小鹏自动驾驶方案：端到端大模型时代的技术突破

小鹏的自动驾驶方案已不再是单纯的「跟随者」，而是在端到端大模型时代实现了局部领先，甚至与特斯拉 FSD 形成正面竞争。

图片来自公司官网

一、技术架构革命：第二代 VLA 的突破

1）核心突破

小鹏第二代 VLA（Vision-Language-Action）系统的核心突破在于彻底重构了决策链路。传统 VLA 采用「视觉识别→语言转译→动作执行」的三段式架构，而小鹏直接取消了中间的语言转译环节，实现视觉信号到车辆动作的端到端直连。

这一架构革新将决策延迟从 200ms 压缩至 80 毫秒内，推理效率提升 12 倍，让车辆能够像人类司机一样实现「所见即所动」的直觉反应。

该系统依托 720 亿参数模型与自研图灵 AI 芯片，最高可提供 3000 TOPS 算力支撑。相比第一代，第二代 VLA 在关键性能指标上实现了质的飞跃：重刹工况减少 99%、急加速减少 98%、安全接管次数下降 60%，复杂场景平均接管里程达 150 公里（是上一代的 13 倍）。

二、硬件基石：自研图灵 AI 芯片

小鹏自研的图灵 AI 芯片是支撑其高阶智驾的算力基石，采用 40 核处理器设计，集成 2 个自研 NPU 和特定领域架构（DSA）。核心参数如下：

图灵芯片通过 DSA 架构将算力利用率提升至 100%，相比英伟达 Orin-X 的 30%-40% 利用率实现了质的飞跃。单颗功耗约 30W，三颗总功耗 80-100W，单位算力能耗比相比通用芯片降低 30%。

更重要的是，图灵芯片是全球首颗可同时应用于 AI 汽车、AI 机器人和飞行汽车的多端通用芯片，为未来跨场景复用奠定了基础。

三、软硬协同：全栈自研的技术闭环

小鹏构建了「云端-模型-芯片-硬件」的全栈自研体系，形成完整的技术闭环：

1）云端能力

云端大模型参数量约为车端的 80 倍，2025 年算力规模预计可达 10 EFlops，数据量可达亿级 Clips。通过 Model Distillation 技术，将云端 72B 参数的 Foundation Model 压缩至适合车端部署的数十亿参数模型，实现端云协同迭代。

2）数据引擎

累计使用 50PB 训练数据，单版模型训练 Token 量达 4 万亿，车端推理 Token 消耗量约等于全国数字 AI 日调用量的 80 倍。训练投入超过 20 亿元，使用了 3 万张显卡的算力资源。

3）算法演进

从规则驱动（Xpilot）→ 高速 NGP（2021）→ 城市 NGP 无图化（2023）→ XNGP+集成 BEV+Transformer（2024）→ 第二代 VLA 端到端架构（2025），完成从感知机器到思考主体的跨越。

四、产品落地与覆盖能力

XNGP 系统已实现全国 2595 个城市无图覆盖，经历 756 万公里实车测试，支持复杂环岛、施工路段等场景。核心功能包括：

• • 城市通勤：拥堵路况下的智能跟车、变道、红绿灯识别
• • 高速 NGP：自动变道、超车逻辑、匝道汇入汇出
• • AI 代驾：业内首个 AI 模仿智驾系统，可学习车主驾驶习惯，自定义 10 条常用路线
• • AI 泊车：支持极窄车位、无线框车位，泊车速度提高 50%，可泊入车位数量提升 3 倍

推送计划

第二代 VLA 于 2026 年 3 月 19 日起开始推送，首批覆盖 P7 Ultra，随后是 G7 和 X9 Ultra，P7、G7、X9 用户将在本月内陆续收到；4 月将扩展至 2026 款 P7+、G9、G6 的 Ultra/Ultra SE 版本。

五、与特斯拉 FSD 的核心差异

何小鹏在体验特斯拉 FSD V14 后表示：「真正的无人驾驶已经近在眼前」，并确认小鹏第二代 VLA 针对中国复杂路况进行了深度优化。在 20 公里复杂小路对比测试中，FSD 接管了 5 次，小鹏第二代 VLA 仅接管 1 次，耗时还少了 10 分钟。

六、战略前瞻：从 L2 直接跃向 L4

小鹏明确主张跳过 L3 直接实现 L4，认为 L3 是「伪命题」。其技术路线规划清晰：

• • 2026 年 Q1：第二代 VLA 量产推送，实现「从家到公司全路径丝滑安心驾驶」
• • 2026 年：Ultra 版本实现准 L4 软件，Robotaxi 实现 L4 软硬件
• • 2026 年 8 月前：目标自动驾驶能力超越特斯拉 FSD
• • 2027 年：全球交付搭载 VLA 2.0 的系统（大众汽车已成为首个外部客户）

同一套自动驾驶模型同时支持量产车和 Robotaxi，大幅降低研发成本。大众汽车已签约成为小鹏 VLA 2.0 的首个外部客户，计划 2027 年全球交付，标志着小鹏开始走向「卖系统、卖授权」的高利润轻资产路线。

七、核心竞争力与挑战

1）核心优势

• • 架构创新：取消语言转译的端到端直连架构，实现毫秒级响应
• • 算力革命：自研图灵芯片实现算力利用率从行业平均 30% 提升至 100%
• • 数据壁垒：50PB 训练数据 + 4 万亿 Token 的单版训练量，形成深厚数据护城河
• • 本土化深度优化：针对中国复杂路况的博弈能力超越纯美式训练的特斯拉 FSD

2）潜在挑战

• • 硬件依赖：图灵芯片深度绑定小鹏算法，第三方开发工具链不完善，对比英伟达 CUDA 生态存在劣势
• • 全球化障碍：美国市场禁用中国芯片的监管限制
• • 成本压力：自研芯片总投入超百亿，高研发投入导致财务层面持续亏损
• • 技术迭代风险：端到端大模型的「涌现」现象带来不可控的安全挑战

小鹏的自动驾驶方案已从技术跟随者成长为局部领导者，其全栈自研的深度、架构创新的幅度以及本土化适配的精度，都在推动行业从「算法之争」迈向「体系之争」。第二代 VLA 的推出不仅是对特斯拉 FSD 的正面回应，更标志着中国智驾技术在全球舞台上具备了真正的话语权。