芯耀
310
作者 | 苏鹏
当智能驾驶进入物理 AI 与世界模型的全新阶段，行业竞争渐渐脱离传感器与算力的浅层内卷。
最终迎来决策架构、泛化能力与落地效率的深层较量。
在上述背景下，小鹏汽车在3月2日正式发布了第二代VLA智能驾驶系统。之所以被定义为 “第二代”，核心在于其对传统 VLA 架构进行了底层重构：
不同于常规 VLA 采用的 “视觉（V）— 语言（L）— 动作（A）” 两层转译模式，小鹏第二代 VLA 直接取消了中间的语言转译环节，实现从视觉信号到驾驶动作的端到端直接生成。进而实现从“执行指令”到“理解世界”的跨越。
架构革新带来的是体验上的质变。
相比于传统 VLA，小鹏第二代 VLA决策链路更短、推理速度更快、动作输出更自然。
在发布会的展示视频中，在城市道路、无保护路口、拥堵路段、窄路会车等复杂场景中，表现得更加从容稳定。车辆不再出现频繁修正、犹豫卡顿、突兀加减速等问题，驾乘质感更接近经验丰富的人类司机。
同时，凭借更强的场景泛化能力与风险预判能力，系统的全场景覆盖范围、通行效率与可达性也被推至全新高度。
“小鹏第二代VLA可能是目前中国最领先的智驾系统。”小鹏汽车通用智能中心负责⼈刘先明说。
“我认为（第二代VLA）比行业一流选手领先接近5倍，无论是接近率、安心丝滑度，还是支持的可达范围。”何小鹏在发布会后的采访中也说。
第二代VLA发布次日，资本市场旋即迎来共振。摩根士丹利分析师认为，“小鹏第二代VLA是一次大胆的飞跃”。
“特斯拉未来将面临更多像小鹏这样，有能力在全球市场与其自动驾驶技术较量的中国企业的竞争”。此前，摩根大通持有的小鹏汽车多头头寸从6.38%增至7.04%。
据悉，2026 年小鹏将全力冲刺“媲美特斯拉 FSD 最新能力”的里程碑，第二代VLA即将开启全球路测，并计划于2027年实现全球交付。
这意味着两位中美智驾的标杆选手，即将在全球市场展开真正意义上的同台竞技。
“至于打的那个赌，感觉我有一半可能性不用裸奔了，我们确实已经开始准备找食堂了。”刘先明表示。
备注：去年底，何小鹏在美国体验了特斯拉FSD v14.2，认为是质的改变。体验结束后，何小鹏与公司智能驾驶团队立下一场公开赌约：如果在2026年8月30日前，小鹏VLA智能驾驶系统在国内的体验，赶不上特斯拉FSD v14.2在硅谷的表现，刘先明要在美国金门大桥上裸跑。反之，如果目标成功实现，何小鹏则承诺在硅谷筹建一家中国风味食堂，以作庆祝。
以下为小鹏汽车董事长 CEO 何小鹏 ，⼩鹏汽车通用智能中心负责人 刘先明接受未来汽车Daily等媒体的问答实录（有删改）：
Q：小鹏汽车为何建议跳过L3？
何小鹏：在今天全球科技发展的情况下，基本上L2的下一个台阶就是L4，中间专门加一个L3实际对于硬件、软件、法律法规都是挑战。所以从我的角度来看，我认为中国应该一个是L2，一个是L4。
Q：第二代VLA到底能够做到什么智驾程度？
刘先明：目前还没有完全说自己能达到百分之百L4，但现在整个VLA 2.0搭建了一套非常通用且高效的架构，所以基本上每天都会有新的版本推出，不停地去迭代新的问题。所以我们有信心，在未来的一段时间内能做到L4水平的一套比较完整的体系。
Q：第二代VLA具体将落地到多少台小鹏汽车上？
何小鹏：我们所有的Ultra和Ultra SE都会都会搭载第二代 VLA，你可理解为未来小鹏在全球市场的车型，将会提供基础智能辅助驾驶和顶级智能辅助驾驶两种选择。
Q：小鹏汽车为什么会把智能座舱和智能驾驶合并？
何小鹏：我相信汽车领域很快会迎来跨域融合。从机器人领域可以看到，机器人甚至可以没有底盘，它的全身控制、全身动力、全身的线束和汽车不完全一致。
