特斯拉: 小鵬和特斯拉,誰是"物理AI"的未來?

2025-11-08 | 來源: 定焦One | 轉到微信 | 有0人參與評論 | 字體: 放大縮小 | 收藏 | 打印

小鵬的第二代VLA，就是要拿掉“翻譯”環節，采用“視覺—隱式Token—動作”的架構。這裡的“隱式Token”可以理解為一種AI內部的、非語言的“心領神會”，讓AI從“看到”直接跳到“行動”。這就像是給AI訓練出了“肌肉記憶”或“直覺”。它不再需要“思考”皮球的危險性，而是能憑借從海量數據學習到的物理規律，本能地做出反應。

在實際駕駛中，這種“AI直覺”會給用戶帶來什麼改變？總結來說就是，反應更快，駕駛更擬人，不依賴地圖時，也能更穩定、自主地駕駛。

例如，在沒有高精地圖覆蓋的次級道路上，小鵬數據顯示，其“小路NGP”（在非主幹道上的智能駕駛）功能的平均接管裡程優化了13倍。同時，小鵬發布的“無導航超級漫游”（Super-LCC）功能，也讓車輛在無預設導航路徑時，憑借對環境的實時理解進行駕駛輔助。

本質上，小鵬選擇的技術路徑是，教會AI“憑本能反應”。這是智能體進入物理世界的第一步，也是最關鍵的一步。

有了能快速反應的“大腦”，物理AI最終要落在能執行動作的“身體”上。小鵬沒有為每個硬件都開發一個專門的AI，而是把“大腦”用在三種不同的“身體”上：汽車、人形機器人和飛行汽車。這並非簡單的“一芯多用”，而是在培養全能型的“通才”。

我們可以這樣理解：AI在駕駛汽車時學到的經驗，比如如何識別紅綠燈、如何預判行人意圖，可以被無縫遷移到人形機器人身上，幫助它在復雜的商場裡規劃路徑、避開行人。

在這個“跨域同源”的設計下，知識可以共享，經驗可以復用，學習效率遠高於訓練三個獨立的“專才”。關鍵是，這套“一腦多用”的架構，更能解決物理AI落地的關鍵難題：如何讓AI的能力突破單一場景，在復雜的現實世界中靈活應變、舉一反三。

接下來的問題是，“大腦”和多功能的“身體”如何高效協同工作？這就觸及了最底層的體系，就像我們身體的“神經系統”。小鵬選擇全棧自研，通俗地理解，就是打造一套穩定、自主可控的“神經系統”。

特斯拉Model Y新車型上市:CLTC續航821公裡

特斯拉要取消車鑰匙業內人士竟然覺得不離譜

特斯拉人形機器人訓練:員工身心俱疲

我們可以用蘋果的例子來理解“全棧自研”的分量。蘋果之所以能構建起強大的生態壁壘，核心就在於它自己設計芯片（A系列/M系列），自己開發操作系統（iOS/macOS），自己設計硬件（iPhone/Mac）。這種模式確保了指令從大腦到身體的傳遞過程中，損耗最小，響應最快。它以此實現了深度的優化與整合。

小鵬的路徑頗為相似：從最底層的“圖靈AI芯片”，到中間的“操作系統”層“VLA/VLM/VLT大模型體系”，再到上層的汽車、機器人、飛行汽車等硬件，所有核心環節都掌握在自己手中。這確保了其物理AI架構形成一個獨立性、完整且不受制於人的閉環。

至此，小鵬的技術版圖已經清晰：“直覺式”AI模型+“跨域同源”的多種硬件+“全棧自研”的技術架構。

更落地的“中國方案”

看清了小鵬的技術底牌，一個更現實的問題隨之而來：這套架構在行業中究竟屬於什麼位置？小鵬又打算如何將其推向市場？

答案其實就藏在它的定位上。小鵬強調，它是“中國唯一實現物理AI全棧自研”的企業。

要理解這一點，最好的對標對象是華為。華為的盤古大模型體系中包含了世界模型技術，但其商業模式是向行業提供智能駕駛解決方案與算力服務，本質是向外輸出通用能力，目前並不親自下場制造硬件載體。它的角色，更像是物理AI時代的“英特爾”或“高通”。

而小鵬確實是目前唯一一個展示“多類具身智能載體+統一AI大腦+關鍵硬件自研”布局的公司。這樣做最大的好處就是，能實現深度的“軟硬一體”，帶來的直接結果是，用戶體驗更流暢，技術迭代也更迅速。