「擁有理解、交互和改變世界能力的機器」正在悄悄到來。

文丨智駕網(wǎng) 零醬??

編輯丨雨來

那是小鵬智駕團隊在今年二季度的一次日常VLA測試，路邊突然有人揮手讓他們停車，這位揮手的路人并不是一位可以被系統(tǒng)辨識的交警，但車輛居然按照他的手勢停了下來。

還有一次，測試車輛在路上等紅燈，但當紅燈準備轉(zhuǎn)綠、在讀秒的時候，車輛竟然開始非常緩慢絲滑的蠕動，然后待綠燈完全亮起，提速通過。

招手停、提前蠕行這是小鵬團隊預期外的NGP功能，但系統(tǒng)自己開悟了。

那一刻，小鵬汽車自動駕駛負責人劉先明腦海里浮現(xiàn)了兩個字：涌現(xiàn)。

他想起了一句半開玩笑的話，人的成長靠頓悟，而人工智能的成長靠涌現(xiàn)。

經(jīng)過累計超過20億元的投入，基于3萬張卡的算力和相當于一個普通人駕駛6.5萬年遇到的極限場景之和的近1億視頻Clips的深度學習，還有一年多時間的試錯、煎熬，小鵬的第二代VLA成了。

01.
小鵬智駕「涌現(xiàn)」新門

2024年對于小鵬的智駕路線是具有歷史意義的一年。

這一年何小鵬不僅下定決心放棄雷視融合方案，全面押注視覺路線，同時也決定同步研發(fā)兩代VLA，而第二代VLA的研發(fā)正是由劉先明負責。

但在相當長的一段時間內(nèi)，第二代VLA的研發(fā)一直止步不前，劉先明表示其團隊成員一度失去信心，團隊高管甚至逃避參與報告會。

直到那個「涌現(xiàn)」時刻的突然出現(xiàn)，似乎有一道門向我們打開了。

「涌現(xiàn)」原來是一個生物學概念，整整150年前，英國哲學家喬治·亨利·劉易斯在其著作《生命與心靈的問題》一書中闡述「鳥群自組織飛行」等群體行為時，提出「即使完全了解單個個體的所有行為，也無法預測群體層面涌現(xiàn)出的復雜模式�！�

這是「涌現(xiàn)」概念首次被科學界接受。

20世紀（參數(shù)丨圖片）初，昆蟲學家威廉·莫頓·惠勒發(fā)現(xiàn)雖然單個螞蟻的智力有限，但整個蟻群在沒有中央指揮的情況下卻可以完成筑巢、覓食等復雜任務。

惠勒將蟻群描述為「超個體（superorganism）」，其作為一個獨立行動者展現(xiàn)出「涌現(xiàn)進化」的特性——整體大于部分之和。

1982年，約翰·霍普菲爾德（John Hopfield） 在論文《具有涌現(xiàn)集體計算能力的神經(jīng)網(wǎng)絡與物理系統(tǒng)》中，明確將螞蟻覓食路徑優(yōu)化作為涌現(xiàn)計算能力的經(jīng)典范例。

今天，人類已在蟻群、大腦神經(jīng)網(wǎng)絡、免疫系統(tǒng)、AI等領域清晰地觀察到了涌現(xiàn)現(xiàn)象。ChatGPT4這一生成式AI模型正是其訓練數(shù)據(jù)和參數(shù)規(guī)模達到一定程度時，突然涌現(xiàn)出讓人驚嘆的理解能力。

螞蟻系統(tǒng)的涌現(xiàn)特性經(jīng)歷了從哲學思辨到科學實證再到技術(shù)應用的完整發(fā)展歷程。

對于智駕系統(tǒng)而言，路上的行人、車輛等數(shù)據(jù)就如同一只只螞蟻，這些數(shù)據(jù)最終能催生一個螞蟻系統(tǒng)嗎？

11月5日，在小鵬汽車科技日上，何小鵬對外明確表示，基于第二代VLA的小鵬智駕系統(tǒng)已經(jīng)出現(xiàn)了涌現(xiàn)現(xiàn)象。

