機器人爭議之外，小鵬埋了一條物理AI的暗線

最近，小鵬科技日可以說是近期最富有爭議的科技發布會之一。那個被質疑為“真人偽裝”的具身智能機器人IRON，以近乎擬真的步態和柔性皮膚引爆輿論。有人驚嘆技術突破，更多人懷疑視頻剪輯、調侃“幕后是不是藏了個真人”。這場真假之爭迅速吞噬了公眾注意力，也讓小鵬被貼上過度營銷、吸引流量的標簽。

但機器人之后，小鵬發布會還有很多看點。

更準確地說，IRON只是整場發布會最搶眼的部分。真正值得行業關注的是小鵬試圖構建的一套名為“物理AI”的底層架構。這套架構包含第二代VLA、Robotaxi、飛行汽車等技術突破，試圖回答一個根本問題：如何讓機器在真實世界中像人類一樣，通過感知、理解與行動，自主應對復雜、動態、非結構化的環境？

我們一起來看看，小鵬宣傳的物理AI有哪些特點？而被機器人爭議遮蔽的發布會之后，還有哪些技術干貨？

Robotaxi和飛行汽車

小鵬的硬思考

在2025年小鵬科技日的敘事中，人形機器人IRON固然吸睛，但真正構成小鵬“物理AI”戰略落地試金石的卻是另外兩條更具現實挑戰性的產品線——Robotaxi與飛行汽車。

它們不僅是技術展示的窗口，更是小鵬能否將“涌現”理念從實驗室推向真實世界的硬性考場。

首先映入眼簾的是即將于2026年投入試運營的三款自研Robotaxi車型。不同于行業普遍依賴激光雷達+高精地圖的冗余方案，小鵬堅持走純視覺路線，以第二代VLA大模型為核心，構建端到端的感知－決策－執行閉環。

這一看似激進的技術選擇其實暗含考量：傳統模塊化方案依賴工程師對場景進行窮舉并編寫規則，而端到端方案則依賴模型接觸海量真實場景后“悟”出通用規則。

為了驗證這種泛化能力能否滿足真實商業運營的要求，小鵬選擇高德作為全球首個生態合作伙伴。通過接入高德的出行平臺，小鵬的Robotaxi將直面真實、海量的用戶出行需求。這意味著AI司機必須7x24小時不間斷地應對極端天氣、夜間昏暗光線、無保護左轉、復雜城市立交等長尾場景。這些場景無法通過仿真完全復現，卻恰恰是L4自動駕駛能否商業化的分水嶺。

與此同時，面向個人市場的“Robo”智駕版本也構成了其技術演進的數據飛輪。該版本搭載于高端量產車（如X9Ultra），在為用戶提供頂級智駕體驗的同時收集覆蓋范圍更廣、場景更豐富的人類駕駛數據。數萬乃至數十萬用戶在日常駕駛中產生的cornercase數據將實時反哺Robotaxi的L4算法訓練，加速其在長尾場景中的泛化能力。這種B端C端共進的協同路徑也將賦予小鵬區別于Waymo等純Robotaxi公司的獨特優勢。

如果說Robotaxi是在二維平面上擴大戰場，那么飛行汽車就是在三維空間里挑戰極限。飛行汽車不僅要應對風切變、氣流擾動、空域沖突等傳統航空難題，還需在城市樓宇間實現厘米級精準起降、自動避障與路徑規劃。

小鵬匯天構建了兩套飛行體系。陸地航母是面向個人低空飛行的分體式飛行汽車；A868則是一款全傾轉混電飛行汽車，采用6人座艙設計，更側重于多人的高效城際出行。

據悉，小鵬匯天的陸地航母訂單超7000單、量產工廠試產、2026年規模化交付；A868飛行汽車巡航速度超360km/h、續航超500公里，進入飛行驗證階段。

并且，敦煌市政府與小鵬匯天簽署戰略合作協議，打造西北首條低空自駕旅游線路。該營地首期規劃建設五個專屬飛行營地，首批計劃2026年7月試運營。路線以鳴沙山月牙泉為起點，串聯月牙泉小鎮、光電博覽園、陽關玉門關旅游區，終點至雅丹世界地質公園。

可以說，小鵬Robotaxi和飛行汽車都已經從技術概念進入了落地階段，是“物理AI”體系在現實世界的一次關鍵硬考。如果這一階段能夠站穩，說明VLA的基礎邏輯具備現實可行性；如果暴露大量行為不可靠問題，則說明路線本身仍需大量調整。

