小鵬汽車第二代VLA：“智能體+汽車”成下一個十年的入場券？

如果說上一個10年是新能源的時代，下一個10年是智能體的時代。那么現在忽視“智能體+汽車”，恰似10年前錯過新能源浪潮。

文｜朱耘

ID | BMR2004

業內很多人將2026年定義為全球自動駕駛元年，“我判斷，智能駕駛的真正落地應該在2027年，2026年依然是技術積累期。”南開大學經濟研究所所長、中國新一代人工智能發展戰略研究院首席經濟學家劉剛對《商學院》記者說。

在這個技術的關鍵“蓄水期”，各大深耕智能駕駛的汽車企業、科技企業正加速“軍備競賽”。2026年3月初，小鵬汽車正式開啟第二代VLA（Vision-Language-Action，視覺—語言—動作模型）的OTA推送。小鵬汽車董事長兼CEO何小鵬表示，第二代VLA是小鵬汽車走向L4的第一個版本。

在小鵬汽車看來，第二代VLA是“物理世界大模型”，摒棄了傳統智駕對高精地圖和人工智能代碼的依賴，打造“媽媽都愛開”的國民智駕。劉剛說：“現在大家看得很清楚，通用基礎模型+行業大模型+智能體，構成了當前人們改變物理世界的基本路徑。小鵬汽車第二代VLA，就是行業大模型，再加上智能體，能夠真正進入執行層和物理層。某種意義上講，大模型只是知識庫，智能體則是感知決策執行的結合。”

隨著小鵬第二代VLA全面推送，標志著其將正式邁入規模化落地的新階段。然而，智能駕駛需要長時間測試使用，安全驗證周期長，法規相對滯后，商業化也存在一定的不確定性，這些都在考驗著小鵬汽車智能駕駛高研發投入后，可否持續為企業帶來長期回報。

01

智能體會開車了

智能體通過感知、決策和執行來調度大模型完成工作，解決了許多長尾問題。

體驗過自動駕駛的用戶都不陌生，在高速公路上行駛，自動駕駛的車輛無論是車道保持、跟車、變道等，表現都不錯，但是到了胡同窄路或者有外賣車輛穿行、行人經過的復雜街區，自動駕駛車輛表現只能是差強人意，有時候還會不知所措。

據了解，這是過去10年主流自動駕駛技術路線，通常采用感知—決策—控制的模塊化架構，攝像頭和雷達負責感知環境，規則引擎負責做出決策，控制系統執行動作。每個模塊、每個細節，都由程序員寫代碼實現。然而真實世界的路況，每天甚至每秒都在發生變化，規則的堆疊總是無窮無盡。小鵬汽車通用智能中心負責人劉先明比喻，這種靠高精地圖、規則進行智駕的技術，就好比是在“鐵軌上開車”。

小鵬VLA走了一套不一樣的智駕技術路線，小鵬VLA的定位是一個能夠“看見世界、理解世界”的物理模型，它像一位經驗豐富的老司機，憑借對物理世界的深層理解，從容應對路況。在何小鵬看來，第二代VLA是在“理解世界”。

現有的主流智駕方案高度依賴“白名單”，通常只識別標準的車輛和行人，對路面深坑、井蓋凹陷或積水缺乏感知，極易發生高速碾壓導致劇烈顛簸的情況。第二代VLA則具備泛化的“通用障礙識別”能力，不再機械地比對特征庫，而是像人類一樣認知各類障礙，并自主選擇輕微繞行或提前制動，兼顧了安全與通行舒適度。

何小鵬坦言，上一個10年是新能源的時代，下一個10年是智能體的時代。現在忽視“智能體+汽車”，恰似10年前錯過新能源浪潮。第二代VLA就是一個智能體，它不只是識別路上的物體、規劃行駛路線，還能理解交警的手勢、識別行人的通行意圖、在復雜的社交博弈中做出得體的回應。

劉剛告訴記者，智能體通過感知、決策和執行來調度大模型完成工作，解決了許多長尾問題。過去，在標準化條件下難以執行的柔性任務，現在可以通過智能體來實現，這是智能體發展的一個重要方向。實際上，自動駕駛領域的大量工作是非標準化的，很難完全按照程序執行，通過智能體來執行可能是終極的解決方法。

小鵬汽車的方向實際上代表了中國自動駕駛和智能制造的發展方向，但同時也面臨很大挑戰。首先，最大的挑戰在于大模型本身——大語言模型不具備物理世界感知能力，需要進行大模型的改造或通用能力的提升，這一改變既重大又緊迫，底層技術迭代非常快。

