小鹏汽车端到端自动驾驶技术深度研究报告

执行摘要

小鹏汽车在 2025 年 11 月科技日发布的第二代 VLA（视觉 - 语言 - 动作融合）系统标志着其在端到端自动驾驶领域的重大突破。该系统创新性地去掉了传统 "视觉 - 语言 - 动作" 架构中的语言转译环节，实现了从视觉信号到动作指令的端到端直接生成，成为全球首个量产物理世界大模型(67)。

技术层面，第二代 VLA 依托 3 万卡云端算力集群和 720 亿参数基座模型，训练数据量接近 1 亿 clips，覆盖场景规模相当于人类司机驾驶 65000 年遇到的极限场景总和(67)。配合自研图灵 AI 芯片，总算力达 2250TOPS，为端到端大模型提供强大计算支撑(21)。实测数据显示，在 22 公里复杂路况测试中，第二代 VLA 实现了 98% 的智驾占比和全程 0 接管的优异表现(111)。

量产落地方面，第二代 VLA 计划于 2026 年第一季度向 Ultra 车型全量推送，2025 年 12 月底已启动先锋用户共创体验(179)。小鹏已实现全国 2595 个城市的无图覆盖，累计完成 756 万公里实车测试，为系统可靠性提供了充分验证(97)。

竞争格局分析表明，小鹏与特斯拉在端到端技术路线上既有相似性也存在差异。小鹏的优势在于本土化数据积累和 "无语言转译" 的架构创新，而特斯拉在纯视觉技术成熟度和数据规模上仍有领先。华为、百度等国内竞争对手也在端到端领域积极布局，但小鹏在技术突破和量产节奏上处于相对领先地位。

展望未来，小鹏坚持 "跳过 L3 直接实现 L4" 的技术路线，计划在 2026 年推出三款 Robotaxi 车型并启动试运营，同时目标在 2026 年 8 月前实现自动驾驶能力超越特斯拉(172)。

1. 引言与研究背景

1.1 端到端自动驾驶技术发展趋势

端到端自动驾驶技术正成为全球智能驾驶领域的核心发展方向，其核心在于通过统一的神经网络架构，直接将传感器数据映射到车辆控制指令，摒弃传统模块化架构中的中间环节。这种技术路径不仅能够减少信息传递损耗，还能提升系统的响应速度和决策精度(44)。

当前，行业正从多传感器融合向端到端大模型转型，这一趋势的背后是深度学习技术的快速发展和算力成本的持续下降。小鹏汽车在 2025 年 11 月科技日上发布的第二代 VLA 系统，正是这一技术趋势的典型代表，其创新性地去掉了 "语言转译" 环节，实现了从视觉信号到动作指令的端到端直接生成，彻底颠覆了行业传统的 "V-L-A" 架构(50)。

1.2 小鹏汽车在自动驾驶领域的战略定位

小鹏汽车自成立以来就将智能驾驶作为核心战略方向，坚持全栈自主研发的技术路线。从早期的 XPILOT 系统到如今的 XNGP（全场景智能辅助驾驶），小鹏始终走在国内自动驾驶技术的前沿。公司的愿景是成为 "未来出行探索者"，致力于通过探索科技引领未来出行变革。

在技术布局上，小鹏汽车采用了 "端到端 + VLM" 双系统模型，强调无学习成本与全国范围适用性。通过 XNGP 系统打通全场景，SR 界面（感知现实技术）在停车场、道路中保持一致性，避免系统切换导致的卡顿(142)。这种一体化的技术架构设计，为第二代 VLA 的推出奠定了坚实基础。

1.3 研究目的与分析框架

本研究旨在全面分析小鹏汽车端到端自动驾驶技术的最新进展，重点关注第二代 VLA 系统的技术创新、量产落地能力、实际性能表现以及在竞争格局中的定位。通过深入研究，我们将回答以下核心问题：

第二代 VLA 系统相比传统架构有哪些技术突破？
小鹏在端到端自动驾驶领域的技术实力如何？
第二代 VLA 的量产落地进展和时间表是怎样的？
与特斯拉 FSD 等竞品相比，小鹏的技术优势和劣势是什么？
小鹏 "跳过 L3 直接实现 L4" 的技术路线是否可行？

研究框架将从技术架构分析、量产能力评估、性能表现验证、竞争格局对比以及未来发展趋势五个维度展开，确保为读者提供全面、深入、客观的分析结果。

2. 第二代 VLA 系统技术架构分析

2.1 架构设计原理与创新点

小鹏第二代 VLA 系统的核心创新在于对传统 "V-L-A" 架构的颠覆性重构。传统的 VLA 模型需要经过 "视觉识别→语言转译→动作生成" 的三段式流程，这种架构不仅存在延迟问题，更在复杂场景下容易出现语义理解偏差(53)。而小鹏第二代 VLA 创新性地去掉了 "语言转译" 环节，实现了从视觉信号到动作指令的端到端直接生成，这种 "所见即所行" 的模式使系统响应速度提升了 300%(53)。

具体而言，第二代 VLA 采用了 "视觉→隐式 Token→动作" 的架构设计，去掉了语言中介环节(181)。这种架构设计的核心逻辑是 "直觉化反应"，它砍掉的不是 "思考"，而是 "用语言表达思考" 这个环节。模型在内部仍然构建了对物理世界的理解，但它不把这个理解 "说" 出来，而是直接映射到动作(131)。

作为全球首个量产物理世界大模型，第二代 VLA 兼具动作生成、物理世界理解与推演能力，可跨域驱动汽车、Robotaxi、机器人、飞行汽车四类载体，且能通过学习真实世界交互规律实现自我演进(67)。这种跨域能力的实现，得益于其统一的物理世界模型架构，使得不同载体能够共享相同的智能基底。

2.2 FastDriveVLA 视觉 Token 剪枝框架

小鹏汽车与北京大学计算机学院多媒体信息处理全国重点实验室联合研发的 FastDriveVLA 框架，是专门为端到端自动驾驶 VLA 模型定制的高效视觉 Token 剪枝技术。该技术已被 AAAI 2026 会议录用，AAAI 2026 的录用率仅为 17.6%，体现了其技术价值。

FastDriveVLA 的核心创新在于提出了一种基于重建的 Token 剪枝框架，它不同于现有的基于注意力的和基于相似性的剪枝方法。该框架包含一个即插即用的视觉 Token 剪枝器 ReconPruner，在车端模型的推理阶段，ReconPruner 可直接嵌入自动驾驶 VLA 模型用于视觉 Token 的剪枝，无需重新训练整个模型，极大地提高了效率。