而深入分析不難發現，這幾款產品背后的底層邏輯是共通的。

它們都享有同一個大腦——第二代VLA。

物理AI的大腦

第二代VLA

如果說小鵬過去幾年在智能駕駛領域的積累是量變，那么第二代VLA的推出則標志著一次徹底的質變。

與傳統VLA（Vision-Language-Action）不同，小鵬的這條技術路線直接跳過了L（語言轉譯）的步驟，實現了從視覺信號到動作指令的端到端直接生成。

在過去，視覺輸入通常需先轉化為語義描述（例如“前方有行人正在橫穿馬路”），再由語言模型推理后生成動作指令（如“減速、停車”）。這種范式雖結構清晰，卻引入了信息損耗、延遲和語義歧義，尤其在高速動態場景中成為性能瓶頸。

小鵬的第二代VLA則摒棄了這一中間層，直接從原始視覺信號端到端生成控制動作。攝像頭看到的畫面經過神經網絡處理后直接輸出方向盤轉角、油門/剎車力度、飛行器傾轉角度等物理執行指令。“所見即所控”的設計極大提升了系統的反應速度、擬人化程度與環境適應性。

據悉，為了訓練這一模型，小鵬累計使用了近1億clip的真實場景數據，相當于一名人類司機連續駕駛65000年所可能遇到的所有極限情況總和。

而透過第二代VLA的發布，我們能看見一個極有野心的“全產品引擎”技術路線。

端到端理念本身并不新鮮。早在自動駕駛早期，學術界就提出過純端到端的駕駛模型。但過去這類系統往往局限于封閉賽道或特定工況，難以跨平臺、跨任務遷移，更遑論同時駕馭輪式車輛、飛行器乃至雙足機器人。

小鵬則打破這一邊界，將第二代VLA作為全產品線的統一智能引擎進行設計：在Robotaxi上，它處理復雜城市場景中的社會交互與無圖導航；在飛行汽車中，它解析三維空域結構、氣流擾動與起降姿態；在人形機器人IRON體內，它協調82個自由度的仿生運動與精細操作。

值得注意的是，第二代VLA是小鵬首個量產物理世界大模型。得益于這一突破，小鵬在算力2250TOPS的Ultra版車型上部署了參數規模十億級的模型，遠超過行業普遍采用的千萬級參數車端模型。

不過這條路線光有大腦還不夠，強大的芯片和充足的算力才是支撐這套系統穩定運行的底層基座。

物理AI的心臟

圖靈AI芯片和智算集群

再聰明的大腦也需要一顆強勁的心臟。在小鵬構建的物理AI體系中，這顆“心臟”正是其自研的圖靈AI芯片。

作為本次科技日的重要發布之一，圖靈芯片采用專用NPU架構，單顆算力高達750 TOPS，不僅滿足車規級可靠性要求，還將全面搭載于小鵬Robotaxi、飛行汽車、人形機器人IRON等全系產品，形成統一的端側AI計算平臺。這意味著，無論智能體以何種形態存在，其底層執行單元都共享同一套高性能、低延遲的計算標準。

但僅有端側心臟還不夠。為了讓物理AI持續進化，小鵬同步打造了國內汽車行業首個萬卡級智算集群——“星云”。該集群目前已擴展至3萬張GPU的規模，專用于自動駕駛、具身智能模型的訓練、仿真驗證與云端協同推理，為第二代VLA提供源源不斷的智能血液。

圖靈芯片與“星云”集群的結合構成了一個從訓練到部署、從云端到終端的完整閉環：大模型在“星云”中學習海量真實世界數據，生成策略；圖靈芯片則在終端高效執行這些策略，并將運行中產生的新數據反饋回云端，驅動下一輪迭代。

由此，第二代VLA所代表的物理AI，不再只是實驗室中的概念模型，而是一個真正具備跨場景、可量產、能進化能力的技術體系。

可以說，小鵬今年的科技日透露出一個信號：它要用同一種邏輯去解釋世界，讓機器基于同一種理解方式行動。

這就是小鵬關于未來十年的野心——構建一個物理AI體系。

所謂“物理AI”，并非僅在虛擬環境中運行的算法模型，而是能夠真正嵌入現實物理世界、與環境持續交互、并在動態復雜場景中自主行動的智能體。它要求AI不僅看得見，還要想得通、做得準，理解重力、摩擦、氣流、社會規則等真實世界的約束，并在此基礎上做出安全、高效、擬人的行為。

從這個角度看，機器人的爭議會很快過去，短視頻的熱度終將消散。但物理AI到底能不能真正讓機器理解世界、在城市和空域里行動，將是未來幾年真正值得追的故事。

而對于小鵬而言，真正的考驗才剛剛開始，如何將發布會中的愿景轉化為現實、在未來十年中開花結果是目前最大挑戰，也是我們持續關注的焦點。