明介紹，小鵬除了采用人駕數據的同時，也會通過云端生成數據來做仿真訓練，兩者相輔相成。

　　基于以上這些AI基礎設施和數據閉環的能力，小鵬讓第二代VLA模型正保持著快速的迭代效率。

　　按照何小鵬介紹，自去年科技日以來，該模型已更新了468個版本，平均每天接近4版模型，就連過年期間模型的迭代也在進行著，來為VLA的持續優化提供保障。

　　可以預見的是，基于第二代VLA模型的快速迭代，也能讓小鵬的智能輔助駕駛、自動駕駛、機器人和飛行汽車等物理AI產品的能力持續進化，從而推動盡快應用落地。

　　從去年開始，已有越來越多車企把自身的發展戰略設定為向AI公司轉型，玩家們對于模型、算力和數據等AI基礎設施的投入一定會加快布局，以便形成競爭優勢。

　　正因這樣在飛說智行看來，智能汽車行業中打響一場AI基礎設施的“軍備競賽”已無法避免。

　　但就上文所分析的，在AI基礎設施的體系化和完整度兩方面來看，小鵬汽車應該已經處于行業領先位置。由此劉先明才會說：“因為我們在構建底層通用能力體系，這才是真正的代際差優勢”。

　　基于此，有了加速度的小鵬汽車在之后的征程中，應該會越跑越快。