大家好，我是肖老师~

前两天，受邀参加了小鹏第二代VLA发布会，给大家分享分享这次发布会的重点，以及我自己的一些看法和思考。

关于第二代VLA，小鹏汽车董事长兼CEO何小鹏自己的评价非常高，认为这是从L2到L4的拐点，是真正通向L4自动驾驶的开端。

他认为，端到端模型已经触及能力天花板，智驾研发来到了分水岭时刻。

过去的2025年，小鹏车卖的不错，但辅助驾驶的进展似乎不如人意，从最初可与特斯拉、华为争锋的状态，进入到跟随甚至有些掉队的水平。

这种感觉不是用户主观感受，小鹏自己也坦然承认，因为这是小鹏的主动选择。过去一年，小鹏的辅助驾驶正在经历一次架构重塑，从第一代VLA到第二代VLA，不是原有架构优化，而是整个推倒重来。

何小鹏认为，原有的架构能够通过不断打磨下限场景，带来能力优化，给用户带来能力提升的直观感受，这也是多数友商在做的事，但无法实现真正从L2到L4的突破。

构建第二代VLA，小鹏从最底层重新思考如何解决自动驾驶问题，即把自动驾驶当成一个物理AI的问题，去解决算力、数据和模型之间的平衡。

因此，小鹏第二代VLA不仅是自动驾驶架构，更是小鹏构建的物理AI基座模型。

主导小鹏第二代VLA设计的，是小鹏汽车通用智能中心负责人刘先明。

这一中心是由自动驾驶中心与智能座舱中心合并而成，全面领导小鹏汽车智能驾驶及智能座舱技术的研发与落地，直接向何小鹏汇报。

刘先明曾就职于Meta、Cruise、地平线北美实验室，长期从事机器学习与计算机视觉研究。2024年3月加入小鹏汽车，初期担任AI团队负责人，2025年10月接替李力耘出任自动驾驶中心负责人。

刘先明指出自动驾驶本质是物理AI问题，并提出了这个公式：L4能力 = 模型 × 算力 × 数据 × 本体。

类似的公式我们也曾多次见过，不同的是，刘先明在公式中又引入了一个本体的概念。他解释称，所谓本体，是指整车部分。

增加了这个本体概念，其实是想指出，物理AI与数字AI的不同。

他进一步谈到，物理世界跟数字世界有很大的不同，前者的难度呈指数级在增长，它输入信号是连续的、非结构化、信息量大，而且不像文字一样容易去做分词。

同时，物理世界还存在一定未知性的反馈、交互。

因此，只有能够做好基座模型的公司，才能做好AI，做好自动驾驶。小鹏第二代VLA的初心，就是要打造一个原生多模态的物理世界基模。

拆解具体的问题来看，在模型层面：

1、如何去做处理连续的、多模态的输入信号？小鹏设置了一套原生多模态的tokenizer，让它以更高效、更原始的阶段去处理、融合多模态信号，避免单一模态带来的偏差。

2、如何应对物理世界的复杂性？这需要一套特别高效的视觉思维链，为了能让它跑的具有实时性，小鹏把思维链处理效率提升了32倍。

3、最后在输出层面，它能实现语言、视觉、行为、动作的多模输出。

刘先明指出，它不仅仅是第二代VLA的基座模型，也是仿真、世界模型、强化学习的基础。小鹏希望实现舱驾联动，让车辆像一个有机的智能体，这个基座模型也是后续做舱驾一体延伸的基本。

刘先明带来一个例子，来解释VLA模型是如何做判断的。

图片中显示，智驾车辆在直行道路上跟随大车做慢行，模型会通过思维链，推演多种可行路径，从安全、舒适、效率、合规等维度进行打分、做出判断，找到一个可行的方案，这些都是系统自动生成的，完全没有其他拼接的策略。

通过这样的方式，系统是能够判断出什么样的解决方案是最合理的。而能够处理复杂场景，正是基于强大视觉思维链的分析能力。

在算力层面，毫无疑问，强大的模型需要强大的算力支撑，才能足够实时的进行信息处理。小鹏根据自动驾驶应用场景，自研了图灵芯片，针对性地设计了底层架构，同时在上面打造了一套AI编译器，让AI模型的运行更加丝滑、高效。