汽车行业正在进入新的跨域阶段：自动驾驶是整车运动，智能座舱是整车大脑，再加上动力、底盘，我们认为这四个域都在进行跨域融合中。
未来L4或Robotaxi车型，很多厂商会从原来单一域的集成（比如一个域由多家供应商集成，或单独一个域研发），转向跨域融合。这样能让整车更快、更安全、更灵敏，能力提升数倍，从被动使用转向主动服务。
（把智能座舱与智能驾驶合并）正是跨域融合进程中的一部分。这也是我非常坚信1—3年全自动驾驶会落地、3—5年所有汽车都会成为强力超级智能体。
Q：未来基座模型是否会成为Robotaxi企业做好业务的标准？
刘先明：现在 L4或者自动驾驶已经发生很大的技术范式变化。L4的ODD概念，车辆到底能运行在什么地方，只能取决于铺了多少车、采了多少数据、建了多少地图。所以如果真想泛化性解决整个问题，技术范式就一定要变，这是不可避免的。
做好基座模型，是一家做L4公司的必修课。不做这件事，就可能在这次技术转型中落在后面，或者没办法完成完整的技术转型。
Q：特斯拉在做中国FSD时，也是通过网络视频、仿真训练等方式推进，我们如何避免出现类似特斯拉 “水土不服” 的问题？
刘先明：第二代 VLA 模型在没有经过任何海外数据适配训练的情况下就已经具备很强的能力。
小鹏是一家全球化企业，我们会在合规前提下，在全球任何有小鹏车辆的地方正常拥有并使用当地数据。
第三，对于更多泛化性场景，通过世界模型的生成方式，也可以让我们快速达到一个能力起始点。
所以整个小鹏全球化自动驾驶的策略，一定是这几点结合在一起：模型本身要有极强的泛化能力，不能只依赖中国数据、只能在中国跑，这个事情是行不通的；再加上小鹏的全球化布局，以及我们在技术上的突破。
Q：世界基座模型在多模态交互、空间感知方面会不会存在技术复用的瓶颈？
刘先明：底层的复用能力应该还是很强的，整个VLA或基座模型的设计是原生多模态，不太会只针对自动驾驶，是可以复用的。
Q：有了仿真世界，人类真实数据还有价值吗？
何小鹏：我觉得物理世界、人类世界的数据量现在来看是无限的。
如何收集有质量、有价值、超大规模的数据，我觉得是非常困难的一点。不论是汽车还是机器人，这件事上都远远没有看到头。
Q：目前市场上算力军备竞赛宣传愈演愈烈，算力大幅提升，体感却没有明显数值增长，问题出现在哪里？
刘先明：算力不只是名义上的数字好看，更重要的是把算力用好，这是核心问题。
另外，大算力一定需要更高信息密度的输入、更大的模型来匹配，否则算力就是空转。这些因素合在一起就意味着：如果只是搞算力军备竞赛、单纯堆高数值，消费者是感受不到明显的体感提升的。一定是多方面协同推进，不能只看单一指标。
Q：小鹏X9纯电版有哪些维度被进一步的增强了？
何小鹏：小鹏X9解决了几个非常好的问题：
很安全，中欧五星，我觉得安全是所有家庭大七座车第一选择；
空间变大的同时操控也做得优秀，转弯很灵活，掉头一把就能掉过去；
纯电X9采用800V+5C的技术包，充电快、续航扎实；
第二代VLA的智驾表现更安全、更安心、更简单、更舒适。
Q：第二代VLA能不能解决智驾的问题，就是用智驾来促进消费者最后的购买决策？
何小鹏：通过我们内部比较测评，我认为（第二代VLA）比行业一流选手领先接近5倍，无论是接近率、安心丝滑度，还是支持的可达范围。
我认为在这个领域里，今年、明年、后年，大家最终看到的最重要指标，是多少天没有碰过方向盘，也就是接管次数，这对用户最重要。
Q：模型做决策怎么出轨迹这件事主要有两种方法，第一种方法是大模型直接给出最终的轨迹，第二个给出几种不同的轨迹之后，让系统从中选择一条。小鹏第二代VLA是前者还是后者？
