对话何小鹏：在物理AI时代，数据是新的石油

“汽车、Robotaxi、机器人、飞行汽车，将会为小鹏带来更多「石油」。”

作者丨韦艳娇

编辑丨田哲

那些天马行空的科技畅想，都正在从梦想变成现实。

11月5日，第七届小鹏科技日如期进行，活动地在小鹏新搬迁的总部园区。从早期蜗居广州城中村的创业团队，到如今拥有自建科技园区，办公地点的变化背后，也藏着小鹏成立11周年后从站稳到跑向世界的愿景。

小鹏汽车正变得更像一家AI公司。

它将业务聚焦在四个方向：智能汽车、机器人、Robotaxi与飞行汽车。这四个板块并非简单并列，而是以智能驾驶为核心的不同演化路径。汽车是商业化起点，Robotaxi是算法的城市化延伸，机器人与飞行汽车则是具身智能和空间智能的外溢结果。

其中，小鹏汽车推出了首个量产物理世界大模型即第二代VLA，这也是小鹏在物理AI领域探索的关键技术突破。在何小鹏看来，当AI将进一步进化，AI将不再仅停留于应答与生成，而是直接参与、引导甚至重塑物理世界的运行，AI的能力要从数字世界延伸至物理世界。

相较于传统的行业标准版的VLA，小鹏二代VLA去掉了语言这一中间转译环节。减少了语言转译的延迟后，视觉信号直达动作指令，并且小鹏二代VLA使用大量的长尾视频数据，大模型从学习模仿变成更聪明的理解。

二代VLA带来的机器逐步理解、交互和改变世界的能力，也是小鹏串联起汽车、机器人、飞行汽车等多元业务线的信心来源，因为它们所面对的都是同一个物理世界，所需要解决也都是基于物理世界信息进行决策。

据小鹏汽车联合创始人、执行董事、董事长兼CEO何小鹏透露，第二代VLA是在濒临放弃研发的绝望中突然实现的。

2024年，小鹏内部同时研发两代VLA，却一直没有取得突破，研发团队也逐渐失去信心，甚至有些高管逃避参与报告会。但是在不久后的一天，二代VLA突然呈现出惊喜的理解能力。小鹏内部认为，这种变化源于技术积累触及某个临界点后的自然爆发，没有办法确认是什么量变触发了这种质变。

何小鹏表示，二代VLA所展现出的物理AI能力只是一个开始。真正的难题不在于模型的涌现，而在于能否更快实现稳定量产。那意味着不仅要让“长板”更长，还要让中板和短板被一并补齐。量产，是小鹏接下来必须跨过的门槛。

在他看来，物理AI将成为未来科技公司新的竞争。在物理AI时代，数据是新的石油，谁能先获得大量高质量数据并形成“数据-体验-更多数据”的闭环，谁就能取得优势。而这一循环的起点与关键环节，都取决于企业在硬件和工程化能力上的深度投入，最终构成软硬件协同演进的闭环。

在这种思考下，小鹏将硬件业务从汽车延伸至机器人、飞行汽车、Robotaxi等板块，或许会带来更多数据，形成更大的软硬件循环能力。

小鹏推出Robotaxi业务，则更多基于对未来出行的思考。何小鹏坚信，未来的4个轮子交通一定是“共享”和“私享”的组合。

与此同时，第二代VLA大模型的成熟，也为小鹏切入这一市场提供了优势。二代VLA已具备摆脱高精地图依赖的能力，可直接支持前装量产方案，而非事后改造。同时，通过与量产车型共享研发体系，小鹏得以在保证性能的前提下分摊成本压力，将单车成本控制在更具经济性的区间。

在趋势和条件都有利的逻辑下，小鹏基于现有的汽车业务去布局Robotaxi也非常合理。

何小鹏也明确，小鹏汽车的定位将切换为“面向全球的具身智能企业”，而不再只是一家中国车企。

除了更多业务面向更大市场的动作外，小鹏正将其部分核心技术以开源形式开放。其第二代VLA大模型面向全球商业伙伴开源，大众汽车成为该技术的首发客户，后续将推动第二代小鹏 VLA 和图灵芯片，在大众品牌车型上落地。

在商业化落地规划中，何小鹏表示科技日上公布的多项技术将在2026年进入爆发周期：第二代 VLA 端到端辅助驾驶、小路 NGP、无需导航漫游的 Super LCC、第二代人形机器人 IRON、前装量产 Robotaxi。

