3000TOPS算力+二代VLA！小鵬首款量產(chǎn)Robotaxi全場景駕駛真能行？

2025-11-07 13:41

芝能科技出品

在小鵬科技日上，我們看到了第二代VLA（Vision-Latent-Action）技術(shù)，從視覺直接生成動(dòng)作的「端到端」控制邏輯，進(jìn)入「物理世界大模型」的階段。

在此基礎(chǔ)上，小鵬進(jìn)一步推出首款基于VLA架構(gòu)的Robotaxi，以前裝量產(chǎn)、純視覺路線、全球泛化能力為基礎(chǔ)，從自己的角度準(zhǔn)備切入 Robotaxi的新體系。

VLA的技術(shù)

輔助駕駛行業(yè)主流模型普遍采用“視覺→語言→動(dòng)作”的VLA路徑，通過語言作為中間層，將駕駛場景以自然語言的形式進(jìn)行描述，再將語言信息轉(zhuǎn)譯為控制決策。

◎ 優(yōu)點(diǎn)在于通用性強(qiáng)，便于模型理解復(fù)雜語義；

◎ 局限也極為明顯：語言并非為機(jī)器推理而生，而是為人類溝通而設(shè)計(jì)。

在高動(dòng)態(tài)、細(xì)微變化頻繁的駕駛環(huán)境中，語言的抽象性反而成為一種信息損耗。車輛的微小偏轉(zhuǎn)、道路材質(zhì)的變化、行人姿態(tài)的細(xì)節(jié)，都可能在語言轉(zhuǎn)譯過程中被忽略。

小鵬第二代VLA選擇的路線，去除語言中介，實(shí)現(xiàn)「視覺→隱式Token→動(dòng)作」的架構(gòu)。

模型直接從海量真實(shí)駕駛視頻中學(xué)習(xí)，在無監(jiān)督的條件下構(gòu)建出對物理世界的自主理解，系統(tǒng)不僅能“看”，還能“感”，通過直接學(xué)習(xí)物理交互規(guī)律來理解世界運(yùn)行方式，從而形成一種“物理直覺”。

小鵬自研的圖靈AI芯片突破了以GPU為核心的傳統(tǒng)架構(gòu)，采用NPU（神經(jīng)網(wǎng)絡(luò)處理器）設(shè)計(jì)，針對Transformer網(wǎng)絡(luò)進(jìn)行算子級優(yōu)化。

小鵬在云端構(gòu)建的全球領(lǐng)先智算集群——總規(guī)模超過3萬張計(jì)算卡，部署720億參數(shù)的基座大模型，云端至車端的全鏈路可在五天內(nèi)完成一次迭代，模型能以極高的頻率自我優(yōu)化，在端側(cè)保持快速適應(yīng)性與實(shí)時(shí)進(jìn)化能力。

從VLA到Robotaxi

基于第二代VLA架構(gòu)，小鵬推出中國首款全棧自研量產(chǎn)Robotaxi，小鵬Robotaxi采用“前裝一體化”方案，車輛在出廠時(shí)已預(yù)埋兩套獨(dú)立冗余硬件系統(tǒng)，包括算力、視覺、剎車、轉(zhuǎn)向、電池、通訊等六大模塊，保證了L4級自動(dòng)駕駛的安全冗余。

小鵬Robotaxi完全依托純視覺方案，不依賴高精地圖或激光雷達(dá)，感知系統(tǒng)與決策模型均由VLA直接驅(qū)動(dòng)，通過模型自身對環(huán)境的泛化理解實(shí)現(xiàn)全場景駕駛覆蓋。

方案能夠在全國甚至全球范圍運(yùn)行，適應(yīng)不同的交通法律與習(xí)慣，“泛化自適應(yīng)”能力，使其具備跨地域擴(kuò)展的潛力，成為真正意義上的“通用出行智能體”。

在交互層面，小鵬也為Robotaxi賦予了全新的“表達(dá)能力”。

通過首創(chuàng)的“遮陽板車外顯示系統(tǒng)”，車輛可以在泊車、臨停、迎賓、充電等場景中，以視覺符號或語音與外界進(jìn)行交流。例如，當(dāng)行人靠近時(shí)，車輛的“眼睛”會(huì)張開表示注視；遇到交警時(shí)，會(huì)顯示“車主馬上回來”的提示。

這種多模態(tài)交互不僅提升了安全性，也在心理層面建立了人與車之間的信任。

小鵬Robotaxi還接入了“AI任務(wù)臺(tái)”云端平臺(tái)，實(shí)現(xiàn)云-車雙向互聯(lián)。平臺(tái)可遠(yuǎn)程下發(fā)任務(wù)、指令或應(yīng)對突發(fā)情況，并通過AI算法進(jìn)行決策閉環(huán)，從而避免傳統(tǒng)遠(yuǎn)程人工接管的延遲與風(fēng)險(xiǎn)。整體系統(tǒng)在保證安全冗余的同時(shí)，保持了高度的實(shí)時(shí)性與自主性。