這些場景并未在訓練數(shù)據(jù)中專門標注，而是模型自我演進的結(jié)果。

何小鵬強調(diào)，涌現(xiàn)現(xiàn)象是持續(xù)發(fā)生的。

可以說，智駕正來到一個智能涌現(xiàn)的臨界點。

02.
去掉L的第二代VLA大模型

在智駕領域，關于VLA是不是一條必經(jīng)之路，業(yè)內(nèi)尚存在爭論的時候，小鵬汽車的第二代VLA會不會是新的名詞營銷呢？

VLA即Vision-Language-Action（視覺-語言-動作）是一種融合視覺、語言與動作三大模態(tài)的端到端大模型。

其核心突破在于打通「感知-決策-控制」全流程，通過多模態(tài)大模型直接輸出控制信號，減少傳統(tǒng)模塊化架構(gòu)的信息損耗。

這一模型早期主要應用于機器人領域。

小鵬汽車、理想則成為將VLA最早引入智駕的兩大整車廠。

小鵬汽車推出的第二代VLA，最大的變化即是去掉了「語言轉(zhuǎn)譯」環(huán)節(jié)。

這一變化的通俗理解即是，通過從視覺信號到動作指令的端到端直接生成，不再需要將視覺信息轉(zhuǎn)化為文本描述，再轉(zhuǎn)為控制指令，而是直接學習物理世界的交互規(guī)律。

小鵬汽車自動駕駛負責人劉先明表示，去掉VLA中的L，是小鵬團隊認為的、更大規(guī)模使用數(shù)據(jù)的前提。

劉先明解釋稱，過去幾年AI發(fā)展的最大原動力來自于不停的使用規(guī)模數(shù)據(jù)訓練，但如果想要更大規(guī)模地使用數(shù)據(jù)，一定要拆掉所有的separation（模塊界限），讓它變成一種「自監(jiān)督」模式。

「很多VLA架構(gòu)基本都是圖像進來，通過一個大語言模型最終輸出——Meta action（高級抽象的動作指令），Meta action一般是文字，然后再通過文字的方式處理后輸出。這種方式最大的好處是有眾多開源模型可以使用，可以直接拿開源的NLP模型來做推理�！�

但只要有語言存在，就一定涉及到人工的篩選或標注，比如一段1200多字的文字描述也無法精準地「翻譯」一個十幾秒的視頻：

「這樣會讓數(shù)據(jù)使用的規(guī)模受到限制，而一個系統(tǒng)只有去掉所有中間瓶頸，才可能大規(guī)模地做起來�！�

而以視覺為核心，把模型看到的世界直接轉(zhuǎn)換成運動軌跡，就可以直接利用海量的真實駕駛視頻進行訓練，而無需任何人工數(shù)據(jù)標注。

這是小鵬選擇去掉L的底層邏輯。

但實際上，小鵬的第二代VLA并沒有完全拋棄L，在何小鵬給出的模型架構(gòu)圖中，L被當作V的并行信號，同時輸入給模型，以產(chǎn)出Action（動作）。

「我們說V+L，強調(diào)的是轉(zhuǎn)譯環(huán)節(jié)沒有變成人類的語言和格式，而是變成了一個物理世界的新語言，所以它不是人類可見、可認知的語言，但效率更高、信息更豐富�！�

第二代VLA讓自動駕駛回到了劉先明認為的物理世界交互的本質(zhì)：直接輸出控制信號。

「如果我最終輸出的信號直接是‘行為’，它其實包含了重建、理解、生成和最后推進的所有過程。如果可以用更大規(guī)模的數(shù)據(jù)、更大的模型將這件事做下來，理論上就可以解決這個問題�！�

小鵬智駕團隊的這一做法，在智駕網(wǎng)看來與DeepSeek團隊最新開源的一項技術(shù)突破——《DeepSeek-OCR: Contexts Optical Compression》有異曲同工之處。

該論文通過實驗數(shù)據(jù)展示了通過圖像壓縮技術(shù)來處理文本，從而實現(xiàn)大模型上下文窗口的10倍級無損擴展。

這一技術(shù)的核心是將文本處理成視覺token，也就是將文字渲染成圖像，并直接編碼成模型能理解的語義單元。

這意味著，這些視覺token本身就是模型可以直接使用的語義信息，無需額外的解壓步驟。視覺token不僅節(jié)省空間，提高了處理效率，并在推薦算法和多模態(tài)交互方面提供了增強體驗。

將VLA變?yōu)閂+L，正是利用了視覺數(shù)據(jù)的優(yōu)勢，解決了一個一個文字信號的數(shù)據(jù)結(jié)構(gòu)化和離散性，容易導致大量信息損失的缺陷。

而視頻包括其它傳感器的數(shù)據(jù)都是連續(xù)信號，輸出空間也是連續(xù)的，這對于智駕系統(tǒng)在控制車輛時保持信號的連續(xù)性有天然優(yōu)勢。

