从车端到云端，小鹏全栈自研物理AI体系首度全面曝光

2025年11月5日，广州——在小鹏科技日的舞台上，炫酷的机器人行走与飞行汽车的亮相固然吸睛，但真正值得业界深究的，是支撑起这些具身智能产品背后的、小鹏首次系统性披露的“物理AI”全栈自研体系。从云端超算到车端芯片，从数据工厂到量产流水线，小鹏正试图构建一个难以复制的技术闭环，为其从一家汽车公司向“全球具身智能公司”的跃迁提供核心动能。

“算力+数据+模型”：物理AI的三角基石

物理AI的实现，绝非单一技术的突破，而是算力、数据与模型三者协同进化的结果。小鹏在此次科技日中，详细展示了其在这三个维度的深厚储备。

在算力层面，小鹏首次披露了其全球领先的3万卡云端算力集群，且集群运行效率常年保持在90%以上。这是一个什么概念？它意味着小鹏拥有一个无比强大且高效的“超级大脑”，能够支撑起最复杂、最耗能的AI模型训练任务。正是基于这个大脑，小鹏才得以在云端部署高达720亿参数的基座模型，并实现令人咋舌的“每五天全链路迭代一次”的进化速度。

在数据层面，小鹏第二代VLA的训练方式揭示了其关键优势——直接利用海量真实驾驶视频进行训练，无需任何人工数据标注。这不仅极大地提升了数据采集和处理的效率，更重要的是，它使得模型学习到的是最原始、最真实的物理世界规律，而非经过人类“翻译”和“过滤”的二手信息。接近1亿clips的训练数据量，相当于人类司机65000年的驾驶经验，为模型应对长尾场景提供了坚实的基础。

在模型层面，小鹏第二代VLA的端到端架构是其技术上的最大亮点。传统“视觉-语言-动作”架构好比一个需要“翻译官”的团队：视觉模块看到“红灯亮了”，需要先“告诉”语言模块“这是红灯”，语言模块再“指令”动作模块“刹车”。这个过程存在信息损耗和延迟。而小鹏的第二代VLA则像是一个条件反射极强的老司机，眼睛看到红灯，脚直接移向刹车，省去了中间的“转译”环节，实现了从感知到决策的最高效直达。

工程化落地：从云端到车端的极限挑战

拥有强大的云端模型只是第一步，将其“塞进”车里并稳定运行，是另一个更为艰巨的工程化难题。这极其考验企业的软硬件协同能力。

小鹏的解决方案是“芯片-算子-模型”全链路优化。首先，其自研的图灵AI芯片提供了硬核的算力基础（Ultra版车型达2250TOPS）。但仅有算力还不够，小鹏针对这款芯片重新开发了针对性的编译器和软件栈，相当于为这颗“强健的心脏”量身打造了最高效的“血管和神经”，确保模型能力能够无损耗地发挥出来。最终，小鹏成功在车端部署了数十亿级参数的VLA模型，这不仅是参数的胜利，更是其深厚工程化实力的体现。

生态共建：从技术闭环到商业联盟

如果说技术自研构建了小鹏的护城河，那么生态合作则决定了这条河能有多宽、能流向多远。本次科技日，小鹏清晰地展示了其构建物理AI生态的雄心。

在核心技术输出上，小鹏宣布第二代VLA将向全球商业伙伴开源，并已与大众汽车达成合作，后者成为VLA和芯片的首发战略伙伴。这意味着小鹏正尝试从技术应用者，向行业技术方案提供者转型，这将极大提升其行业影响力与商业想象力。

在应用场景拓展上，小鹏积极牵手各领域的头部玩家。与高德的合作，旨在解决Robotaxi的运营和流量入口问题，让未来的无人驾驶服务能无缝接入用户的日常出行。与宝钢的合作，则为IRON人形机器人找到了一个极高价值的落地场景——复杂工业环境。在钢厂巡检等场景中，机器人将获得宝贵的实战数据，反哺其算法迭代，形成“场景打磨技术，技术开拓市场”的正向循环。

量产规划：从蓝图到现实的坚定步伐

与许多停留在概念阶段的科技展示不同，小鹏为每一项物理AI应用都设定了明确且激进的时间表。

第二代VLA：2025年12月先锋体验，2026年Q1全量推送。

Robotaxi与Robo智驾版本：2026年量产并试运营。

人形机器人IRON：2026年年底目标规模量产。

飞行汽车陆地航母：工厂已试产，2026年大规模量产。

这些时间节点不仅展示了小鹏的信心，更反映了其背后制造体系、供应链管理和质量控制的综合能力。尤其是汇天飞行汽车工厂实现了“航空级质量与汽车级效率”的融合，每30分钟下线一台飞行器的节奏，预示着小鹏正将成熟的汽车制造业经验复制到新兴的飞行汽车领域，这将是其实现规模化交付的关键。

透过此次科技日，外界看到的小鹏不再仅仅是一家造车新势力，而是一家以全栈自研物理AI体系为引擎，以芯片、模型、数据为燃料，驱动汽车、机器人、飞行汽车多个具身智能载体并行，并通过开放生态加速商业落地的科技公司。其战略路径清晰可见：以技术立身，以量产固本，以生态致远。物理AI的浪潮已至，小鹏无疑是最有力的弄潮儿之一。明日（11月6日），小鹏X9鲲鹏超级增程技术发布会将接踵而至，12月全新总部也将开放，小鹏的技术叙事，仍在快速延展之中。