在科技日后，小鹏被称为是最像特斯拉的企业，小鹏汽车的市值回到220亿美元，特斯拉的市值约为1.5万亿美元。

二者之间仍然有着巨大的差距，但从另一个角度看，小鹏在机器人、自动驾驶领域开放SDK，挖掘物理AI的数据石油，也在助其抢占物理AI高地。

在物理AI这条路径上，小鹏有了更广阔的向上空间。

围绕物理AI、机器人、业务发展等内容，雷峰网等与小鹏汽车董事长何小鹏、小鹏汽车副董事长兼联席总裁顾宏地、小鹏汽车自动驾驶中心组织负责人刘先明、小鹏汽车机器人副总裁及AI技术委员会负责人米良川进行了多场交流。

以下是编辑后的内容节选：

Q：小鹏为什么坚持机器人“高度拟人化”？如果做高度拟人化，对应非常高的投入成本，怎么做权衡和取舍？

何小鹏：未来高等级的机器人有各种各样的形态，有像人的，也有不像人的。

更拟人的机器人，有三大好处：第一，今天机器人想做到聪明，不能用规则，要用AI来驱动，只有从人类世界才可以学到最多的数据。

第二，我们的家庭、工厂，实际上大部分都是为了方便人类去使用而设计、建造、运营的，所以如果它越像人，越容易适应这个世界。

第三，从商业角度看，像人更容易让大家有亲和感，更有购买欲。卖得多带来规模效应，成本更低，成本更低就可以卖得更多，会形成正向循环。

Q：为什么小鹏Robotaxi首个全球生态合作伙伴选择了高德？第二个问题，明年要发布三款无人驾驶出租车，这三款车的差异在哪儿？

何小鹏：高德是中国非常大的出行生态平台，小鹏跟很多Robotaxi公司不一样，无论是在中国还是全球，都不追求自己的全力运营。希望小鹏做Robotaxi就像一个“工具箱”一样，有车、有软件、有SDK接口，开放出来给合作伙伴，他拿着“工具箱”就能做本地Robotaxi的运营。

高德是一个出行运营商，所以它来运营，我们提供“工具箱”，这是符合两家战略定位的。三款Robotaxi是不同价位的，提供5、6、7座，满足不同用户的需求。

Q：许多中国大公司常被拿来和特斯拉比较，但估值却远低于特斯拉。在未来，我们应当如何让资本市场更好地提升小鹏汽车的估值？

顾宏地：我们目前在追求的，其实更多的是科技和产品，确实其中有些和特斯拉比较类似。都聚焦于物理AI，同时聚焦打造智能汽车、自动驾驶、人形机器人等等。我们在部分领域甚至比特斯拉开始得更早，比如飞行汽车，人形机器人。某种程度上，我们是聚焦于使用技术和AI去打造更多物理世界的场景。

关于资本市场的估值，小鹏和特斯拉的现状是非常不一样的，其中有很多变量。

首先，中国和美国不同，在市场、科技公司、资本市场，有一些情况有所不同。第二，特斯拉是有一些优势的，尤其是他们在电动车领域开启得更早，并且媒体曝光度也非常高。

特斯拉有不同的产品，电车只是一部分，同时他们也有AI模型、FSD，以及很多生态企业，种种加起来可以组成他们的估值，小鹏也在不断推出各种产品及技术，希望小鹏在未来可以获得一样的国际声望。

Q：小鹏的新一代机器人与汽车在零部件上的复用比例达到多少？

何小鹏：我没有精确的答案，但是很多工艺是一样的，比如说感知、域控制器，AI 软件有70%是一样的，但机器人的关节、皮肤在汽车零部件上是没有的。

Q：小鹏希望在物理AI业务上，与汽车营收的占比是如何的？

何小鹏：未来，我对机器人的看法可能更乐观。汽车在全球是10万亿美金的市场，一年生产9000万台车；而机器人是20万亿美金的市场。当然它不会这么快（实现），可能需要10～20年的时间，在这个时候可能会有2亿或者更多的人形机器人。

