小鹏汽车董事长 何小鹏
文｜肖漫
编辑｜李勤
"通过我们内部比较测评，我认为比行业一流选手领先接近 5 倍。"在第二代 VLA 发布会后的交流中，小鹏汽车董事长兼 CEO 何小鹏说道。
智驾的演进，正从"软件定义汽车"变为" AI 定义超级智能体"。新浪潮下，小鹏汽车给出了他们面向未来的激进解法：跳过在硬件、软件与法规层面皆面临妥协的 L3 阶段，直接以 L2 和 L4 作为智驾演进的核心锚点。
在何小鹏看来，第二代 VLA 已经让小鹏具备从 L2 直接进入 L4 的可能性。
小鹏和特斯拉一样，不再是在原有的智驾框架里修修补补，而是彻底把自动驾驶当成通用人工智能（AGI）在物理世界的落地来解题。战略变化前，小鹏已将智能座舱中心和自动驾驶中心合并，集中 AI 资源形成统一中台，以此提升开发效率。
小鹏现在的思路是引入世界模型的构建思路，实现智能座舱与智能驾驶的深度融合。让智舱与智驾不再孤立，融合为一个"强力超级智能体（Agent）"，未来 1-3 年实现从被动工具到主动服务的跨越。
实现这个设想的基础是最好基座模型，并解决数据问题。⼩鹏汽⻋通用智能中心负责⼈刘先明认为，"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。"
小鹏的技术变革足够果断，智能化的软件升级已经成为小鹏汽车产品的核心抓手。但正如 36 氪汽车此前报道指出，现下的小鹏仍是一家以卖车作为核心收入的汽车公司，身处在竞争烈度仍在强化的中国汽车市场，小鹏在内的所有公司都要在市场环境和技术的双重变革下寻求转型。
以下是 36 氪汽车与小鹏汽车董事长 CEO 何小鹏、⼩鹏汽⻋通用智能中心负责⼈刘先明的交流内容，略经编辑：
问：小鹏为何建议跳过 L3、并向两会提出该建议，是为了我们可以有一个更领先的技术吗？
何小鹏：我认为 L4 开始就会有新的责任主体，在今天全球科技发展的情况下，基本上从 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。
问：第二代 VLA 将落地到多少台车辆，能否给出大致预估数据？
何小鹏：我们所有的 Ultra 和 UltraSE 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。
问：第二代 VLA 到底能够做到什么程度？是已经完全可以达到 L4，还是在什么样的阶段？
刘先明：现在到底做到什么水平。目前还没有完全说自己能达到百分之百的 L4，但是现在整个 VLA2.0 搭建了一套非常通用并且高效的架构，所以基本上每天都会有新的版本出来，不停地去迭代新的问题，而且进步速度也是超乎我们想象的，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。
具体的时间可能还没有办法给出完全的判断，1 — 3 年是大师兄给出的判断，我们的判断是如果按每一天迭代的速度比前一天快，看到整个训练速度和数据规模曲线是加速上升的状态，如果我们一直维持这个状态的话，我相信会很快。
问：为什么会把智能座舱和智能驾驶合并，形成这样的组织架构调整？目前这种变化似乎也是车企中正在发生的趋势，想请问小鹏汽车这次调整与其他车企有什么不同？
何小鹏：汽车行业正在进入新的跨域融合阶段：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。所以，先明负责的通用智能中心，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。
问：第二代 VLA 实现端到端智能革命，将于本月下旬全量推送。这套底层技术统一、动力形态双选的产品策略，将如何定义小鹏未来 3 年高端市场打法？
何小鹏：关于未来 1-3 年，汽车将从软件时代进入 AI 时代，从软硬件独立发展走向跨域融合，从原来的、简单的智能新能源车升级为可主动服务的高阶智能 Agent。因为小鹏在多领域同步研发，所以未来 1-3 年大家会看到有很多跨域融合的效果。
这也是我为什么非常激动地认为，包括以前的燃油汽车，以前靠汽车商想做好的方案越来越困难，汽车一定会从原来的被动生产工具变成一个主动产生生产力的产物，我认为是划时代的产物，大概 3 — 5 年会实现。
问：刚才您提到基座模型是做好 L4 的基础。从行业来看，目前很多 Robotaxi 玩家对基座模型提及不多，或选择其他技术路线。未来基座模型是否会成为 Robotaxi 企业做好业务的标准吗？
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。我们过去看到 Waymo 还有很多 L4 公司，其实上限很低，大家只能不停往前卷。这带来另外一个问题，就是 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。
今天我们也在发布会上提到，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后，没办法完成完整的技术转型。