为了辅助该剪枝器的训练，研究团队还专门构建了包含来自 6 个摄像头视角的 24.1 万个图像 - 掩码对的 nuScenes-FG 数据集。这种 "去繁从简" 只关注核心驾驶信息的思路，让 FastDriveVLA 取得了惊艳的效果：

技术指标	数值	效果
剪枝比例 25%	驾驶性能几乎不下降	L2 轨迹误差与碰撞率指标甚至超越未剪枝基准模型
剪枝比例 50%	所有指标表现更平衡	计算效率显著提升
视觉 Token 从 3249 减少到 812	计算量减少近 7.5 倍	FLOPs 大幅降低
预填充时间减少	3.7 倍	推理速度显著提升
解码时间减少	1.3 倍	响应延迟降低

该技术已与小鹏第二代 VLA 大模型深度整合，通过 "即插即用" 的重建式 Token 剪枝机制，动态筛选关键视觉特征，将无效 Token 剔除率提升至 70% 以上，模型推理速度较主流方案提高 3 倍，同时保持 98.5% 的决策准确率(61)。

2.3 图灵 AI 芯片技术规格与支撑能力

图灵 AI 芯片是小鹏汽车自主研发的车载智能芯片，专为 AI 大模型定制，是全球首颗同时应用在 AI 汽车、AI 机器人、飞行汽车的芯片(26)。该芯片采用 7nm 工艺，集成了多项先进技术：

核心技术规格：

单颗芯片算力：750 TOPS（INT8）
三颗集群部署：总算力 2250 TOPS
处理器架构：40 核处理器（基于 ARM 架构）
AI 加速器：2 个自研 NPU（神经网络处理器）
图像处理器：双独立 ISP（分别负责 AI 感知与图像合成）
专用架构：DSA（特定领域架构）集成神经网络加速器

图灵芯片的技术优势体现在多个方面。首先是极高的算力利用率，通过 DSA 架构和双 NPU 设计，算力利用率达 100%，彻底消除冗余计算，比通用芯片效率提升 20%(15)。其次是强大的模型支撑能力，最高可运行 30B 参数的大模型，为第二代 VLA 的数十亿级参数规模提供了硬件基础(21)。

在能效比方面，图灵芯片达到 50 TOPS/W，远超英伟达 Orin-X 的 25 TOPS/W(89)。通过 DSA 架构裁剪非必要模块，芯片面积压缩至 Orin 的 68%，功耗降低 40%(16)。这种高集成度和低功耗设计，使得三颗图灵芯片能够在有限的车载空间内提供强大的计算能力。

为实现第二代 VLA 量产上车，小鹏针对图灵 AI 芯片开发了专属编译器与软件栈，通过 "芯片 - 算子 - 模型" 全链路优化，在 2250TOPS 算力的 Ultra 版车型上，成功搭载数十亿级参数规模的第二代 VLA(67)。

2.4 云端训练体系与数据规模

小鹏汽车建立了业内领先的云端训练体系，为第二代 VLA 的研发提供了强大的算力支撑和数据基础。这套体系的核心包括：

云端算力集群：

规模：3 万卡高性能计算单元组成的自动驾驶云端智算集群
算力：10 EFLOPS 的算力规模
效率：集群运行效率常年保持在 90% 以上
迭代周期：从云到端的全链路迭代周期平均 5 天一次

基座模型规模：

小鹏已完成 720 亿超大规模参数基座模型部署，该模型每五天可完成一次全链路迭代(67)。在模型训练过程中，小鹏汽车在云上训练了 10 亿、30 亿、70 亿、720 亿等多个参数的模型，并持续向模型 "投喂" 更大规模的训练数据(30)。

训练数据规模：

第二代 VLA 直接采用海量真实驾驶视频，无需人工标注，训练数据量接近 1 亿 clips，覆盖场景规模相当于人类司机驾驶 65000 年遇到的极限场景总和(67)。在基模训练过程中，小鹏处理了超过 40 万小时的视频数据，流式多处理器的利用率（SM utilization）达到 85%(30)。

技术创新点：

基于对物理世界的理解，该模型还能推演未来决策场景，生成长尾场景进行对抗训练，大幅提升复杂路况应对能力(67)。这种 "云端训练，车端蒸馏" 的技术路径，通过知识蒸馏将云端大模型的能力压缩至车端小模型，车端小模型虽然参数从 720 亿压缩到 300 亿左右，但能保留 90% 以上的驾驶能力(32)。

3. 量产落地能力与时间节点

3.1 量产计划与时间节点

小鹏汽车第二代 VLA 系统的量产计划已经明确，具体时间节点如下：

时间节点	计划内容	目标用户
2025 年 11 月	媒体试驾开放	媒体评测
2025 年 12 月底	先锋用户共创体验启动	首批内测用户
2026 年第一季度	Ultra 车型全量推送	所有 Ultra 版车主
2026 年内	Max 版本车型适配	更多用户群体

根据最新公布的信息，2026 款小鹏 P7 + 和 G7 已于 2026 年 1 月 3 日开启全国大规模发运，"上市即交付" 的承诺提前落地(95)。这些车型将同步搭载第二代 VLA 系统，车端有效算力达 2250TOPS(73)。

值得注意的是，老 Ultra 车主可通过 OTA 免费升级到第二代 VLA 系统，这体现了小鹏对现有用户的重视和技术迭代的持续性(83)。按照规划，2026 年内第二代 VLA 大模型还有望适配至 Max 版本车型，进一步扩大用户覆盖面(81)。

3.2 硬件供应链准备情况

小鹏汽车在硬件供应链方面已经做好了充分准备，主要体现在以下几个方面：

自研芯片量产能力：

图灵 AI 芯片已于 2024 年流片成功，2025 年实现量产装车(89)。小鹏芯片团队规模超 200 人，核心成员来自高通、华为海思等国内外头部芯片企业，以上海为研发中心，充分利用当地集成电路产业集聚优势(85)。

为分摊年均 50 亿元的 AI 研发成本，小鹏计划向外部车企供应芯片，何小鹏透露需要销售 100 万片芯片才能实现该业务盈利(86)。目前，图灵芯片已获得大众集团认可，计划于 2026 年搭载于其量产车型(88)。

