物理AI賽道的中美角逐：小鵬與特斯拉的“共識”與“超越”

當物理AI（Physical AI）成為全球科技巨頭公認的下一波產(chǎn)業(yè)革命，全球科技競爭焦點正加速從數(shù)字AI向物理AI遷移，競爭的主戰(zhàn)場正從數(shù)字世界轉(zhuǎn)向真實的道路與城市。在這個中美科技企業(yè)競相角逐的新賽道上，雙方齊頭并進的同時也呈現(xiàn)出一些不同的趨勢：美國企業(yè)在基礎(chǔ)算法領(lǐng)域仍具優(yōu)勢，中國企業(yè)則在復雜場景落地、工程化集成與商業(yè)化速度上展現(xiàn)出驚人的追趕乃至局部超越之勢。

正是在這樣的背景下，對雙方技術(shù)能力進行客觀對比、正視差距、找到比較優(yōu)勢就顯得非常有必要。近日，小鵬汽車董事長何小鵬再次前往美國，深入測試特斯拉FSD V14與Robotaxi，回國后立即對標檢驗自家第二代VLA技術(shù)。尤其是針對第二代VLA的“查作業(yè)”，并非簡單的中美技術(shù)對比，而是中國科技企業(yè)從“追趕者”向“探索者”乃至“引領(lǐng)者”轉(zhuǎn)變的一個縮影。當硅谷投資人開始重新評估中國物理AI企業(yè)的全球價值，何小鵬的“查作業(yè)”背后，展現(xiàn)的是一家中國科技公司對技術(shù)邊界的持續(xù)突破與對全球標準的重新定義。

全球物理AI競賽下，中國科技企業(yè)的角色正在轉(zhuǎn)變

物理AI，即人工智能在物理世界中的具身化與閉環(huán)應(yīng)用，正被視為繼數(shù)字AI后的下一個萬億級賽道。根據(jù)新戰(zhàn)略低速無人駕駛產(chǎn)業(yè)研究所的數(shù)據(jù)，僅僅在2025年第三季度，無人駕駛領(lǐng)域披露的融資總額就突破了146億元，其中Robotaxi相關(guān)融資占57億元，資本熱度持續(xù)攀升。與此同時，中國市場的L2級輔助駕駛滲透率已超過50%，為高階智能駕駛提供了龐大的數(shù)據(jù)基礎(chǔ)和迭代沃土。在自動駕駛領(lǐng)域，中美在專利布局、人才流動與資本投入上呈現(xiàn)膠著競爭的態(tài)勢。

從宏觀視角來看，中美在物理AI的這輪競賽中，美國投資的重心往往在基礎(chǔ)模型、仿真平臺與尖端傳感器等領(lǐng)域，而中國則聚焦于城市場景落地、車路協(xié)同與商業(yè)化閉環(huán)，尤其是在城市復雜場景的數(shù)據(jù)積累與商業(yè)化閉環(huán)上，中國正展現(xiàn)出獨特且難以復制的優(yōu)勢。

而如果我們將視角拉近到微觀，從特斯拉、Waymo等美國企業(yè)的具體做法上，更能感受到這種差異。特斯拉的FSD能力已經(jīng)通過OTA持續(xù)向全球推送，但“滿血版”FSD在中國市場始終未至，一定程度上就是源于對中國復雜道路環(huán)境的審慎。Waymo雖在部分區(qū)域運營成熟，但其“高精地圖+規(guī)則驅(qū)動”的模式在拓展至新區(qū)時，則面臨高昂的測繪與合規(guī)成本。

正是在此背景下，何小鵬的“美國行”具有了超越企業(yè)個體的符號意義。這并非這家中國車企掌門人第一次親赴海外技術(shù)策源地，但此次測試的深度以及對比的廣度遠超以往。測試中，他不僅客觀記錄FSD V14的顯著進步（“如果上一次是50分，這次有85分”），也敏銳指出其在應(yīng)對中國式人車混行博弈時可能存在的局限（“在美國開的邏輯可能更好，但中國可能切不過去了”）。這種基于全球視野的對比測試與反思，意味著中國頭部企業(yè)已主動參與全球技術(shù)對話，并在差異化場景中定義自身的技術(shù)長板。何小鵬在測試中提及的一個細節(jié)頗具代表性：在舊金山，F(xiàn)SD V14在面對路邊臨時停靠車輛時，選擇穩(wěn)健繞行，過程流暢；但他隨即聯(lián)想到，若在中國常見的主路輔路交織、電瓶車穿行的環(huán)境下，策略可能需要更靈活的博弈。這種思考，恰恰點出了中國企業(yè)在物理AI競賽中的獨特價值，即將全球最前沿的算法框架，置于全球最復雜的應(yīng)用場景中進行淬煉與重構(gòu)。