我没有想过10年以后，一年能卖多少机器人，但肯定会超过汽车，超过100万，这是从10年的角度来看。从短期的角度来看，机器人的量产还要过很多很多关。

Q：很多Robotaxi公司还没有取得盈利，请问你们在推进Robotaxi计划时怎么确保有盈利？

何小鹏：小鹏可能是一个不一样的Robotaxi公司，因为我们做了前装的车，做了量产的车。小鹏Robotaxi、同时还有一个Robo（私人L4），可以To C销售，可以大幅度分摊BOM和研发费用。

另外，基于二代VLA，小鹏Robotaxi不需要高精地图，不需要扫街，不需要激光雷达，更像一个物理世界的人去思考，所以更广度、更泛化，不需要部署费用。小鹏汽车在Robotaxi领域，研发费和BOM比其他公司天然拥有百分之几十，甚至几倍的优势。

Q：小鹏把VLA的“L”去掉了，是真的消除了吗?如果真的消除了，你们现在还叫VLA，不应该是叫VA吗？

何小鹏：我们说V+L，转译环节没有变成人类的语言跟格式，而是变成了一个物理世界的新语言，所以它不是人类可见、可认知的语言，效率很好，更丰富。

Q：发布会现场没有提到L3，直接面向L4，L3产品的进展是不是也卡在这个法律法规上？

何小鹏：我认为，将来一个是L2，一个是L4，没有L3，跳跃了L3。

Q：小鹏把固态电池装在人形机器人，这款固态电池是来自外部供应商吗？

何小鹏：我们不研发电芯，都用合作伙伴的，我们固态电池的电芯来自于两家，一家来自海外，一家来自中国。

Q：为什么小鹏在这个时候启动Robotaxi？目前有什么样的策略？

何小鹏：因为我们很多AI技术的开发、目前算力的提升，已经能够很好地去催生Robotaxi的机遇，和半年前、两年前完全不一样。

此外我们也看到，L4智驾越来越成熟。在过去6个月到一年当中，很多公司以及行业合作都聚焦于L4级自动驾驶。当我们去转向L4、转向Robotaxi的时候，目前的情况和半年甚至一年前是完全不一样的。

对于小鹏来说，也想要提供更加经济的解决方案，来更好地帮助客户享受到L4的便利性。目前，在Robotaxi领域，我们和很多生态合作伙伴合作。

Q：小鹏就展出了一个女性的人形机器人，为什么会是女性？这方面是出于哪些考量？

何小鹏：人形机器人是男是女不重要，就像你可以买黑颜色的车，也可以买白颜色的车。在第一代机器人里面，我希望完成一个男性、一个女性的机器人，我认为都是需要的。

Q：特斯拉和小鹏是全球、全世界业务重合度最高的两家公司，如果用一个词概括，小鹏和特斯拉最不同的地方在哪里？

顾宏地：特斯拉和小鹏的对比中，有两个特别的点。第一是我们相同的地方，我们都注重规模，做事时不希望只针对一个很小的细分市场，而是希望达到量产和规模化，这是我们相同的地方。第二是我们不同的地方，小鹏是一个非常开放的生态。

更加开放的生态系统和更加封闭的系统，都有自己的优劣势，比如封闭的可能更容易去获得经济效益，开放的可能更容易和合作伙伴合作。

目前小鹏更加开放，因为我们是一个年轻的公司，我们有自己的局限性，没有资源去做很多事情。我们在机器人、在自动驾驶车上开放SDK，可以让我们和更多人合作实现很多技术，这样也可以更好地去帮助我们的产品和技术成熟。

Q：发布会提到了机器人的一些场景，比如说拧螺丝、做家务，这些可能都不是立刻会实现的场景，在你们看来，如果实现这些场景可能需要多少年？

何小鹏：在人形机器人上，不同的公司会选择不同的商业化方案，在我们公司有一些规则，让机器人不要有太多用手的操作，以及我们也想在机器人的智慧或者是智力方面，循序渐进地发展。

目前我们还是在商业化早期阶段，可能在3～5年之内可以实现你刚刚提到的场景，可以做更多不同的事情。但如果我们想要机器人在家里去照顾老人、照顾小孩，那可能需要更久的时间，甚至可能需要5～10年。有些人说，5～10年之后，人类可能在很多场景下会被机器人取代，但在我看来，这是不可能实现的。

