徐卓菲1. 小鹏第二代VLA系统：端到端自动驾驶的技术革命
2026年开年，小鹏汽车在自动驾驶领域扔下了一枚技术"核弹"——第二代VLA（视觉-语言-动作）系统。作为一名长期跟踪自动驾驶技术发展的从业者，我必须说这次升级绝非简单的版本迭代，而是从根本上重构了自动驾驶的决策逻辑。传统自动驾驶系统像是一个翻译团队：视觉模块负责"看"，语言模块负责"理解"，最后动作模块执行操作。这种分段式架构就像接力赛跑，每个环节都会损失时间和准确性。
而第二代VLA的突破在于彻底砍掉了中间的"翻译"环节，实现了从摄像头画面直接输出控制指令的端到端映射。这相当于让系统拥有了类似人类的条件反射能力——看到障碍物时不需要先在心里默念"前方有障碍"，而是直接做出避让动作。实测显示，系统反应时间从200ms骤降至80ms，这意味着在60km/h时速下，制动距离从3.3米缩短到1.3米，这个数字在城区复杂路况下可能就是避免事故的关键差距。
技术细节：第二代VLA采用了一种称为"时空联合建模"的创新架构。传统系统会先做单帧图像识别，再通过时序模型串联各帧信息。而新系统直接将连续视频流作为输入，在三维时空维度上同步处理视觉信息和运动轨迹预测。这种处理方式更接近人类驾驶员观察道路的方式。
需要模型API调用？ 免费领10W Token，多模型网关一键接入 Claude、DeepSeek 等主流模型。
2. FastDriveVLA：让大模型跑得更快的秘密武器
大模型参数量提升10倍带来性能飞跃的同时，也面临着一个现实问题：如此庞大的模型如何在车载芯片上实时运行？小鹏与北大团队联合研发的FastDriveVLA框架给出了漂亮解决方案。这个技术本质上是一种"智能信息过滤器"，能够识别并剔除视觉数据中70%以上的无效信息。
举个例子，当车辆行驶在高速公路上时，天空云朵的形态、远处山峦的轮廓这些信息对驾驶决策几乎没有影响。传统系统会平等处理所有视觉数据，而FastDriveVLA能动态识别出真正关键的路面标线、周边车辆等有效信息。这种"剪枝"操作使模型推理速度提升3倍，却奇迹般地保持了98.5%的决策准确率。
更巧妙的是其模块化设计——就像给电脑加装一块独立显卡，现有系统无需整体重训就能直接获得性能提升。这种即插即用的特性对车企来说意味着巨大的成本优势，不需要为每次算法升级重新部署整个自动驾驶系统。
3. 硬件与落地：从实验室到真实道路的跨越
再先进的算法也需要硬件支撑。小鹏为第二代VLA配备了自研的图灵AI芯片组，三芯片协同提供2250TOPS的澎湃算力。这个数字是什么概念？相当于同时处理450路4K视频流的能力。纯视觉方案的8颗高清摄像头构成"AI鹰眼"系统，每颗摄像头都具备120度超广角覆盖，确保无死角的环境感知。
实际道路测试数据更令人印象深刻：XNGP系统已经完成全国2595个城市的无图覆盖，累计测试里程756万公里。特别值得一提的是其应对"中国式复杂路况"的能力——在北京实测中，系统在狭窄胡同、临时施工路段等极端场景下实现了98%的智驾占比和0人工接管。
两个创新功能尤其值得关注：
- AI代驾：系统可以学习车主的驾驶风格，在10条常用路线上实现个性化自动驾驶。想象一下，每天上下班的路线，系统会逐渐掌握你偏好的变道时机、跟车距离甚至过弯速度。
- 无导航Super LCC+：不依赖预设导航路径，仅通过轻转方向盘提示就能智能完成变道操作。这个功能在全球范围都适用，解决了传统自动驾驶严重依赖高精地图的痛点。
4. 小鹏的自动驾驶战略：为何要跳过L3直奔L4？
小鹏CEO何小鹏提出的"跳过L3"战略引发行业热议。从技术角度看，这个决策基于一个关键认知：L3要求驾驶员在系统请求时必须随时接管，这种"人机共驾"模式反而增加了安全隐患。相比之下，L4明确了系统在全场景下的完全责任。
小鹏给出的技术路线图相当激进：
- 2026年Q1：第二代VLA量产推送，实现"从家到公司全路径丝滑驾驶"
- 2026年内：Ultra版本实现准L4能力，Robotaxi项目落地
- 2026年8月前：目标自动驾驶能力超越特斯拉FSD
这种跨越式发展背后是技术复用带来的成本优势。同一套自动驾驶模型同时支持量产车和Robotaxi，既保证了数据闭环的规模效应，又分摊了研发成本。从商业角度看，这可能是中国车企在自动驾驶领域实现弯道超车的关键策略。
5. 与特斯拉FSD的核心差异：两条技术路线的对决
虽然都采用端到端大模型技术，小鹏VLA与特斯拉FSD在架构设计上存在本质区别。特斯拉保留了传统的"语言理解"层，将视觉信息先转化为语义概念再生成控制指令；而小鹏则完全摒弃了这个中间层，实现了视觉到动作的直接映射。
这种差异在实际驾驶中会如何体现？根据我的观察：
- 特斯拉FSD更擅长处理规则明确的场景（如标准十字路口），其决策过程更"讲道理"
- 小鹏VLA在非结构化场景（如无标线道路、混合交通）表现更灵活，反应速度更快
何小鹏在试驾特斯拉FSD V14后坦言"真正的无人驾驶已经近在眼前"，但强调小鹏的方案针对中国特有的复杂路况进行了深度优化。这种技术路线的分化，某种程度上也反映了中美两国交通环境的本质差异。
6. 挑战与展望：从"能开"到"好用"的最后一公里
尽管技术指标亮眼，量产落地仍面临诸多挑战。首当其冲的是极端天气下的可靠性——纯视觉方案在暴雨、大雪等恶劣条件下的表现仍需验证。其次是长尾场景的覆盖，那些发生概率极低但后果严重的"corner case"始终是自动驾驶的阿喀琉斯之踵。
从行业角度看，小鹏第二代VLA的量产将带来两个深远影响：
- 证明端到端架构在量产车上的可行性，可能终结"模块化vs端到端"的路线之争
- 推动行业重新思考高精地图的定位，无图方案将大幅降低自动驾驶的部署成本
作为从业者，我认为2026年最值得关注的不是某个具体功能的上线，而是整个自动驾驶技术范式的转变。当系统开始摆脱预设规则的束缚，真正学会像人类一样理解和应对复杂交通环境时，我们或许正在见证汽车智能化的历史性转折点。