其次，在具體行業應用中需要專業知識甚至隱性知識的積累，這需要大量的強化學習和人類知識的沉淀，是一個需要時間的過程。

最后是安全問題，特別是在制造業和自動駕駛領域，容錯率極低，不僅需要低容錯，還要具備糾錯功能，這也是當前面臨的重要課題。

劉剛說，大模型會拉平人們之間的認知，因為模型都差不多，拿過來用即可。但智能體則不同，其中行業模型是基于企業的隱性知識的模型，它會擴大企業能力之間的差異，而大模型加智能體的組合，會使得企業間的效率差異急劇擴大。當一個企業擁有獨特的行業模型和智能體時，它與競爭對手之間的差距不是縮小，而是加大。

02

從L2向L4跨越

支撐小鵬第二代VLA實現L4級自動駕駛的底氣是小鵬在技術棧縱深上的布局。

作為全國人大代表，何小鵬今年在其議案中指出，隨著大模型與高算力的深度應用，自動駕駛技術正從軟件定義的功能時代，加速邁向AI驅動的智能時代。我國在發展組合輔助駕駛（L2級）應用領域具有先發優勢，并已在有序推進智能網聯汽車準入和上路通行試點工作，建議推動政策與法規體系實現從L2向L4的跨越，促進技術快速迭代與規模化商用，將我國在L2領域的積累優勢轉化為L4自動駕駛時代的競爭勝勢。

之所以從L2跨過L3直接到L4，核心在于L3的責任主體在車企與人類駕駛員之間存在一定的灰色地帶，但技術差別不大。

支撐小鵬第二代VLA實現L4級自動駕駛的底氣是小鵬在技術棧縱深上的布局。在小鵬汽車看來，自動駕駛問題本質上是AI問題，能力=模型×算力×數據。從模型到算力再到數據，每個環節，小鵬汽車都選擇了自研路線。

在模型層面，小鵬汽車構建了原生多模態Tokenizer，從底層就融合了視覺、語言等多種信息模態，該模型采用32倍超密視覺思維鏈，可實現更快的思維過程、更高的預測精度，相比傳統思維鏈，預測誤差降低33%，模型可以輸出語音、視覺、動作、行為等多種模態的結果。

圖靈芯片是小鵬汽車歷時5年自研，專門為小鵬AI大模型定制的芯片，于2024年8月完成流片，10月通過智能駕駛功能驗證，可應用于汽車、機器人和飛行汽車等領域。圖靈芯片的自研成功，是小鵬汽車在智駕領域立身的轉折點。在算力層面，圖靈芯片采用軟硬件一體研發，實現芯片—編譯器—模型聯合優化，小鵬還開發了自動化編譯器，以最大化算力利用率。小鵬方面稱，圖靈芯片模型相較于傳統開源模型與通用芯片組合方案運行速度提升12倍。

在數據層面，第二代VLA的訓練數據規模達到50PB，車端每秒處理53億字節的視覺數據。小鵬給出了一個驚人的對比：20萬輛搭載第二代VLA Ultra的車輛，日均推理Token消耗量約58.8萬億，相當于全國數字AI日調用量的80倍。可見，物理AI對算力的需求遠超數字AI。

至于這些數據的來源，劉先明說：“我們的訓練數據來自所有車主每天正常開的工況，包括雨天、雪天、黑夜。小鵬的車主開過很多不同路況、去過不同的地方，所以我們才會有這么多數據、不同種類的數據。”換言之，每一輛在路上行駛的小鵬汽車，都是一臺移動的數據采集站，其攝像頭捕獲的視覺流源源不斷地回傳到云端，經過篩選和標注后成為模型訓練的“燃料”。

國富資本董事長、算力自由創始人熊焰指出，具身智能，即大模型3.0或世界模型，目前正面臨著嚴酷的數據荒，數據已經成為制約其發展的最大瓶頸。智能駕駛作為具身智能落地的一個重要場景，其所需要的數據量，與大語言模型相比，差距至少在105以上。

3月20日，小鵬汽車W（09868.HK）發布2025年度財報。數據顯示，公司全年交付429445輛，同比增長125.9%；實現營收767.2億元，毛利率提升至18.9%，并在第四季度錄得3.8億元的單季盈利。