刘先明：第一个问题核心就是你是做自动驾驶还是AI？如果这个问题回答了，那答案其实很清楚了。我们做的是AI，不是专门只是用来做自动驾驶，所以一个AI模型是怎么做的，我们就是什么样子的。
Q：小鹏有无考虑过收费OTA使企业的利益增厚？
何小鹏：将来海外自动辅助驾驶升级到L4，或者更高等级的自动驾驶的时候，我认为很有可能会从次费变成月费，这是一个非常重要的趋势。
因为不是百分之百的人都需要自动辅助驾驶，需要的人付费，不需要的人就可以不付费，这是一个蛮不错的选择。将来我们在海外甚至在中国，随着我们的AI能力的变化，一定会产生一些变化。
Q：你怎么看待国内车企频繁地进行OTA的现象？
何小鹏：小鹏从创立之初就一直认为汽车是可以升级的，包括软件、硬件、SOTA（Software Over-The-Air，通过无线网络对软件进行远程升级）、FOTA（Firmware Over-The-Air，通过无线网络对“固件”进行远程升级）。
在这一套的方法论上，我们正在把它建成更全自动的。比如如何利用AI去单点OTA，如何能够去解决一些单点的问题和困难，我觉得将来都是有机会的。
包括售后、可维修、保养，比如在保养之前已经把整个车预扫描完了，你过来不用再在里面做太多的检查，降低保养的时间的消耗，这样都是在未来时间里面我们会去做的事情。
Q：小鹏汽车和大众在第二代VLA上也在合作，这个事你怎么看？
何小鹏：大众是一个非常有想法，能看到未来的、非常好的企业，他们正看中国的变化，不断地探索，所以他们引入了我们这一代的VLA。同时，他们也一直在思考在欧洲，在全球其他国家，什么时候会开始智能驾驶。
大众正在探索和尝试，我相信不远的将来一旦自动驾驶做好，包括我们，FSD都会在全球正面引导更多的人知道，原来汽车的自动驾驶是物理AI Agent第一个规模落地，也是第一个商业化落地的点。
Q：在模型训练过程中，“安心、场景、效率”这三个关键词是否存在取舍，是否有明确的优先级排序？
何小鹏：AI不是一个规则，它很难在最开始把这个需求提得很清晰。
如果一定要我排序，安心大于场景，场景大于效率。智驾更聪明才能更有效率，我相信在我们后面的版本也会有比较大的增强。
Q：第二代VLA属于非典型架构范式的世界模型，具备一定对物理世界的感知、理解、预测能力。这种新范式会不会成为未来主流？
刘先明：我们本质上在做一个体系，原生多模的模型，不仅可以出动作，也可以出其他的。
世界模型其实本质上是对世界3D空间的理解、运动规律的理解，最终以一种形式展现出来，这个和VLA本质没有什么太大的区别，就是你想把一个车开好，让机器人控制得好，或者让功能做得好，首先先要去理解这个世界的3D空间，理解整个推演的规律，并且能向前去推演，评价什么动作是有风险的，什么动作是没有风险的。
涌现它不是一个严格可控的过程，但是做自动驾驶肯定安全是一个底线，就是这个安全一定是一个底线，所以我们没有办法抑制掉某些的涌现，但是我们可以控制好安全。
何小鹏：最开始，我认为很多“涌现”是因为我没有看到，而你先碰到了，所以对我来说是涌现；但现在我自己看到了，而且数据规模已经非常大。所以在今年以及后续的 VLA 上，我个人认为它会越来越聪明，会出现越来越多具备进化能力的COT（思维链）。到那个阶段，大家会明显感受到：它在驾驶中既足够安全，又会展现出一些超出预期的能力。
Q：VLA属于L2的辅助驾驶，一旦发生事故，您认为车企和用户的责任是怎么去界定的？
何小鹏：今天在法律范围内，所有的自动辅助驾驶都是L2，除非是政府单独批准了Robotaxi，把人类司机从驾驶位放出来。但是我们所期望的在这个里面做到能够接近甚至达到超越L4软件的能力，这是我们正在做的事情，但是我相信这一块所有跟着政策法规走，这也是我们最为标准的认知。