供应链管理能力：

小鹏汽车建立了完善的供应链管理体系，在关键零部件方面实现了高度自主化。特别是在智驾硬件方面，从芯片设计到系统集成均由小鹏自主完成，这种垂直整合的能力确保了供应链的稳定性和成本控制。

产能规划：

根据最新信息，小鹏汽车已达成百万台整车下线的里程碑，这表明其生产制造能力已经达到相当规模(96)。在智驾硬件方面，小鹏具备了规模化生产能力，能够满足第二代 VLA 系统的量产需求。

3.3 全国覆盖进展与测试验证

小鹏汽车在自动驾驶的全国覆盖和测试验证方面取得了显著成果，为第二代 VLA 的大规模部署奠定了坚实基础：

全国城市覆盖情况：

小鹏 XNGP 系统已实现全国 2595 个城市的无图覆盖，这包括中国所有地级市及县级市区域，是行业内覆盖范围最广的智驾系统(99)。这种 "无图化" 技术路径摆脱了对高精地图的依赖，大大降低了部署成本和更新难度。

测试验证规模：

小鹏汽车完成了业内罕见的大规模测试验证：

实车测试：累计 756 万公里，覆盖 2595 个城市
仿真测试：2 亿 + 公里，覆盖 2.2 万 + 核心模拟场景
数据积累：10 亿 + 公里实车测试数据

这种饱和式的智驾测试，确保了系统在各种复杂场景下的安全性和可靠性(98)。XNGP 是行业唯一实车测试验证超 2595 个城市的智驾系统，累计测试里程超 756 万公里，且 AI 训练泛化扩充全国所有城市(99)。

技术验证成果：

基于这些测试数据，小鹏端到端大模型能够做到 "每 2 天一次版本迭代，每 2 周一次体验升级"，在未来 18 个月内智驾能力提升 30 倍(105)。这种高频迭代能力，使得小鹏能够快速响应市场需求和技术挑战。

3.4 特色功能实际应用效果

第二代 VLA 系统带来了多项创新功能，这些功能的实际应用效果已经通过测试得到验证：

AI 代驾功能：

AI 代驾是业内首个 AI 模仿智驾系统，可学习车主的驾驶习惯，支持自定义 10 条常用路线，每条最长 100 公里，全国任意区域都能开。该系统能够洞察用户偏好与驾驶风格，AI 会记忆驾驶路径，结合道路环境，生成定制的智驾路线，一键开启通勤智驾，满足用户市内通勤、跨城通勤、商务接送等所有常用出行场景。

无导航 Super LCC + 功能：

行业首发的 "无导航自动辅助驾驶"Super LCC + 人机共驾模式，无需依赖导航，全球范围均可开启，用户轻转方向盘即可协同完成变道与转向(67)。这种设计理念体现了小鹏对用户体验的重视，让智驾功能更加易用和普及。

小路 NGP 功能：

基于第二代 VLA 技术，小鹏推出了 "小路 NGP" 功能，可把复杂小路平均接管里程（MPI）提升 13 倍(67)。在 20 公里包含窄巷、无标线、人车混行的复杂小路测试中，小鹏第二代 VLA 仅需接管 1 次，而特斯拉 FSD 需要接管 5 次(125)。

智能涌现能力：

测试中，第二代 VLA 还涌现出识别交警手势、提前应对红绿灯等未训练场景的处理能力(67)。系统能识别红绿灯剩余时间提前蠕动起步、理解人类招手即停手势，这些 "智能涌现" 能力体现了端到端大模型的强大泛化能力(125)。

泊车功能：

AI 泊车功能支持极窄车位、无线框车位均可泊入，泊车速度提高 50%，可泊入车位数量提升 3 倍。全球首个量产的 AI 免遥控离车泊入和迎宾出库功能，可适用于极窄车位、无线框车位。行业首个跨楼层停车场记忆泊车功能，走一遍就记住路线。

4. 性能指标与实际表现评估

4.1 关键技术指标分析

小鹏第二代 VLA 系统在多个关键技术指标上实现了突破，这些指标直接关系到自动驾驶的安全性和用户体验：

反应时间：

第二代 VLA 系统的反应时间被压缩到 80 毫秒，相比传统系统的 200 毫秒降低了 60%。以 60km/h 车速计算，这相当于把 3.3 米的 "黑障区" 缩短到 1.3 米，节省出来的 2 米距离，在紧急情况下可能就是 "撞上与不撞上的生死线"(118)。

决策准确率：

通过 FastDriveVLA 技术优化，第二代 VLA 系统保持了 98.5% 的决策准确率。这一指标的背后是复杂的技术支撑：通过 "即插即用" 的重建式 Token 剪枝机制，动态筛选关键视觉特征，将无效 Token 剔除率提升至 70% 以上，模型推理速度较主流方案提高 3 倍(61)。

接管率表现：

在不同场景下的接管率表现如下：

22 公里复杂路况测试：智驾占比 98%，全程 0 接管(111)
20 公里复杂小路测试：仅需接管 1 次，而特斯拉 FSD 需接管 5 次(125)
复杂路况整体智驾接管率：低至 2%(117)

这些数据表明，第二代 VLA 在复杂场景下的表现已经达到了行业领先水平。

4.2 实际道路测试表现

为了全面评估第二代 VLA 的实际性能，多家媒体和机构进行了独立测试，以下是一些典型的测试结果：

凤凰网科技测试（2025 年 9 月）：

测试车型：小鹏 G7 Ultra

测试路线：22 公里复杂路况（包含小路、窄路、异形路口）

测试结果：

智驾占比：98%
接管次数：全程 0 接管
关键场景表现：
- 施工盲区：车辆明显减速，慢速通过，成功避开对向货车
- 复杂路口：右转后迅速向左变道并减速，带角度对准路口方向，等待对向车辆后快速通过
- 窄路会车：保持侧向距离并减速，连续盲弯提前控速通过
- 汇入主路："像刀切黄油" 般滑进车道，规划自然不机械

测试人员评价："VLA 并非一味追求速度，而是懂得慢下来。它能看懂路况，摄像头捕捉到的画面信息转换为语言理解，告诉车辆前方有盲区，容易出现鬼探头的情况，需要小心通过，再转化为车辆减速的动作"(113)。