物理AI全棧自研體系：技術(shù)底氣的根源

既然要追求全球競爭格局的重塑，那最終的落腳點依然要依靠硬核的技術(shù)能力。而小鵬汽車在此輪物理AI競賽中表現(xiàn)出的底氣，根植于其多年來堅持構(gòu)建的“全棧自研”技術(shù)體系。這套體系的核心，在于實現(xiàn)了從底層芯片、中間層算法到上層應(yīng)用數(shù)據(jù)的垂直整合與閉環(huán)優(yōu)化，讓其在面對復雜不確定場景時，具備了快速迭代與系統(tǒng)級響應(yīng)的能力。

此次美國測試中被頻繁對比的“第二代VLA”，便是這一體系的關(guān)鍵成果。與行業(yè)「V-L-A」傳統(tǒng)架構(gòu)不同，第二代VLA革命性地去除了“語言轉(zhuǎn)譯”環(huán)節(jié)，首次實現(xiàn)從視覺信號到動作指令的端到端直接生成，探索全新物理模型范式。何小鵬在測試后感慨：“我們在今年年初VLA第二代剛剛初步跑通的時候，就很驚訝，發(fā)現(xiàn)視覺到動作的模型跑出來的效果跟之前的語言類模型很不一樣。”這種“端到端”范式，與特斯拉FSD V14的技術(shù)方向高度同頻，它讓模型更像一個通過海量視頻“自學成才”的司機，基于對物理世界的隱式理解做出決策，而非簡單執(zhí)行一堆人工編寫的規(guī)則。

實現(xiàn)這一范式躍遷的背后，是小鵬打造的“大算力+大數(shù)據(jù)+大模型”三位一體的技術(shù)底座。算力層面，小鵬擁有規(guī)模達3萬卡的云端訓練集群，運行效率超90%，并已部署720億參數(shù)的云端基座模型，支持每五天完成一次全鏈路迭代。在車端，其Ultra版車型搭載的AI芯片算力高達2250TOPS，為承載數(shù)十億參數(shù)的車端模型提供了硬件基礎(chǔ)。數(shù)據(jù)層面，用于訓練第二代VLA的數(shù)據(jù)量已接近1億個視頻片段（clips），相當于人類駕駛6.5萬年所遇場景的總和，且均為無需人工標注的真實數(shù)據(jù)。模型層面，通過自研的芯片、算子與模型全棧優(yōu)化，小鵬成功將十億級參數(shù)模型部署于車端，遠超行業(yè)普遍的千萬級水平。

全棧自研帶來的直接優(yōu)勢，在測試的諸多細節(jié)中得以驗證。例如，在應(yīng)對舊金山一處因施工完全重構(gòu)的路面時，F(xiàn)SD V14展現(xiàn)了“非常自信”的通過能力。何小鵬評價其“知道怎么開，很絲滑”。這背后正是大模型通過海量數(shù)據(jù)訓練后，對未知場景的泛化理解能力。

而小鵬的第二代VLA同樣追求這種能力，并因其對中國特有場景（如極窄巷道、隨機穿行的行人電動車）的更密集訓練，而在本土化博弈中展現(xiàn)出優(yōu)勢。何小鵬在對比后認為，小鵬VLA在“非常小的路，人車博弈做得極其好”。

而在另一種路況環(huán)境，全棧自研帶來的快速迭代同樣體現(xiàn)了這種優(yōu)勢。在面臨環(huán)島路況時，小鵬的VLA 2.0能夠以更加均勻的速度通過，杜絕了以往不平滑的加減速。而FSD V14相比一年前的V13，同樣減少了猶豫情況，以更加絲滑的方式通過了環(huán)島。這足以體現(xiàn)中美頂尖科技企業(yè)在智駕方面的相似的研發(fā)取向。即并非靠人工標注的數(shù)據(jù)訓練，而是通過軟硬件協(xié)同的全棧自研能力，讓VLA系統(tǒng)自己直接利用海量的真實駕駛視頻進行自我訓練，從而讓系統(tǒng)不斷“涌現(xiàn)”出新的處理方式、“長出”新的能力以應(yīng)對真實的物理世界。

通過“查作業(yè)”，我們足以感受到第二代VLA在智駕領(lǐng)域的出色能力，但這還不是其全部實力。更為重要的是，這套以VLA為核心的物理AI模型，并非只停留于滿足道路駕駛，而是被設(shè)計為可“跨域驅(qū)動”汽車、機器人乃至飛行汽車。這意味著，在自動駕駛領(lǐng)域積累的感知、決策與控制能力，可以復用到其他物理智能體上，形成技術(shù)協(xié)同與數(shù)據(jù)反哺的閉環(huán)。這不僅是技術(shù)上的降本增效，更是構(gòu)建“泛化智能”的關(guān)鍵路徑。