刘先明介绍，小鹏也同时根据了芯片和编译器定制了图灵结构模型。正是因为有了全栈式联合研发，这使得第二代VLA模型在车端运行的速度整整提升了12倍。

一款芯片到底跑的快不快，适不适合自动驾驶，取决于芯片运算效率。

刘先明认为，有效算力等于芯片名义算力乘以算力利用率，后者则取决于算法模型与芯片的适配程度，计算密度越高就意味着芯片利用率越高。这个观点地平线也曾经提到过。

通过上图可以看到，通过小鹏自研芯片和模型结构的深度定制，和编译器的联合优化，将计算利用率提升到了82.5%，对比利用开源模型和通用芯片，利用率提升了三倍。

之前小鹏提到过，一颗图灵芯片的名义算力相当于三颗Orin-X，经过全场景设计优化之后，现在一颗图灵芯片的有效算力能到达十颗Orin-X的水平。

训练端算力来看，小鹏在2025年公开的数据是有10 EFLOPS云端算力。刘先明介绍了另一个维度，即云端算力利用的效率。

刘先明介绍，小鹏不停优化整个模型和训练过程中的容错性、 稳定性和训练效率，以及数据读取的有效效率。

他介绍称，从去年11月小鹏科技日到现在，小鹏一共更新了468版模型，平均每天接近4版。一个上十亿参数的大模型，能达到这个效率，足以证明小鹏的AI基础设施非常强大。

另外几组数据来看，从2025年1月到现在，单颗GPU的运算效率提升近10倍，单任务训练效率提升近43倍，GPU的计算利用率从40%提升到90%。

最后到数据维度，在模型训练中高质量token越多，模型就会越强，泛化能力就会越强。

刘先明介绍，小鹏云端训练高质量数据达到了50PB的规模，这是语言大模型训练20倍左右的数据量。

同时，因为小鹏输入的是高密度的摄像头数据，例如7颗车上摄像头带来的高帧率数据达到每秒53亿个字节。

他表示，这些高密度的输入数据也给小鹏带来更多高质量token，小鹏每版模型训练数据在4万亿Tokens，这是训练一个ChatGPT级别的通用大模型所需数据量。

他举了一个例子来说明小鹏训练数据量之大：

春节期间，全国通用AI数字模型每日消耗量在0.737亿Tokens，小鹏车型全量运行时的日Token消耗量则达到了58.8万亿，是全国通用AI消耗的80倍。

从这个维度也可以看出，物理AI比数字AI复杂的程度之大。

因此，必须要有足够算力和数据处理能力作为基础，才能真正做好物理AI，做好自动驾驶。

过去一年中，小鹏仿真case数量从3万个增加到50万个，一天的测试当量相当于驾驶员去跑3000万公里的测试数据。

小鹏也将世界模型大量应用于仿真测试里面，以生成更自然、更有交互性的场景。

包括利用世界模型去做强化学习训练（包括自我博弈、长时序推演），以及利用世界模型加速全球化部署。

刘先明也给自己设置了几个2026年度目标，他谈到，小鹏辅助驾驶在今年年底之前，安全接管里程要提升50倍、平均接管里程提升25倍、车端模型参数量提升到200亿以上。

以此为基础，小鹏辅助驾驶在中国道路将达到媲美特斯拉FSD在硅谷的能力，这是第一大目标。

同时，VLA+VLM的舱驾一体能力，Max版车型（单图灵芯片）的蒸馏版，Robotaxi的无人化运营，也将在2026年底前实现。

他与何小鹏对于第二代VLA有着同样的信心，认为这是小鹏和其他自动驾驶企业拉开差距的起点，也将是目前中国最好用的自动驾驶。

聊一聊我的感受：

这两年体验辅助驾驶车型，能够感受到各家体验在平滑提升，但没有哪一家实现跨越式升级，头部玩家都在一个台阶上，向上跳，通过新版本优化来刷新排名，有取得短暂领先身位的选手，也有能力回落排名下滑的选手。

整体而言，第一梯队选手在95%的普通难度城区场景解题都很好，核心差异体现在通行效率的差异、车控细腻的差异。

但面对5%的困难场景，所有选手还是会慌张、会卡壳、会摆烂。

小鹏第二代VLA发布会上，何小鹏没有过多地聊技术概念，把演讲的重心正是放在了讲解5%的困难场景上，从现场的视频展示来看，第二代VLA对于困难场景的解题能力很强。

例如，快速绕行开门杀、黑夜绕行路面大坑、识别并让行宠物狗、极窄道路的会车博弈、交警手势的识别等等。

如果发布会上列举的场景都能稳定表现，那么小鹏第二代VLA确实将迎来一次智驾体验的跨越式提升。

这次发布会，小鹏第二代VLA吊足了胃口，具体什么时间能体验到？小鹏给了具体推送节奏：

小鹏第二代VLA推送会在3月下旬开启推送，首批车型覆盖全新小鹏P7 Ultra、小鹏G7 Ultra，以及小鹏X9 Ultra/Ultra SE。

4月开启全面推送，将覆盖所有Ultra和Ultra SE车型。

具体表现怎么样，相信我们很快就能体验到了，我们也将基于《Xauto智驾榜》路线和规则进行体验，到时再给大家做更详细的汇报。