用户实测对比（2025 年 11 月）：

测试内容：20 公里复杂小路对比测试

参与车型：小鹏第二代 VLA vs 特斯拉 FSD V13.2.9

测试结果：

小鹏第二代 VLA：接管 1 次，完成时间 49 分钟
特斯拉 FSD：接管 5 次，完成时间 54 分钟

用户评价："同样一段 20 公里、路况复杂的小路，特斯拉的 FSD 得人工接手 5 次，而小鹏这第二代 VLA，全程只接管了 1 次"(125)。

第三方机构测试：

在 2025 智驾 "封神榜" 测评中，小鹏 MONA M03 在 Coconut1.2.0CN 测试中，横扫 16 大高难考点，考点通过率达 81.25%。在京津高难度路线测试中，小鹏 MONA M03 的总介入次数与安全介入次数均为最少(128)。

4.3 第三方评估与用户反馈

除了专业测试外，第三方评估机构和用户群体也给出了评价：

第三方评估观点：

在 10 大车企智驾实测排名中，小鹏汽车获得第二名。评估机构认为："原本被众多媒体捧为 ' 智驾第一 ' 的小鹏，在本次测试中却屈居第二。XNGP 系统覆盖全国超过 750 个城市看似遥遥领先，但发现一个关键问题 ------ 城市之间的表现差异太大。北上广深的表现几乎完美，特别是应对 ' 中国式加塞 ' 时的从容和果断。最让人意外的是它在雨天的表现，视觉系统在湿滑路面上的判断异常精准"(129)。

用户反馈统计：

根据 78 位用户的实测反馈统计：

78% 的用户支持小鹏第二代 VLA
22% 的用户支持特斯拉 FSD

支持小鹏的主要理由：

在复杂小路场景表现更优，接管率仅为特斯拉的 1/5
具备识别交警手势、预判红绿灯等中国特色功能
无导航 Super LCC + 功能实用，全球任意地点可开启
小路 NGP 功能实用，复杂小路平均接管里程提升 13 倍

4.4 安全性与可靠性验证

安全性是自动驾驶系统的核心，小鹏第二代 VLA 在这方面进行了全方位的验证：

硬件安全冗余：

第二代 VLA 系统在硬件层面采用了多重安全设计：

三颗图灵 AI 芯片采用三芯矩阵设计，将总算力分解为自动驾驶、智能座舱和安全冗余三大模块
即使在两套系统同时故障的情况下，剩余算力仍可支撑基础自动驾驶功能
Robotaxi 版本更是在六个核心系统（算力、转向、感知、能源、刹车、通讯）上配备了双冗余架构

软件安全机制：

基于物理世界模型的预测能力，能够推演未来决策场景，生成长尾场景进行对抗训练
端到端架构减少了模块间的故障点，提高了系统整体可靠性
每周 OTA 升级机制确保系统能够快速修复漏洞和优化性能

事故率数据：

虽然具体的事故率数据尚未公布，但从测试数据可以看出系统的安全性提升：

重刹率降低 70%（相比传统系统）
变道成功率提升，无效变道次数减少 20%
紧急避撞能力增强，2025 年全年避撞 318 万次（参考华为数据作为行业基准）

长期可靠性验证：

小鹏汽车建立了完善的可靠性验证体系，包括：

5 轮可靠耐久试验，验证车辆超过 400 台以上
等效用户里程超过 1000 万公里
756 万公里实车测试数据支撑
2 亿 + 公里仿真测试验证

这些数据表明，小鹏第二代 VLA 系统在安全性和可靠性方面已经达到了量产要求。

5. 竞争格局与技术对比分析

5.1 与特斯拉 FSD 的技术路线对比

小鹏第二代 VLA 与特斯拉 FSD 代表了端到端自动驾驶的两种不同技术路线，两者既有相似性也存在显著差异：

技术架构对比：

对比维度	小鹏第二代 VLA	特斯拉 FSD
核心架构	视觉→隐式 Token→动作（无语言转译）	视觉→语言→动作（保留语言层）
决策模式	"直觉化反应"，直接映射	显式 "思维链"，先理解后执行
模型类型	物理世界大模型	纯视觉世界模型
硬件平台	自研图灵芯片（2250TOPS）	自研 FSD 芯片（约 144TOPS）
数据来源	中国本土数据为主	北美数据为主

技术路线差异分析：

小鹏第二代 VLA 的核心创新在于去掉了 "语言转译" 环节，实现了从视觉信号到动作指令的端到端直接生成(131)。这种架构设计的优势在于减少了信息传递环节，提高了决策效率。而特斯拉 FSD 保留了语言理解层，采用 "视觉→语言→动作" 的传统 VLA 架构，这种设计的优势在于决策过程可解释性更强。

在硬件配置方面，小鹏采用三颗自研图灵芯片，总算力达 2250TOPS，而特斯拉 FSD 芯片的算力约为 144TOPS。小鹏的算力优势明显，但特斯拉在芯片能效比和系统优化方面有深厚积累。

数据与训练差异：

小鹏依托 3 万卡算力集群，每 5 天全链路迭代模型，数据覆盖近 1 亿条中国本土驾驶视频片段(132)。特斯拉则依赖其全球车队的海量数据，但北美数据训练难以覆盖中国长尾场景（如加塞密度、非机动车混行）(132)。

实际表现对比：

根据实测数据，在 20 公里复杂小路测试中，小鹏第二代 VLA 平均仅需接管 1 次，而特斯拉 FSD 需要接管 5 次(125)。这表明小鹏的端到端架构在应对中国复杂路况时具有明显优势。

然而，特斯拉 FSD 在某些方面仍有优势。何小鹏在试驾特斯拉 FSD V14 后表示，特斯拉在弯道控制、长距离弯道快速过弯方面表现优秀，其工程优化和底层控制算法有显著优势(114)。

5.2 与华为、百度等国内竞争对手对比

在国内市场，小鹏面临着来自华为、百度、理想等厂商的激烈竞争，各家在端到端自动驾驶领域的布局各有特色：

华为乾昆智驾 ADS 4.0：

华为采用 "纯视觉 + 激光雷达双路线"，早期依赖 Mobileye 芯片 + 视觉方案，AD Max 3.0 加入激光雷达，采用多模态融合感知(143)。2025 年 4 月发布的 ADS 4.0 基于 WEWA 架构，实现了端到端时延降低 50%，变道操作更加丝滑，重刹率降低 70%(145)。

华为的优势在于：

全栈自研能力，从芯片到系统完全自主
五维安全体系（全时速、全方向、全目标、全天候、全场景）
与 22 家车企合作，2025 年装机量预计突破 200 万套(148)
2025 年全年避撞 318 万次，安全性能出色(144)