而小鵬的全棧自研體系，旨在系統(tǒng)化地獲得這種將通用能力與具體場景深度融合的工程化力量。目前，小鵬已與高德地圖、大眾汽車集團、寶鋼股份等產(chǎn)業(yè)鏈伙伴達成深度合作，共同構(gòu)建更完善的智能生態(tài)。

通往L4的確定性：清晰的路線圖與商業(yè)化前景

技術(shù)的最終價值在于落地。在物理AI的終極目標——高階乃至完全自動駕駛（L4）的實現(xiàn)路徑上，小鵬汽車展現(xiàn)出了清晰的節(jié)奏感和獨特的商業(yè)化思考。

當下，一個根本性的行業(yè)共識正在中美科技企業(yè)之間形成，即L3（有條件自動駕駛）可能只是一個政策監(jiān)管意義上的過渡階段，而非技術(shù)發(fā)展的必然臺階。何小鵬在體驗特斯拉Robotaxi后明確表示：“從技術(shù)跟產(chǎn)品的研發(fā)角度來看，我自己覺得沒有L3，就是L2、L4。”特斯拉通過FSD的持續(xù)迭代和Robotaxi的布局，實質(zhì)上是將L4級能力以L2的形式交付，等待法規(guī)與社會的逐步接受。而小鵬的選擇與之不謀而合，其第二代VLA在設(shè)計之初就被定位為“一個架構(gòu)到L2和L4”，目標是跳過L3，直接面向終局。

基于此，小鵬給出了明確的L4落地時間表：2026年第一季度，具備L4級軟件能力的第二代VLA將量產(chǎn)上車；2026年內(nèi)，將推出軟硬件均達到L4級自動駕駛水平的量產(chǎn)車型。根據(jù)規(guī)劃，其下一代L4車型將搭載4顆自研AI芯片，車端算力高達3000TOPS。在此次美國行后，何小鵬對L4技術(shù)的未來有感而發(fā)：“在特斯拉和小鵬的共同推動下，2026年下半年，全球智能駕駛進程有望加速進入‘準L4’新階段。”

在最具挑戰(zhàn)的Robotaxi商業(yè)化方面，小鵬試圖通過“前裝量產(chǎn)”和“純視覺泛化”兩大策略，破解行業(yè)長期面臨的“成本－安全－規(guī)模”不可能三角。與行業(yè)內(nèi)已成型的、采用后裝改裝、依賴激光雷達和高精地圖的方案不同，小鵬Robotaxi基于量產(chǎn)車型前裝開發(fā)，采用純視覺路線，依托VLA大模型的泛化能力自適應(yīng)不同交通環(huán)境。這能大幅降低單車硬件成本和后期改裝投入，并使規(guī)模化部署成為可能。何小鵬在測試中指出，傳統(tǒng)Robotaxi很難做到“在小區(qū)停車場點對點”，核心在于無法泛化，而這正是VLA模型要攻克的重點。

盡管前路仍有法規(guī)、安全和公眾接受度的挑戰(zhàn)，但清晰的路線圖本身就是一種強大的戰(zhàn)略信號。它向市場、行業(yè)和資本市場表明，小鵬對于智能駕駛的演進不僅擁有技術(shù)上的前瞻，更有將其轉(zhuǎn)化為產(chǎn)品和商業(yè)成果的系統(tǒng)性規(guī)劃。

何小鵬的“查作業(yè)”，遠不止于一位企業(yè)創(chuàng)始人的親力親為，而是折射出小鵬汽車作為科技公司的底層邏輯：在物理AI的大時代，唯有堅持全棧自研、保持技術(shù)信仰、擁有全球視野，才能真正實現(xiàn)從“中國制造”到“中國智造”的躍遷。

當全球物理AI競爭進入深水區(qū)，中國科技企業(yè)已從技術(shù)追趕者成長為規(guī)則共建者。2025年末的這場技術(shù)對標，讓我們看到中國智能電動汽車產(chǎn)業(yè)正在經(jīng)歷從“量”到“質(zhì)”的關(guān)鍵躍遷——不再以低價取勝，而是以技術(shù)定義價值；不再滿足于跟隨標準，而是參與制定規(guī)則。

而小鵬汽車的實踐則表明，通過堅定的全棧自研，在“軟硬一體”中構(gòu)建核心技術(shù)閉環(huán)；通過擁抱全球最前沿范式，并在本土最復雜場景中實現(xiàn)能力迭代；通過對終局的清晰定義，來反推當下產(chǎn)品與技術(shù)的布局——這條路徑，正在幫助一家中國科技企業(yè)，在全球物理AI的牌桌上，贏得日益重要的席位。這不僅僅是一家公司的成長故事，也為中國汽車產(chǎn)業(yè)如何從“應(yīng)用創(chuàng)新”深入“基礎(chǔ)創(chuàng)新”，提供了一個不斷發(fā)展的關(guān)鍵范本。