Q：业务线上，包括机器人、低空飞行器乃至Robotaxi，小鹏是如何看待它的国际化市场潜力？

何小鹏：小鹏的目标是，接下来十年有一半产品在中国以外销售。所有产品线和大部分的产品，我们都会考虑如何全球化。实际上，有部分的产品比如飞行汽车在全球的使用场景，可能比中国还多一点、还快一点。

Q：在智驾方面，小鹏在国外XNGP有没有一些规划？

何小鹏：在海外市场方面，小鹏也在积极推进XNGP的落地进程。目前，公司已对多个国家和地区进行了前期考察，其中部分市场的法律法规已允许部署更高阶的智能驾驶功能，例如高速NGP等。

预计明年将在欧洲率先实现相关功能的落地。同时，公司也在持续跟进香港及东南亚市场的政策进展。需要强调的是，海外XNGP的落地不仅取决于技术成熟度，也与各地的法律法规密切相关，小鹏正在与当地政府及监管机构保持沟通，以推动技术合规化应用。

Q：奥地利麦格纳工厂的生产情况，明年预期或者计划的年产量？未来，是否会去海外更多地方设厂？

顾宏地：今年8月份，奥地利工厂正式开始投产，今年的产能规模大概是几千到大几千辆，明年我觉得是几万辆的规模。

在其他地方建设本地化工厂，我觉得是绝对需要的。一个希望达到全球领先的企业，没有一家是只靠出口能达到的，一定要有当地的布局——生产、研发、销售服务、品牌建设，这些都是我们必须要做的。所以我认为将来在主要的销售地区，我们都会有本地化生产和本地化运营的能力。

Q：物理AI有哪些难点？

刘先明：难点在于模型的做法。模型是通过语言建模做离散化token（字符单位），然后经过一个架构，最终输出。

Q：这套技术背后的核心原理是什么？

刘先明：就是把大模型、大算力、大数据堆到一块，模型逻辑非常简单，背后的原理也很简单，没有什么复杂的故事。但想把它做好难度很大，非常大的数据要一口气读进来，还要在千卡、万卡级别训练得非常稳定保证不崩掉。

Q：无数据标注具体能带来什么商业优势？

刘先明：举个例子，我要去欧洲等海外市场、去一个新的地方落地当地的Robotaxi，其实不需要数据标注，只要这个地方有小鹏的车可以采集数据，就可以把这件事搞定。不需要再定向采集很多数据，不需要雇很多人去标注数据，成本会下降很多。

Q：小鹏的数据为什么可以做到无需标注？你们是如何通过infra采集到大量长尾数据的？

刘先明：我们最大的优势就在数据。采集长尾数据有两个方面：一是车端的infra，我们做了很重要的工作——识别哪些数据是要的，哪些是不要的。一辆车平均每天开1.7个小时，能遇到很多好驾驶场景和极限场景，只要有办法识别出来就可以。二是云端有比较大的数据闭环，也在调优数据质量、分布，避免同一场景下太多重复数据。

Q：你们如何重新思考自动驾驶的本质？

刘先明：我们退回去想，自动驾驶本质上它是一个物理AI的问题，你要尝试去理解这个世界，为它做三维建模，然后推演什么事情要发生、做预测，再根据这些做出最安全、最符合人类意识的一种选择。这就是物理AI的本质。

自动驾驶本身就是物理AI或Robotaxi里面最简单的一种问题，它只有两个自由度：向前的加速度以及方向盘的转角，相比于正常的机器人来说自由度小很多，数据空间小，数据也更容易获取。所以物理AI的第一件事就是去做自动驾驶。

Q：为什么扔掉语言？

刘先明：这几年AI发展最大的原动力来自于scaling和data scaling，即不停地用更大规模的数据来训练，我们在语言模型看到了非常好的效果。

物理模型也有同样的问题：如果想要更大规模地使用数据，一定要拆掉所有的separation（模块界限），让它变成一种自监督的模式，不需要人工标注。只要有语言存在，就一定涉及到人工的筛选或标注，于是我把它拆掉，让它变成一种非常极致的数据驱动模式。

Q：现有的VLA架构存在什么问题？

刘先明：很多VLA架构基本都是图像进来，通过一个大语言模型最终输出一Meta action（高级抽象的动作指令），Meta action一般是文字，然后再通过文字的方式处理后输出。这种方式最大的好处是你有很多开源模型可以用，可以直接拿开源的NLP模型来做推理。