百度 Apollo：

百度在 2024 年 5 月发布了全球首个 L4 级端到端自动驾驶大模型 Apollo ADFM，实现了 "永不宕机、永不失准、永远在线" 的全栈技术能力(154)。百度的技术特色包括：

文心大模型与自动驾驶深度融合
萝卜快跑已实现城市全域、全时空场景覆盖
基于飞桨平台的技术栈优势
2025 年 Q1 发布文心 4.5 和文心 X1 推理模型(156)

理想汽车：

理想汽车通过引入端到端模型和 VLM 视觉语言模型的全新技术架构，致力于实现更拟人化的驾驶体验(140)。理想的特点是：

端到端大模型结合 V2X 车路协同
城市 NOA 市占率突破 60%
在无保护左转、复杂环岛等场景决策效率领先(137)

技术对比总结：

厂商	技术路线	核心优势	主要挑战
小鹏	纯视觉端到端（无语言转译）	决策效率高、中国场景适配好	技术路线激进，风险较高
华为	多传感器融合 + 端到端	安全冗余度高、合作车企多	成本较高、系统复杂度大
百度	L4 级端到端大模型	技术积累深厚、场景覆盖全	量产落地进度相对较慢
理想	端到端 + V2X	城市 NOA 市占率高	依赖基础设施，推广受限

5.3 小鹏技术优势与潜在风险

技术优势：

架构创新优势： 小鹏第二代 VLA 去掉 "语言转译" 环节的创新，使系统响应速度提升 300%，在复杂场景下的决策效率明显优于传统架构(53)。
本土化数据优势： 近 1 亿条中国本土驾驶视频的训练数据，使系统对中国特色路况（如加塞、非机动车混行等）有更好的适应性(132)。
算力优势： 自研图灵芯片提供 2250TOPS 算力，是特斯拉 FSD 芯片的 15 倍以上，为大模型运行提供了强大支撑。
迭代速度优势： 依托 3 万卡云端算力集群，实现每 5 天一次全链路迭代，迭代速度行业领先(67)。
成本优势： 纯视觉方案相比多传感器融合方案，硬件成本降低约 60%，有利于大规模普及。

潜在风险：

技术风险： 端到端架构的 "黑盒" 特性使得决策过程难以解释，在安全事故责任认定方面存在挑战。
数据风险： 过度依赖中国本土数据可能导致系统在海外市场适应性不足，国际化推广面临挑战。
竞争风险： 华为、百度等竞争对手在技术积累和生态建设方面实力雄厚，小鹏需要持续创新才能保持领先。
法规风险： "跳过 L3 直接实现 L4" 的技术路线可能面临法规不确定性，L3 级自动驾驶的法规框架尚未完全建立。
成本压力： 年均 50 亿元的 AI 研发投入对公司财务造成压力，需要通过规模效应来分摊成本。

5.4 行业地位评估

基于技术创新、量产进度、市场表现等多维度评估，小鹏汽车在端到端自动驾驶领域的行业地位如下：

技术领先性： 小鹏在端到端架构创新方面处于行业领先地位，特别是 "无语言转译" 的技术路线在全球范围内都属于首创。其第二代 VLA 系统的技术指标和实际表现已经达到国际先进水平。

量产进度： 小鹏计划在 2026 年第一季度实现第二代 VLA 的大规模量产推送，这一进度在国内车企中处于领先地位，甚至超过了部分国际巨头。

市场认可度： 从用户反馈来看，78% 的测试用户支持小鹏第二代 VLA，主要认可其在复杂路况下的表现和中国特色功能。

生态建设： 小鹏已经建立了包括芯片设计、算法研发、数据训练、产品应用的完整生态体系，这种垂直整合能力是其核心竞争力之一。

综合评估，小鹏汽车在端到端自动驾驶领域已经确立了第一梯队的地位，特别是在技术创新和本土化适配方面具有明显优势。但要保持领先地位，还需要在技术可靠性验证、成本控制、国际化推广等方面持续努力。

6. 未来发展趋势与战略规划

6.1 "跳过 L3 直接实现 L4" 技术路线分析

小鹏汽车董事长何小鹏明确表示，公司将跳过 L3 级自动驾驶，直接向 L4 级自动驾驶迈进。这一战略选择基于以下几个方面的考虑：

技术层面的可行性：

小鹏第二代 VLA 系统已经从技术底层验证了 L2 直通 L4 的可行性。该系统作为 "首个量产物理世界大模型"，创新性地去掉 "语言转译" 环节，实现从视觉信号到动作指令的端到端直接生成，不仅让自动驾驶反应速度与决策精度大幅提升，也为 L4 级自动驾驶奠定了技术基础(162)。

实现 L2 到 L4 跨越的核心差异被归纳为四点：能力（泛化场景接管率）、场景（全域道路支持）、安心感（安全进阶）、效率（超越人类）(158)。其中 "安心感" 尤为关键，指的是系统在复杂路况下展现出的自信与流畅，让驾驶员敢于放手。

商业层面的考量：

L3 级自动驾驶存在一个根本性问题：责任主体的界定。L2 到 L3 的关键跨越，正是 "责任主体从人变成车企"------ 这意味着事故若发生在 L3 设计运行域内，车企需承担主要责任，这也是何小鹏选择跳过 L3 的重要考量之一(159)。

相比之下，L4 级自动驾驶在设计运行范围内完全由系统负责，权责清晰，更有利于商业化推广。小鹏认为，L3 作为有条件自动驾驶，存在人机接管的权责模糊问题，而 L4 的全场景自动驾驶更符合未来出行的终极需求(163)。

技术路径的支撑：

小鹏的技术路径为实现这一目标提供了支撑：

硬件基础：各车型 Ultra 版本搭载三颗自研图灵 AI 芯片，有效算力达 2250TOPS，已开启 L3 级算力时代(159)
软件架构：第二代 VLA 采用统一的物理世界模型，可同时支持 L2 和 L4 应用
数据积累：近 1 亿条本土驾驶视频和 756 万公里测试数据
迭代能力：每 5 天一次的全链路迭代确保技术快速进化