劉先明以剎車信號為例：看似是0.21和0.22的區(qū)別，兩個信號的差異不是0.1的問題，而是撞和不撞的問題，這是個連續(xù)信號，沒有辦法通過離散化的Token方式輸出它。

換句話說，第二代VLA讓何小鵬堅持的視覺智駕技術(shù)路線具備了先天優(yōu)勢，當然這一優(yōu)勢尚需工程和量產(chǎn)驗證。

但現(xiàn)在第二代VLA帶來的驚喜和突破已讓小鵬的智駕團隊篤信：

「一個全新的大門正在打開。我們有能力在未來給大家?guī)砀踩�、更絲滑、更強力的自動駕駛系統(tǒng)，我們打算全力以赴在新版本的VLA里面向前。」

「新一代VLA讓小鵬自動駕駛的升級換代節(jié)點提前了近兩年�！�

在外界來看，目前小鵬智駕團隊公布的現(xiàn)象和細節(jié)尚有不足，對于智駕系統(tǒng)自我進化的能力缺乏第三方驗證。

小鵬團隊表示，一方面會在第二代VLA正式發(fā)布時公布更多的細節(jié)，另一方面也是應對激烈競爭的市場環(huán)境基于保密原則做的自我保護。

但小鵬汽車的研發(fā)架構(gòu)已進行了迅速調(diào)整，側(cè)面印證了第二代VLA成功后帶來的影響。

在車端，小鵬團隊針對圖靈AI芯片重新開發(fā)了針對性的編譯器和軟件棧。

得益于「芯片-算子-模型」全鏈路優(yōu)化，小鵬汽車最終做到了在算力高達2250TOPS的Ultra版車型上，搭載數(shù)十億級參數(shù)規(guī)模的第二代VLA，而行業(yè)普遍車端模型參數(shù)量目前尚停留在千萬級規(guī)模。

對于涌現(xiàn)是如何突然發(fā)生的，劉先明給出了一個十分「第一性」的解釋：

「大模型、大算力、大數(shù)據(jù)，堆到一塊就變成了我們推出的模型，非常簡單的邏輯，背后原理非常簡單，也沒有什么復雜的故事�！�

為了嘗試新的VLA模型，小鵬投入了3萬張卡的算力集群，燒了20多億的研發(fā)費用、和相當于一個普通人駕駛6.5萬年遇到的極限場景之和的近1億視頻Clips。

簡言之，第二代VLA是在理順技術(shù)邏輯、擁有足夠投喂數(shù)據(jù)、車端硬件過硬的三重條件下「涌現(xiàn)」出來的。

「但是想把這件事情做好，背后的難度也是很大的，幾十個PB數(shù)據(jù)一口氣讀進來，還要在千卡、萬卡的情況下保持穩(wěn)定，不要崩掉，應該沒有人能在這個規(guī)模做得到�！�

但需要注意的是，目前AI的「涌現(xiàn)」尚處于不可預測階段，甚至有一部分技術(shù)分析認為其存在一些「玄學」特性。

這其實也是業(yè)內(nèi)當初對VLA爭議的原因之一，但隨著更大規(guī)模的數(shù)據(jù)投喂，更多的訓練，AI的不可預測性會向更合理性迭代。

03.
物理AI讓自動駕駛變得簡單

在今年年初，黃仁勛在CES的開幕演講中將人工智能的發(fā)展總結(jié)為四波浪潮：感知式AI——生成式AI——代理式AI——物理式AI。

他認為：

「機器人技術(shù)的ChatGPT時刻即將到來�！�

黃仁勛一手推開了物理AI的大門，并表示機器人和智駕是物理AI的兩大應用場景。

什么是物理AI？

何小鵬在科技日上解釋說：

「當數(shù)字世界和物理世界融合，將催生物理AI。」

在他看來，即使AI在數(shù)字世界中已展現(xiàn)出超越人類智慧的潛力，但如果無法與物理世界交互，其實際價值將極為有限。只有賦予AI「身體」，使其能走、能看、能交互，AI才能真正改變?nèi)祟惖纳a(chǎn)與生活方式。

在跑通第二代VLA之后，小鵬理解和推演的物理世界模型也隨之成型，它在理解真實世界交互規(guī)律的同時，進行自我演進式學習，并且該模型可跨域驅(qū)動汽車、Robotaxi、機器人和飛行汽車。