但它带来的问题是，你引入了中间一个离散化的语言输出，成为了瓶颈，这样会让数据使用的规模受到限制。一个系统没有任何中间瓶颈，才可能大规模地做起来。

Q：物理世界交互的本质是什么？

刘先明：物理世界交互的本质其实是直接输出控制信号。为什么这种基于端到端的视频输入、动作输出的大模型能工作？因为当人类做任何动作时，需要经历几个过程：先要理解这个场景的3D是怎么构建的，然后根据过去的历史信息做出对未来的判断，最后根据自己的指令做出最终行动。

如果我最终的输出信号直接是行为的话，那它其实包含了重建、理解、生成和最后推进的所有过程。只要用更大规模的数据、更大的模型把这个事做下来，理论上就可以解决这个问题。

Q：从模型到量产，部署方面面临什么挑战？

刘先明：这只是一个demo、一个模型。从模型到最终量产涉及部署问题。除了传统剪枝量化方法外，更重要的是要把它放在端上、放在芯片上，所以需要低延时、高帧率、本地化的部署方案。我们做了从模型到软件到编译器到硬件的联合优化和协同设计。

Q：你们选择的是世界模型还是VLA路径？

刘先明：一直有人拿这事问我们选的是哪条路径。其实本质上这两个没什么太多区别，都是一种极致的端到端系统。我们更多还是要回归基础本质，去解决基础本身的问题。

Q："涌现"这个概念在机器人领域怎么体现？

米良川：古语讲"量变引起质变"。我们去年发布之后，采用了最艰难的生成式方式去做控制器。从去年10月份一直到今年3月份都在迭代优化。在这个过程中整个团队包括我自己都经常，持续优化数据、优化各种东西，但总看不到质变。3月26号那天晚上，团队测试倒着走的时候，在监控器视频里看发现倒着走好像有点意思，那一天就是我们控制器的拐点。

到底哪个优化带来这个变化，说不清楚，坚持以后突然的飞跃。

Q：机器人展示的跳舞和猫步行走，背后是什么技术？

米良川：大家看到的猫步行走，用的是我们第三代控制器；刚才大家看到的太极，实际上是第四代。

Q：能介绍一下控制器的代际演进吗？

米良川：最开始是model base，大概在2023年左右使用，但实际上我们在2024年就已经把它抛弃了。我们也支持MPCC（模型预测控制），这是业界用得比较多的技术路线。我们第三代选择了一个比较难的路，就是真人模拟——你们看到的猫步也好，自然行走也好，它的步态和风格实际上是嵌在控制模型里面的。它迈步子本身不是轨迹跟随或姿态跟随，而是生成式的。比如说猫步的那个姿态，怎么走都是猫步，包括左拐右拐。

Q：你们为何选择导览、导购、接待这类场景作为切入点？

米良川：我们判断以机器人当前的能力状态，在这些场景能够产生有效的价值。同时在实际场景中一定会发现新问题，只有在这种"知行合一"的实践过程中，才可能真正促进能力提升。当能力提升到一定程度，自然就会发现新的应用。

Q：您提到现在的运动完全是生成式的，是否可以理解为机器人自主上下台，背后已经没有遥控器，已经有一个激活的大模型在工作？

米良川：机器人现在的控制原理，包括控制器，是整体支持的。人要操作它，基本上还是要告诉它方向和速度，它只需要这两个东西。

方向和速度可以来自于上层的模型生成，比如我们的导航模型就是方向和它直接对接的。如果是遥控，实际上就是一个人在摇杆操作；如果是既定的编排轨迹，也是这样的方式。

Q：机器人量产时不得不考虑成本问题，这一代相比上一代成本有什么变化？

米良川：成本问题分成两部分，一部分是我们能做的，一部分是需要依托整个行业的。

我们机器人的所有螺丝基本都是自研。这给了我们迭代的效率，也给了我们技术降本的机会。但另外一部分，最有效的降本还是等到产业比较成熟，供应链能够共享沉淀下来。

Q：小鹏机器人与一些机器人公司有没有合作关系？

米良川：我们也在努力希望跟更多同行合作，但当前阶段还是以自研为主。我们的战略合作伙伴更多是在一些硬件上，包括一些局部技术上进行合作。

本文作者长期关注小鹏汽车动态，感兴趣的行业人士欢迎添加作者微信（XY8899672）交流。