6.2 2026 年 8 月前超越特斯拉目标可行性

2025 年 12 月 11 日，何小鹏在社交平台公开设下赌约：若 2026 年 8 月 30 日前，小鹏 VLA 智能驾驶系统在中国道路的综合表现追上特斯拉 FSD V14.2 在硅谷的实测水平，他将在硅谷捐建一家高品质中餐厅；若败北，自动驾驶核心负责人承诺到金门大桥完成 "裸跑"(166)。

目标设定的合理性分析：

技术基础： 小鹏第二代 VLA 在架构创新上已经领先，"无语言转译" 的设计理念在理论上具有更高的决策效率。
本土优势： 中国市场的复杂路况为小鹏提供了更丰富的训练场景，系统对本土特色的适应性更强。实测数据显示，在 20 公里复杂小路测试中，小鹏仅需接管 1 次，而特斯拉需要 5 次(125)。
算力优势： 2250TOPS vs 144TOPS 的算力对比，为小鹏提供了更大的技术发挥空间。
迭代速度： 每 5 天一次的迭代速度远超特斯拉，能够快速缩小技术差距。

面临的挑战：

技术成熟度差距： 特斯拉在纯视觉技术路线上积累深厚，FSD 经过多年迭代已经相当成熟。
数据规模差距： 特斯拉拥有全球最大的自动驾驶数据采集车队，数据规模和多样性优势明显。
系统优化差距： 何小鹏承认特斯拉在弯道控制、长距离弯道快速过弯方面的工程优化优势(114)。
时间压力： 从 2025 年 12 月到 2026 年 8 月，仅有 8 个月时间，技术追赶的时间窗口有限。

可行性评估：

基于现有信息，我们认为小鹏在 2026 年 8 月前 "在某些指标上接近或超越特斯拉" 是有可能的，特别是在以下方面：

复杂城市道路的接管率
中国特色场景的处理能力
特定路况下的决策效率

但要在 "综合表现" 上全面超越特斯拉 FSD V14.2，难度较大。更现实的目标可能是在本土化场景下实现领先，在其他场景下缩小差距。

6.3 Robotaxi 领域布局进展

小鹏汽车在 Robotaxi 领域的布局已经进入实质性阶段，计划在 2026 年推出三款 L4 级 Robotaxi 车型并启动试运营(172)。

产品规划：

车型定位	技术特点	目标场景
首款量产 Robotaxi	搭载 4 颗图灵芯片（3000TOPS）	城市通勤
第二款车型	纯视觉方案，无需高精地图	跨城出行
第三款车型	支持全球部署	国际化运营

技术规格：

小鹏 Robotaxi 的核心技术指标包括：

硬件配置：搭载 4 颗图灵 AI 芯片，车端算力达 3000TOPS，为全球最高水准
技术路线：采用纯视觉方案，不依赖激光雷达与高精地图，适配全球道路与交通环境
安全设计：预埋双冗余硬件架构，在算力、转向、感知、能源、刹车、通讯六个系统上均配备 2 套冗余
交互系统：基于第二代 VLA+VLM 实现本地端超低时延交互，首创遮阳板车外显示系统

商业化路径：

小鹏在 Robotaxi 领域采用了独特的商业模式：

技术输出模式： 专注于 Robotaxi 产品研发，不涉及运营环节，通过销售车辆获利
平台合作模式： 与高德地图达成合作，未来将接入其网约车平台(172)
直接销售模式： 开放车辆销售渠道，允许客户直接采购 L4 级自动驾驶车辆(172)

时间表：

2026 年：推出三款 Robotaxi 车型并启动试运营
2026 年下半年：首站在广州试运营
2027 年：逐步扩大运营城市范围
2030 年：实现规模化商业运营

6.4 长期战略规划与发展预测

基于小鹏汽车的技术布局和战略规划，我们对其未来发展进行预测：

2026-2027 年发展预测：

技术迭代： 第二代 VLA 将持续优化，预计在 2026 年底前实现 L4 级自动驾驶在特定场景的商业化应用。
产品布局： 推出 7 款具备超级增程配置的 "一车双能" 车型，完成从紧凑型到大型细分市场布局(165)。
市场拓展： 在巩固国内市场的同时，开始向欧洲、东南亚等海外市场推广，特别是右舵车型的定制化开发。
生态建设： 图灵芯片开始向第三方车企供货，预计年出货量达到 10 万片以上。

2028-2030 年发展预测：

技术突破： 实现 L4 级自动驾驶的大规模商业化应用，Robotaxi 运营城市超过 50 个。
产业地位： 成为全球端到端自动驾驶技术的领导者之一，在某些技术指标上超越特斯拉。
国际化成果： 海外市场销量占比达到 30% 以上，在欧洲、东南亚等地建立生产基地。
生态效应： 图灵芯片年出货量突破 100 万片，实现盈利并成为重要的利润来源。

风险因素：

技术风险： 端到端技术路线的不确定性，可能面临技术瓶颈。
市场风险： 消费者对自动驾驶的接受度、法规政策的变化都可能影响发展进程。
竞争风险： 华为、百度等国内竞争对手以及特斯拉等国际巨头的技术追赶。
资金风险： 持续的高研发投入对公司财务造成压力，需要保持良好的现金流。

总体评估：

小鹏汽车在端到端自动驾驶领域已经确立了技术领先地位，其 "跳过 L3 直接实现 L4" 的战略虽然激进但具有一定的合理性。公司在技术创新、本土化适配、算力储备等方面的优势，为实现长期目标提供了有力支撑。

预计到 2030 年，小鹏有望成为全球端到端自动驾驶技术的主要玩家之一，在部分技术指标上达到或超越特斯拉的水平。但这一目标的实现需要在技术研发、市场推广、生态建设等多个方面持续努力，同时需要密切关注技术风险和市场变化。

7. 结论与建议

7.1 研究结论

通过对小鹏汽车端到端自动驾驶技术的全面分析，我们得出以下核心结论：

技术创新方面： 小鹏第二代 VLA 系统在技术架构上实现了重大突破，创新性地去掉 "语言转译" 环节，实现从视觉信号到动作指令的端到端直接生成，这一创新使系统响应速度提升 300%，在复杂场景下的决策效率明显优于传统架构(53)。依托 3 万卡云端算力集群和 720 亿参数基座模型，以及近 1 亿条本土驾驶视频的训练数据，小鹏在技术积累方面已经达到国际先进水平。

量产能力方面： 小鹏在量产落地方面展现出强大的执行力，第二代 VLA 系统计划于 2026 年第一季度向 Ultra 车型全量推送，目前已经进入先锋用户共创阶段。公司自研的图灵 AI 芯片提供 2250TOPS 算力支撑，全国 2595 个城市的无图覆盖和 756 万公里的测试验证，为大规模量产奠定了坚实基础。

