小鵬機器人太像人被網民「打假」，何小鵬回應了：感謝認可
馬斯克還沒有賭成功的局，何小鵬剛剛說他做到了——
小鵬自研多模態大模型，迸發智能湧現，從量產智能輔助駕駛開始，統一Robotaxi、具身智能、飛行汽車底層架構，升維到通用物理AI層面：
物理AI的「湧現」，不僅體現在小鵬人形機器人從去年蹣跚學步到今年邁著T台貓步登場：
太過逼真而引來網民紛紛「打假」，小鵬只好一鏡到底證明真的不是cosplay：
何小鵬的回應更有意思：
回到造車本行，小鵬這次最直接的進展就是量產車系統超越「輔助」範圍，開始成規模成批次克服各種Corner case：
以及在Robotaxi和量產車拉通底層軟硬件架構，掃清落地的範圍、規模限制：
換句話說，普通用戶買到的L4級體驗量產車，小鵬率先實現。
所謂「物理AI」，和之前智能駕駛模型最直觀的不同，是終端AI直接操控的維度，從簡單前後左右二維，變成了飛行汽車的XYZ三維，甚至是機器人數十個不同的運動關節……
從車到複雜AI場景智能湧現的基礎，何小鵬自述是從重構車端VLA架構開始。
小鵬重構VLA
從體驗上看，小鵬第二代VLA最直觀的進步，是打通智能輔助駕駛覆蓋的「最後一公里」。
包括郊區、城鄉結合部、胡同等等，平均接管里程提高了13倍。
小路、不規則路段做好了，何小鵬認為本質上代表城市NOA能力提高了10倍，高速輔助駕駛能力安全提高了100倍，這就是一個巨大的跳躍。
第二代VLA第二個特點，是幾乎能和老司機一樣理解、處理路上的各種場景，既包括面對教官檢查時的自主「揮手停車」，也包括等待紅綠燈起步時自然而然的蠕行。
甚至左右兩邊各3公分極限窄路通行，現在VLA都能自主完成：
這些高度擬人化的操作，何小鵬說團隊根本沒有針對性寫代碼開發，全都是系統在訓練過程中自主湧現的能力。
如果說端到端普及，讓智能輔助駕駛擺脫「開城」限制，VLA的迭代則讓車載AI一定程度擺脫數據分佈的限制，不同國家和地區的道路，都能實現最基本的理解操作。
這個能力之上，小鵬開發了Super LCC加人機共駕，導航可開可不開，照樣在直路上絲滑的自動輔助駕駛，滿足中國跟全球各地的法律法規。
小鵬最新VLA展現出的理解認知能力，與現在市面上常見的VLA不同，並非直接來自大語言模型，而是進行了徹底重構。
從第一性原理出發，小鵬認為現行VLA結構有比較嚴重的缺陷——通過語言模型理解描述場景耗時長，且信息遺漏比較多。
也就是說小鵬最新的VLA，不再以外掛的超大規模語言模型為核心，而是直接從vision到action，以物理世界模型為核心。
就好比車載AI腦內有個小劇場，基於對物理世界的理解來推演可能的場景，再根據對各個目標的軌跡判斷，不斷修正自身行車軌跡。
像人一樣認知、學習和觀察世界。不用中間的語言翻譯，直接轉為運動的軌跡，首先是可以大幅度降低信息的損耗，因為系統直接看到完整世界。第二，推理效率更高，畢竟現在沒有了語言模型的中間轉譯。
至於語言模型，如今的作用其實是智駕可視化，讓用戶明白車在做什麼，提升信任感。
第二代VLA基座模型的訓練，用了接近1億個影片的Clips，不是標準數據而是各種 corner case，「相當於一個普通人駕駛65000年遇到極限場景的之和。
物理世界模型，內部其實是不斷重構改變攝像頭原始數據，通過生成新的場景來尋找決策依據。