為此，何小鵬在今年的科技日先后推出了全新一代人形機器人IRON、新一代飛行汽車，并公布了三款在研的Robotaxi計劃。

這是何小鵬判斷的數(shù)字世界和物理世界融合的開始。在這一新的技術(shù)趨勢下，將會誕生「擁有理解、交互和改變世界能力的機器」。

而自動駕駛放在物理AI的邏輯項下，在劉先明看來是最簡單的問題：

「你要嘗試去理解這個世界，對它做三維的建模，去推演整個世界要發(fā)生什么，做預測，再根據(jù)這些做出最安全、最符合人類意識的一種選擇，這就是物理AI的本質(zhì)。」

劉先明認為，自動駕駛的所謂「簡單」體現(xiàn)在只有兩個自由度，向前的加速度和方向的轉(zhuǎn)角，相比于正常機器人來說，它的自由度會小很多，舒適空間會少很多，數(shù)據(jù)也更容易獲取。

「所以我們要解決物理AI 的問題，第一件事就是做自動駕駛，去解決最核心的問題。」

基于第二代VLA，小鵬汽車即將發(fā)布「小路NGP」功能，顯著提升復雜小路與混行環(huán)境下的智駕表現(xiàn)，復雜小路的平均接管里程（MPI）提升了13倍。

此外，小鵬汽車還行業(yè)首發(fā)了「無導航自動輔助駕駛」Super LCC+人機共駕，它不依賴導航全球范圍均可開啟，在漫游的過程中輕轉(zhuǎn)方向盤，車輛即可協(xié)同完成變道和轉(zhuǎn)向。

對于第二代VLA，何小鵬已宣布面向全球商業(yè)伙伴開源，大眾汽車集團將成為除小鵬外的第二代VLA首發(fā)客戶；「供應商」正在成為小鵬的附帶身份之一。

與C端自動駕駛同步成行的，即是小鵬預告很久的Robotaxi。

硬件層面，小鵬的Robotaxi車型將搭載4顆圖靈AI芯片，車端算力達3000TOPS，包括2250TOPS運算算力和750TOPS冗余算力，并在算力、轉(zhuǎn)向、感知等多方面采用兩套硬件互為備份，官宣的三款車型將在車身尺寸和車內(nèi)布局上有所區(qū)分。

小鵬第二代VLA模型將成為小鵬Robotaxi的軟件基礎，后續(xù)這一版本將命名為「Robo」，成為C端用車的全新智駕版本，與Robotaxi共享硬件配置和智駕能力，并提供兩種智駕模式選擇。

在何小鵬看來，相比于目前已經(jīng)在全球布局的Robotaxi公司，小鵬最大的優(yōu)勢是成本和技術(shù)。

首先是作為整車企業(yè)，其Robotaxi的BOM成本和軟件開發(fā)成本都可以與乘用車共享。

其次，隨著第二代VLA帶來的能力提升，小鵬Robotaxi在大規(guī)模鋪開過程中無數(shù)據(jù)標注、無信息損失，理論上來說只要這個地方有足夠多小鵬自己的車，就可以搞定這件事。

這一方面強化了泛化的能力，另一方面也能更高效地滿足監(jiān)管要求，為面向全球合作伙伴開放提供了可能。

「當你解決了一個問題之后，你發(fā)現(xiàn)之前很多解決不了的難題，正在被新的方法論非常輕易地解決�！�

04.
一款讓人激動、引發(fā)爭議的機器人

在何小鵬公布的第二代VLA序列推送的時間表中，先鋒共創(chuàng)體驗將于今年12月啟動，2026年一季度隨Ultra車型全量推送，Robotaxi業(yè)務同樣將在2026年發(fā)布并啟動試運營。

而機器人和飛行汽車，將是小鵬在未來十年改變世界的機器。

盡管依然不是量產(chǎn)版本，但小鵬第二代IRON機器人已成為小鵬今年最驚艷的一款產(chǎn)品，它引發(fā)了「究竟是不是真人」的廣泛關注，以至于何小鵬不得不臨時加演了一場現(xiàn)場「剪腿」自證并非真人表演。