性能表现方面： 实测数据显示，第二代 VLA 在 22 公里复杂路况测试中实现了 98% 的智驾占比和全程 0 接管，在 20 公里复杂小路测试中仅需接管 1 次，显著优于特斯拉 FSD 的 5 次接管。系统还展现出识别交警手势、预判红绿灯等 "智能涌现" 能力，证明了端到端架构的强大泛化能力。

竞争地位方面： 小鹏在端到端自动驾驶领域已经确立了第一梯队的地位，特别是在技术创新和本土化适配方面具有明显优势。与特斯拉 FSD 相比，小鹏在复杂中国路况下的表现更优；与华为、百度等国内竞争对手相比，小鹏在技术路线的激进性和量产进度方面领先。

发展前景方面： 小鹏 "跳过 L3 直接实现 L4" 的技术路线虽然风险较高，但具有一定的合理性。公司计划在 2026 年推出三款 Robotaxi 车型并启动试运营，目标在 2026 年 8 月前实现自动驾驶能力超越特斯拉，这些目标虽然具有挑战性，但基于现有技术基础和发展势头，具有一定的实现可能性。

7.2 对不同群体的建议

对投资者的建议：

投资价值评估： 小鹏汽车在端到端自动驾驶领域的技术领先地位和量产进度，使其具有较高的投资价值。特别是图灵芯片业务的对外供应，有望成为新的利润增长点。
风险提示： 需要关注技术路线的不确定性、高昂的研发投入对财务的影响，以及与特斯拉等国际巨头竞争的激烈程度。
投资时机： 建议在第二代 VLA 大规模量产后（预计 2026 年 Q2）考虑投资，届时技术成熟度和市场反应将更加明确。

对行业从业者的建议：

技术路线选择： 端到端技术路线代表了未来发展方向，但需要平衡创新与风险。建议采用渐进式的技术升级策略，在保证安全性的前提下逐步推进。
本土化策略： 中国复杂的交通环境为自动驾驶技术提供了丰富的测试场景，建议加强本土化数据的收集和利用，开发适合中国市场的特色功能。
生态合作： 自动驾驶技术的发展需要产业链上下游的协同，建议加强与芯片厂商、地图服务商、车企等的合作，构建完整的技术生态。

对政策制定者的建议：

法规框架： 建议加快制定 L4 级自动驾驶的法规框架，明确责任主体和监管标准，为技术创新提供良好的政策环境。
基础设施： 加大对智能网联汽车基础设施的投入，特别是 5G、V2X 等技术的推广应用，为自动驾驶技术的发展提供支撑。
安全监管： 在鼓励技术创新的同时，需要建立完善的安全监管体系，确保自动驾驶技术的安全可靠应用。

对消费者的建议：

理性看待： 端到端自动驾驶技术虽然发展迅速，但仍处于技术迭代期，消费者需要理性看待其能力边界，不要过度依赖。
选择建议： 对于经常在复杂城市道路行驶的用户，小鹏第二代 VLA 系统的本土化适配优势明显；对于经常跑高速的用户，可以考虑特斯拉 FSD 等在结构化道路表现更优的系统。
安全意识： 即使使用高级自动驾驶功能，驾驶员仍需要保持注意力集中，随时准备接管车辆，确保行车安全。

7.3 研究局限性与未来展望

研究局限性：

数据获取限制： 本研究主要基于公开信息，部分核心技术细节和商业数据无法获得，可能影响分析的深度和准确性。
时间窗口限制： 小鹏第二代 VLA 系统刚刚发布，长期性能表现和用户反馈数据有限，需要持续跟踪验证。
对比标准差异： 不同厂商的测试标准和场景选择存在差异，直接对比可能存在偏差。
技术发展不确定性： 端到端自动驾驶技术仍在快速发展中，技术路线和市场格局可能发生变化。

未来研究方向：

技术演进跟踪： 持续关注小鹏第二代 VLA 系统的技术迭代和性能优化，特别是与特斯拉 FSD 等竞品的对比进展。
用户体验研究： 深入了解用户对端到端自动驾驶技术的接受度、使用习惯和改进需求。
商业化路径分析： 研究端到端自动驾驶技术的商业模式创新，特别是 Robotaxi 等新业态的发展前景。
政策法规影响： 分析各国自动驾驶政策法规的变化对技术发展和市场竞争的影响。
技术融合趋势： 研究端到端技术与 V2X、车路协同等其他技术的融合发展趋势。

总体而言，小鹏汽车在端到端自动驾驶领域的技术突破和量产进展，标志着中国在全球自动驾驶技术竞争中已经占据重要地位。随着技术的不断成熟和应用场景的持续拓展，端到端自动驾驶有望在未来 3-5 年内实现大规模商业化应用，为人类出行方式带来革命性变化。我们期待小鹏汽车能够实现其宏伟目标，成为全球智能出行领域的领导者。