為了實現這個能力，小鵬使用了阿里雲超3萬張卡的雲端的超大算力集群，以及720億參數的基礎大模型。明年的需求可能會去到5~10萬張卡。
何小鵬自述，2024年開始內部有兩個VLA團隊並行，一個就是現在的量產上車的版本，另一個則是嘗試世界模型路線——即劉先明帶領的團隊。
「月燒一億」，且長時間沒有突破，內部一度想砍掉這個方向，但直到今年2季度某一天，智能「突然」就湧現了。
後面的故事是，劉先明的Title從年初的基座模型負責人，變成了如今的自動駕駛中心組織負責人。
另一個角度看，隨小鵬新P7正選量產的VLA系統，半年不到就成了被顛覆替代的版本。
不過用戶不必有絲毫被背刺的擔心，底層硬件架構通用，最新的第二代VLA年底早鳥測試，預計明年一季度大規模OTA，其實也就最近幾個月的事了。
普通人也能買Robotaxi？
技術角度，小鵬承諾完全沒問題，所見即所得。
2026年開始，小鵬新車的智能化SKU，除了Max、Ultra，還會加推Robo版，算力、傳感器、軟件版本完全和小鵬即將量產落地的Robotaxi一樣：
當然，回歸到普通用戶層面，買一輛無人車幫你拉活賺錢，技術上也許正在突破，但法規仍然模糊，並沒有放行。
小鵬在做的和特斯拉一樣，用大模型自動駕駛技術體系去模糊、拆除L4與L2的壁壘，用體驗去說服用戶、監管自動駕駛的可靠安全性。
比如，小鵬即將落地的Robotaxi算法架構同樣源於最新VLA體系，只不過為了滿足L4全無人、萬無一失的要求，能力倍增：
四顆圖靈芯片，3000TOPS算力，其中有三顆2250TOPS提供運算力，有一顆750TOPS提供算力冗餘和安全增強。
同是第二代VLA，Robotaxi上小鵬會訓練一種不同風格的自動駕駛，注重極致安全，注重全程零接管的體驗。
2026年內預計投入3款Robotaxi車型，全部是小鵬量產車同源，並且和高德地圖合作，一同提供Robotaxi服務。用一年時間走完傳統L4玩家近10年走過的路。
小鵬最新機器人，能幹導購了
物理形態、AI大腦、商業場景三個層面，小鵬最新的人形機器人IRON跟去年比有了脫胎換骨的變化。
首先是物理形態，姿態更絲滑流暢的貓步，背後是小鵬機器人團隊重構了整個「骨架」：
仿人的脊椎，可以像人類一樣彎腰、雙手觸地，機器人的站、坐、蹲、躺、爬、摔倒都可以自主完成。
然後是單手高達22個關節自由度的靈巧手，關節直徑只有16毫米。此外還有柔軟觸感的仿生皮膚，內置一系列觸覺傳感器，交互過程中可以檢測觸覺信息作為決策依據，同時還能給用戶觸覺方面的反饋。
其次是仿生的肌肉，讓機器人和人類一樣有不同的體型，可以根據用途定製：
機器人的頭部，集成了一塊3D曲面顯示，背後有攝像頭、毫米波雷達、慣導、魚眼相機等等，具備了聽說、看表情等系列的能力，也可以通過顯示屏做出各種表情跟人類互動。
AI大腦層面，IRON置3個大模型，包括VLT、VLA、VLM，使用三顆圖靈AI芯片共2250TOPS支撐。
都和量產車、Robotaxi同源同架構。其中VLA負責機器人的運動（和車載VLA同一個團隊），VLM負責跟人類的交互，VLT則是機器人自主行動、完成任務的核心引擎。
相當於機器人的「慢大腦」，通過思考決策和任務分解，它會判斷在真實的物理環境下，下一步該怎麼做。