盡管如此，小鵬汽車在保有量上并不占優勢，比亞迪2025年銷量高達460萬輛，是小鵬汽車銷量10倍之多。同屬造車新勢力的理想汽車2025年交付40.63萬輛，蔚來汽車交付32.6萬輛。隨著智駕競爭加劇，數據壁壘能維持多久也是一個開放性問題：當更多車企轉向端到端大模型路線，保有量的規模優勢可能逐漸顯現。小鵬汽車車主們每天的路測數據“燃料”能否繼續夠模型訓練所需？

03

中美智駕競爭白熱化

能在中國最混亂的路況中存活下來的智駕系統，出海時面對相對規整的道路環境，泛化難度反而更低。

小鵬第二代VLA的推出，再次將中美智駕競爭推到聚光燈下。

“我認為中國跟美國在智駕上都是絕對的第一陣營，在不同的角度各有千秋、各有優勢、各有短板。”何小鵬說。事實上，汽車廠商們對于自動駕駛或智能駕駛的研發，要比小鵬汽車早很多。早在1999年，豐田就開始研究智能駕駛，2009年Waymo開始做智駕，2012年特斯拉做智駕。而2014年，小鵬汽車才成立。

盡管研究多年，智能駕駛的發展遠沒有智能手機、機器人等行業發展迅猛，核心原因就是安全，正如何小鵬所言，即使99.999%的成功，但那0.001有問題也不行，硬件、軟件、工程和安全底線以及各個國家的法律法規，都構成了層層疊加的約束條件。

這也解釋了為什么全球這么多頂尖企業投入了巨額資金和數十年時間，L4級自動駕駛至今仍未真正普及——它不是單一技術問題，而是一個需要同時滿足技術可靠性、工程穩定性和制度合規性的系統工程。正因如此，中美兩國雖然同處第一梯隊，卻走出了不同的路徑。

何小鵬說，現在的VLA更適合全球化，站在中國、面向全球。中國既有好的道路、好的高速，也有很多三、四線的鄉村小道，很多人、小車或者牛羊雞，能在中國最混亂的路況中存活下來的智駕系統，出海時面對相對規整的道路環境，泛化難度反而更低。

劉先明將其概括為：“先攻克最難場景，再泛化至全域。”此外，劉先明還指出，中國具備兩個常被忽視的變量：一是中國AI人才密度的快速提升，二是政府對自動駕駛的政策支持力度。“綜合這些層面看，我覺得至少中國在自動駕駛上，目前跟美國是在同一個水平線上，我們也相信自己的迭代速度會足夠快，也期待有一天能真正做到全球化量產。”

劉剛認為，當前，中美兩國在AI硬件及自動駕駛領域的競爭已進入白熱化階段。基于兩國國情的差異，雙方走向了截然不同的技術路線：美國特別強調端側智能（即單車智能），而中國則主張發展“車路云一體化”系統。

中國之所以選擇“車路云一體化”，根本原因在于中國城市道路情況極為復雜，必須依靠系統的協同來確保自動駕駛的安全。這種基于復雜環境和特定技術路線的選擇，將使得兩國未來孕育出完全不同的自動駕駛模型與安全標準，這也構成了中國自動駕駛產業獨有的“護城河”。

但劉剛認為，在建設主體上，“車路云一體化”的基礎設施應由國家層面進行牽引，由地方政府和技術投資公司共同參與建設，從而推動各行業大模型的專業化分工邁向更高效率的階段。

針對“車路云”基礎設施的投資與商業化落地，這其實并非難題。正如高速公路建設一樣，一旦路側設備和系統加載完成并投入使用，完全可以通過按里程加收服務費等商業模式實現盈利。因此，真正的核心阻礙并非投資本身，而是“責任歸屬”問題。在城市中進行安全運營時，由于需要調用路側設備，一旦發生事故責任究竟由誰承擔？這一敏感的權責界定，使得地方政府和投資商在推進時都顯得格外謹慎。

至于在各類路段建立這套系統是否會造成“過度開發”，其實無須擔憂，因為技術加載的成本并不大，核心投入主要集中在路側設備上。更重要的是，路側設備的大規模建設不僅能帶動算力等上下游產業的全面發展，其本身作為“新基建”的重要組成部分，對整體宏觀經濟也具有顯著的拉動作用。

而眼下，對于小鵬汽車而言，最緊迫的問題是需要向用戶、業界及投資人證明VLA的商業價值，在研發投入上，2025年小鵬汽車研發開支達到94.9億元，同比增長47%，占總營收比例約12.4%，較2024年的15.8%略有下降。

第二代VLA從技術上講，讓很多人眼前一亮，但這能否轉化為消費者的購車決策，尚未被驗證。從第二代VLA到真正的L4，小鵬汽車的路還很長。