参考资料

1\] 2025小鹏科技日\[在小鹏广州新总部举办的活动\]_百科 \[2\] 小鹏汽车官宣物理AI版图，第二代VLA领衔，三大具身产品齐发_齐鲁壹点 \[3\] 全面发力"涌现"的2025小鹏科技日-手机新浪汽车 \[4\] 小鹏第二代VLA:物理世界模型的革命性突破-CSDN博客 \[5\] 小鹏发布第二代VLA，AI出行全面涌现,2025小鹏科技日全景解读_懂车帝 \[6\] 何小鹏连发四大黑科技，人形机器人走猫步上台，用户能买到的L4车型来了-36氪 \[7\] 2025小鹏科技日 第二代VLA大模型与三大具身智能产品齐发_太平洋号 \[8\] 小鹏汽车联合北大发布论文入选国际AI顶会AAAI 2026，树立车端大模型高效部署上车新标杆 \[9\] 21.98万元起售!全新小鹏P7正式上市，AI豪华轿跑驶入智能驾驶新纪元 \[10\] 小鹏汽车联手北大突破L4自动驾驶:视觉Token剪枝技术全球首发 - 太平洋汽车问答 \[11\] 【文章】小鹏科技日发布第二代VLA大模型，三大具身智能产品矩阵集体进阶_车家号_汽车之家 \[12\] 2025小鹏科技日:展现物理AI成果，第二代VLA大模型来了_懂车帝 \[13\] 3000TOPS算力+二代VLA!小鹏首款量产Robotaxi全场景驾驶真能行?_芝能汽车 \[14\] "物理AI操作系统"来了!小鹏第二代VLA无需语言转译，实现端到端输出\|快讯_封面新闻 \[15\] 小鹏汽车老车型搭载的 \[16\] 国内智驾芯片谁最强:小鹏图灵AI芯片以算力与生态优势引领行业_懂车帝 \[17\] 小鹏图灵芯片 硬件架构_小鹏座舱架构解析 csdn-CSDN博客 \[18\] 续航达750km!小鹏X9 Ultra曝光，搭载3颗图灵AI芯片 - 有驾 \[19\] 小鹏三图灵芯片算力突破2250 TOPS, 远超Orin-X开启L3智驾新纪元_新浪财经 \[20\] $小鹏汽车-W(09868)$ 小鹏汽车-小鹏汽车(XPEV)股吧-实时行情分析讨论-新浪财经 \[21\] 小鹏图灵AI芯片 \| 小鹏汽车官网 \[22\] 2026款小鹏P7+/G7将搭载第二代VLA:自研图灵AI芯片 2250TOPS算力_人与财福 \[23\] 三颗AI芯片上车，续航突破750公里，小鹏X9 Ultra这次把冰箱彩电大沙发升级了-有驾 \[24\] 小鹏X9 Ultra版更新，近3.2米轴距，续航灵活选_易车 \[25\] 小鹏G7\[小鹏汽车旗下的SUV汽车\]_百科 \[26\] 何小鹏放大招:小鹏G7定价比预售直降4万，9分钟大定破万_南方都市报 \[27\] 全新小鹏P7全系Ultra，搭载三颗图灵AI芯片，有效算力高达2250TOPS，_小鹏P7社区_手机易车社区 \[28\] 【文章】这些车竟然也出增程动力 踏实买 很省心_车家号_汽车之家 \[29\] 小鹏汽车启动720亿参数自驾基模研发，初步验证自动驾驶规模法则 \[30\] 唯一受邀演讲的中国车企!小鹏汽车在AI顶会CVPR分享自动驾驶基座模型研发进展 \[31\] 720亿参数重塑AI驾驶『最强大脑』!小鹏汽车开启自动驾驶新纪元_车家号_汽车之家 \[32\] 小鹏汽车的一项超厉害 \[33\] 小鹏科技日解读:"物理AI"概念落地，飞行汽车真来了!_雷科技 \[34\] 何小鹏连发四大黑科技，人形机器人走猫步上台，用户能买到的L4车型来了_36氪 \[35\] 小鹏汽车破局:720亿参数基模验证自动驾驶规模法则_易车 \[36\] 最科技的中国汽车公司，提出最激进的2026年目标_Xauto报告 \[37\] 小鹏科技日都带来了哪些黑科技?将如何影响我们的生活?_太平洋号 \[38\] 小鹏分享物理AI成果:发布第二代VLA等四项成果_先生科技汇 \[39\] 四大成果2026量产 小鹏科技日解锁物理AI新纪元_太平洋号 \[40\] 小鹏 训练 VLA 大模型 1 个 月 烧 1 个 亿 ， 钱花 到 哪里 去 了 ？ # 小鹏 科技 日 # 人工 智能 # 智能 驾驶 # 大模型 # 自动 驾驶[https://www.iesdouyin.com/share/video/7577292688073236977/?region=\&mid=7577292676036987684\&u_code=0\&did=MS4wLjABAAAANwkJuWIRFOzg5uCpDRpMj4OX-QryoDgn-yYlXQnRwQQ\&iid=MS4wLjABAAAANwkJuWIRFOzg5uCpDRpMj4OX-QryoDgn-yYlXQnRwQQ\&with_sec_did=1\&video_share_track_ver=\&titleType=title\&share_sign=4mljujE2eE3wX9sKWmpfgy6nnGW2CV3b.ZfiOuNVUgc-\&share_version=280700\&ts=1767465246\&from_aid=1128\&from_ssr=1\&share_track_info=%7B%22link_description_type%22%3A%22%22%7D](https://www.iesdouyin.com/share/video/7577292688073236977/?region=&mid=7577292676036987684&u_code=0&did=MS4wLjABAAAANwkJuWIRFOzg5uCpDRpMj4OX-QryoDgn-yYlXQnRwQQ&iid=MS4wLjABAAAANwkJuWIRFOzg5uCpDRpMj4OX-QryoDgn-yYlXQnRwQQ&with_sec_did=1&video_share_track_ver=&titleType=title&share_sign=4mljujE2eE3wX9sKWmpfgy6nnGW2CV3b.ZfiOuNVUgc-&share_version=280700&ts=1767465246&from_aid=1128&from_ssr=1&share_track_info=%7B%22link_description_type%22%3A%22%22%7D) \[41\] 小鹏机器人背后有啥黑科技 物理AI引领未来_新闻频道_中华网 \[42\] 何小鹏和马斯克的共识:通向L4之路已经清晰\|小鹏汽车\|特斯拉\|特斯拉cybercab\|小鹏robotaxi\|AI_新浪新闻 \[43\] 小鹏第二代VLA，传统VLA，特斯拉"端到端"到底有啥区别?_智灵机锋 \[44\] VLA:何时大规模落地_中国汽车报 \[45\] 视觉语言动作模型(VLA)在自动驾驶自动驾驶技术中的路线对比分析-电子工程专辑 \[46\] 论文速读《A Survey on Vision-Language-Action Models for Autonomous Driving:视觉-语言-行动融合的智能驾驶新范式》-CSDN博客 \[47\] 智驾向"全局端到端"进化演变,VLA让感知-规划-控制真闭环"-电子头条-EEWORLD电子工程世界 \[48\] Vision-Language-Action 模型在自动驾驶中的应用(VLA4AD)_自动驾驶_m0_65010824-DAMO开发者矩阵 \[49\] VLA与世界模型有什么不同?-电子工程专辑 \[50\] 小鹏科技日分享物理AI涌现成果 第二代VLA大模型与三大具身智能产品齐发_中国质量新闻 \[51\] 3000TOPS算力+二代VLA!小鹏首款量产Robotaxi全场景驾驶真能行?_芝能汽车 \[52\] 迎接"物理AI"浪潮 小鹏汽车发布第二代VLA大模型