问：第二代 VLA 出海方面，您提到目前在瑞典的 case 使用云端模型进行仿真训练。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，从今天大师兄（何小鹏）发布的视频里可以看到，已经具备很强的能力。第二，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。
问：世界基座模型如果同时赋能多样化智能体，它在多模态交互、空间感知这些方面会不会存在技术复用的瓶颈？不同形态的智能体能否对基座模型反哺，加深模型的优化？
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。具体的复用情况我们还在持续探索，目前暂时无法给出特别明确的结论。现阶段首要任务还是先在车上先把整个事情跑完，下一步再推进舱驾联动。
问：自动驾驶从端到端进入到模型这个范式之后，大家都在用人类的数据去做模仿学习，今天先明也分享了世界模型在仿真世界里做大量的强化学习的案例，但从去年开始，很多人就在谈人类数据其实价值不大了，您怎么看？
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。
以前我觉得有 10 万台、100 万台车跑了多少公里就够了，现在我觉得远远不够。很多人说我有车队、我有公司，车卖得多就有很多数据，这些都是错误的。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，这是我的看法。
问：RL 强化学习是不是真的万金油，所有的问题都可以解吗？有没有它不擅长的东西？
刘先明：强化学习不是万金油。现在学术界、工业界都在说强化学习很厉害，但它一定需要一个非常强的基座模型——至少能采样到解决这个问题的可行解。如果连这个能力都没有，强化学习就没办法继续提升。
但强化学习是效率特别高、能定向解决问题，并且能持续探索长尾问题的一种学习方式。所以我觉得大家不用把强化学习当成可解万物的万能解，而是一个非常高效的学习方法。
问：目前市场上算力军备竞赛宣传愈演愈烈，友商之间在疯狂堆算力，但很多用户实际体验后发现，算力大幅提升，体感提升却没有数值增长那么明显，问题大概出在哪？
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。这也是我们从通用处理器向专用处理器 ASIC 过渡的原因。其实你看 NVIDIA（英伟达），就是在 GPU 和 CUDA 时代做这件事 —— 把算力用好，比单纯说算力提升多少倍更有价值。所以算力不仅要大，用好才是核心关键。
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。
问：最近 2 — 3 年我们从行业实践来看，关于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，在您看来这两种不同的方案之间有没有优劣之分，哪种方案更符合未来的发展趋势？
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。我们做的是一个 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。
既然都已经做了这么大的变化，就不会带着之前很多的逻辑，这些 heuristic（基于经验规则的启发式方法），就是这些很多的规则或者办法来解决现在的问题，这个也是让数据和模型不停 scaling（通过增加数据量、模型参数规模、算力投入，来持续提升模型能力）最重要的核心，尽量少加其他的东西进来。
这个可能听起来有点过于简单直接，但是在过去这几年里面，整个 AI 的发展就是告诉我们这一件事，就是怎么能去做 scaling，怎么能够快速地迭代，就能够快速的解决问题。核心就是你到底做的是智驾还是做的是 AI。
问：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？在您目前的观察中，全球范围内是否只有两家已经切换到原生多模态物理世界大模型？
刘先明：如果做过机器学习或 AI，就知道 PR 曲线。当曲线较平时，只能在安心、效率、场景间权衡，本质没得选。
自动驾驶中，我们常问：到底想要什么样的自动驾驶？
自动驾驶最核心的目标是安全。但并不意味着安全就可以为所有其他东西让路，没人想要为了安全而要一个慢吞吞、没效率、跑不动的东西。解决这个矛盾，核心是提升基础能力——只有基础能力上去，才能在不牺牲其他维度的前提下，把安全做到更高水平。
我们说的 "代际差"，不只是单一指标的差距，更关键是有没有切换整套做事思路，迭代速度有没有质变。我们现在追求的是不仅跑得快，加速度还在持续变大，因为我们在构建底层通用能力体系，这才是真正的代际差，而非单点指标领先。
广盛网提示：文章来自网络，不代表本站观点。