包括身體怎麼動，手怎麼動，嘴怎麼說、動作該怎麼執行……把一個目標拆分成一系列流程，再組合成一系列動作、語言指令。
不過何小鵬認為，現階段具身智能還沒走到大規模落地的泛化階段，核心原因是機器人與智能汽車不同，現階段數據來源實在太有限了。
就比如VLA在車上，只需要考慮前後左右雙維度運動場景，但IRON有82個關節需要協調，不同場景任務中又有不同需求……
小鵬目前已經建立了具身智能的數據工廠，具體怎麼收集生產具身智能數據，何小鵬表示還要保密一段時間。
不過就目前階段，小鵬人形機器人在一些場景中已經能產生商業價值——導覽、導購跟導詢，比如購物中心的前台信息諮詢、顧客引導，公司的保安巡邏等等。
比如，寶鋼集團是首個宣佈成為小鵬機器人IRON項目的生態合作夥伴的企業，將探索巡檢等複雜的工業領域應用場景。
2026年底，小鵬人形機器人就能實現量產。
實際上第一代機器人已經走進小鵬4S店，作為導購服務進店買車試車的用戶。
小鵬飛行汽車：已賣出7000輛，高管先試先飛
全球訂出7000輛的是已經量產就緒的陸地航母：
還亮相了一款全傾轉混電飛行汽車「A868」：
「陸地航母」是滿足個人低空飛行體驗，而「A868」實現多人長航程高效出行。
飛行器本身就是鯤鵬超級增程系統，續航500km+，最高航速360km+/h，可最多支持6人乘坐，目前飛行器已經進入試飛階段。
陸地航母首創了六軸六槳雙涵道安全構型，即便對槳失效，仍能安全飛行且著陸，艙內僅1塊屏幕、1個操作杆，單手可飛，顛覆了傳統飛行汽車操作邏輯，並配有副駕操作台，確保飛行安全。
值得一提的是，小鵬彙天執行「高管先飛計劃」，管理團隊親身驗證飛行安全，量產交付前，必須飛行超5000公里——其中當然包括何小鵬本人。
飛行汽車的商用落地場景，小鵬其實已經有了初步明確。
比如小鵬已經和旅遊勝地敦煌當地達成協議，建立至少5個飛行營地，承擔空中遊覽觀光任務。
個人用戶層面，小鵬在籌建全球首家飛行汽車6S店，集展示、銷售、交付、培訓、服務為一體，買小鵬飛行器的同時，「飛行駕校」一對一專班也安排上。
小鵬的物理AI進展，如何評價？
智能汽車狹義層面，小鵬展現出的思考和行動，和其他玩家並不相同。
VLA上車，絕大部分玩家都是採用已有開源的大語言模型做基礎（比如最常用的通義千問），採用外掛模式作為端到端系統的參考。
VLA本從大語言模型啟發而來，採用「外掛」方式應用到車端一方面是慣性使然，一方面也是量產上車作為目標驅動的結果。
小鵬當然也這麼幹了，但同時也沒放棄第一性原理思考，更加大膽得去花真金白銀驗證。
也許從小鵬開始，國內自動駕駛駕駛的大模型路線，會徹底和語言模型分流，趨向完全不一樣的結構、範式。
這個新範式，就是以世界模型為核心的大模型，從車延伸到其他物理場景的通用AI大腦。
如果小鵬能統一融合L4、L2架構，證明泛化性和安全性可以並存，Robotaxi「地理圍欄」範圍就有希望逐漸擴大到普通乘用車一樣的程度，升維降維之爭也會徹底終結。
更進一步，通用AI司機的基座大模型，啟發的不只是自動駕駛…
2025年主流汽車工業終於開始力爭轉型，希望擺脫傳統製造業的標籤，向智能汽車靠攏；
而在這個賽道第一梯隊的小鵬汽車，似乎已經無法用「智能汽車」的標準維度來衡量了。
本文來自微信公眾號 「智能車參考」（ID：AI4Auto），作者：賈浩楠，36氪經授權發佈。