這一次輿論喧囂，其實是引發(fā)了大眾對機器人領域的一個古老話題的關注：人形機器人是不是一定要做得高度類人？

何小鵬其實在第一時間向媒體解釋了三個原因：

第一，今天機器人想做到聰明，不能用規(guī)則，要用AI來驅(qū)動，只有從人類世界（才）可以學到最多的數(shù)據(jù)。

第二、家庭、工廠，實際上大部分都是為了方便人類去使用而設計、建造、運營的，所以如果它越像人，越容易適應這個世界。

第三、類人容易增加親近感，從而促進銷售實現(xiàn)規(guī)模化的正向循環(huán)。

小鵬汽車機器人副總裁、AI技術(shù)委員會負責人米良川（LC）在與智駕網(wǎng)溝通過程中則提到了一個讓業(yè)內(nèi)思考的工程問題：

「為什么機器人會長成特定的樣子？是因為機器人技術(shù)不夠強大或者不夠通用場景，當你解決一個問題的時候，你會為一個場景做定制化的硬件，實際上就是一種Special designed hardware（專門設計的硬件），就是For dedicated Use case（專用案例），這種情況下，帶來的結(jié)果就是你的硬件設計跟你的使用場景是強綁定的�！�

米良川認為，此前多次機器人熱潮的停滯，一個普遍現(xiàn)象是每次功能迭代都需要機器人修改硬件，這很大程度制約了機器人行業(yè)的發(fā)展速度。

「通過小鵬機器人的努力，能否摸索出一條道路，把機器人產(chǎn)業(yè)的技術(shù)迭代從硬件模式變成軟件模式？」

而采用高度類人的路線，則有望可以實現(xiàn)米良川希望的「軟件模式」迭代，進而后續(xù)對于硬件端的改進，也便有了更穩(wěn)定的方向。

在第二代IRON的開發(fā)過程中，小鵬的機器人團隊首先為其確認了腰和脊椎的硬件狀態(tài)，另外在IRON的前腳掌也增加了自由度。

而在軟件層面，何小鵬向智駕網(wǎng)透露，在機器人與整車的生產(chǎn)過程中，盡管沒有具體數(shù)字統(tǒng)計有多少零部件共享，但是軟件和AI方面共享了很多，「感知」、「域控制器」大部分都是一樣的，「AI軟件」其中70%是一樣的。

在此基礎上，小鵬計劃為其引入全新AI系統(tǒng)「VLT」，該系統(tǒng)可接收視覺與語言輸入，直接輸出并生成任務系統(tǒng)。

這讓小鵬機器人與與自動駕駛一樣，迎來了自己的「涌現(xiàn)」時刻，也就是戲劇性的引發(fā)本次爭論的機器人「走貓步」。

「就在今年3月的一個晚上，IRON在倒退行走時突然變得非常擬人。這是我們生成式控制器的一個拐點，但我也說不清楚到底是哪次優(yōu)化帶來了變化，只能說當數(shù)據(jù)和算力達到了一定程度，就實現(xiàn)了階躍�！�

面對媒體，何小鵬絲毫沒有掩飾對機器人產(chǎn)業(yè)的樂觀判斷，他認為汽車一年生產(chǎn)9000萬臺，在全球是10萬億美金的市場；而機器人是20萬億美金的市場，雖然可能需要10～20年的時間發(fā)展，但最終可能形成一個2億臺或者更大規(guī)模的人形機器人市場。

而在未來十年，機器人業(yè)務有望超過整車，在銷量規(guī)模上，將超過100萬臺。

在一個高度內(nèi)卷的市場，雖然小鵬汽車的銷量剛剛有所突破，但小鵬汽車尚未實現(xiàn)盈利之時，為什么選擇同步推進機器人、Robotaxi、飛行汽車等長周期的項目？

米良川回答說：「是相信。」

「之前也有人說小鵬很有眼光，飛行汽車、機器人都做對了，新能源也做對了，但實際上根據(jù)我的了解，更多是相信的力量，不是完全看到了這個機會，而是相信這個事情，且，愿意為之投入�！�

因為相信所以敢于堅持，11月5日在小鵬科技日的中央舞臺，何小鵬宣布公司定位進一步升級：從「未來出行探索者」進化為「物理AI世界的出行探索者，面向全球的具身智能公司」。

一周之后，因為人工智能和機器人等新產(chǎn)品的發(fā)布超預期，港股小鵬市值暴漲15.11%，截至發(fā)稿，小鵬汽車總市值達2022.4億港元，超越了吉利汽車的1817.3億港元。

自11月以來，小鵬股票累計漲超20%。

站在一個新十年的起點，小鵬的勇氣與堅持正收獲來自資本市場的認可與期待。

【關注智能汽車，關注智駕網(wǎng)視頻號】

關注汽車的智駕時代上智駕網(wǎng)（http://autor.com.cn）
合作or新聞線索提供，聯(lián)系郵箱：editor@autor.com.cn