越過 L3 直達 L4，小鵬就是中國智駕的 DeepSeek

作者 ｜ 郭海惟
郵箱 ｜ guohaiwei@pingwest.com

3 月 2 日是元宵節的前一天，正月十四，嚴格來說還在春節里。廣州前天下了場雨，早上霧鎖珠江，直到下午都沒散盡。小鵬科技園里，沿路站著幾位手執很多把傘等雨的保安，注視媒體老師們魚貫進入會場。

不出意外，這將是馬年春節 AI 熱潮中發布的最后一個產品。

何小鵬曾在 2 月初的微博上做了預熱。他說，“第二代 VLA”將是智駕的“DeepSeek 時刻”，它將代表一種智駕能力的涌現。結果原本呼聲很高的 DeepSeek V4 缺席了整個春節，何小鵬的 DeepSeek 時刻卻如約而至了。

在過去一年時間里，“DeepSeek 時刻”時常在各種場合里被各種行業提起，像是任人打扮的小姑娘。所以當有人說“DeepSeek”時刻的時候，它可能是在說很多事情：

它可能代表一種智能涌現和高度泛化的智能水平——而這種卓越的智能表現可以讓許多普通人，即便不懂技術語言，也可以憑借產品體驗來立刻感受到巨大的能力躍遷；

它也有可能代表一種極致的工程效率創新——以此為基點，效率的提升與成本的下降讓它成為了一個更廣泛場景應用的智能底座；

當然，它也代表了一種 AGI 的“中國時刻”——以 DeepSeek 為起點，標志著中國 AI 擁有了不亞于硅谷的基礎智慧能力。

所以當我看到小鵬說第二代 VLA 是智駕“DeepSeek”時刻的時候，我下意識地把它當作又一個“局部”的“零散”的“DeepSeek 時刻”的文字游戲。

直到 3 月 2 日，第二代 VLA 體驗日上，小鵬正式宣布技術將在本月推送落地。

我才意識到何小鵬這次說的其實是一個完整的“DeepSeek”故事。

1

“DeepSeek 時刻”

何小鵬上來講的是一個關于智駕的“體驗”和“本能”的細節：他說他曾經帶母親第一次體驗智駕，老人家第一反應是去伸手車輛頭頂上扶手。

后來“抓扶手”這個詞反復在發布會上出現，好像成為了過去一代智能駕駛與普通人交互的一個縮影——

當一輛汽車的智能駕駛系統，既無法做到全面的智能泛化、覆蓋所有的路段，只能在特定的路段、甚至特定的天氣情況下跑；在行駛過程中表現遲緩而猶豫不決，偶爾還會需要人接管。那么智駕就注定只能成為一小撮極客消費者的選擇。

何小鵬說，未來好的智駕應該成為“坐電梯”。

無論老人還是小孩，只要坐上去按一下按鈕，汽車就能把乘客送到對的地方。

它可以實現全場景的能力，胡同小路、鄉村非鋪裝的爛路、臨時路段全部都能通行，在諸如交警手勢、救護車避讓等場景也能出現一些涌現的偶發類人表現。

它能實現媲美專車司機的順滑，超車果斷，車距有度，加速減速有分寸。

用何小鵬這次的話說，第二代 VLA 就是希望做“媽媽都能用”。

我媽其實就是從 DeepSeek 才開始用 AI 的。

而 DeepSeek 之所以能成為媽媽們手機里的常客，是因為它做了過去沒有人做過的效率創新。比如，許多人都很熟悉的 DeepSeek 三件套：MLA（Multi-head Latent Attention）優化緩存、創新的 MoE 架構提升推理效率，還有前無古人的用 FP8 精度訓超大模型的成本神話。

沒有架構創新，只靠數據 Scaling，是不會產生 DeepSeek 的。

小鵬這次的第二代 VLA 做了一次大的架構升級。

目前許多媒體都已經反復報道過的，也是整個第二代 VLA 的重頭戲，就是它整體去掉了 L（語言）作為中間表征的角色，首次實現從視覺信號到動作指令的端到端直接生成。

其實類似 VLA 的問題，我們此前也報道過。因為 L 轉譯效率確實比較低，尤其在運動控制層面，有點脫褲子放屁的感覺，較低的效率還會制約整個模型的 scaling 上限。所以很多機器人公司也在探索去掉 L。但之所以難，是因為里面的架構要重新設計，模型需要從頭來訓，這背后意味著燒大量的錢。

何小鵬在發布會后，對媒體表示，基座模型大概一年要燒掉“幾十億”。

而劉先明則直接將這個模型稱作“原生多模態物理世界大模型”。

但去掉“語言”層只是整個第二代 VLA 的一個直觀的介紹，智駕負責人劉先明將整個工作分成了更多的模塊，其中有幾個部分是我印象比較深刻的：

一個是他們做了單獨的原生多模的 tokenizer，這是能去掉 L 的關鍵。

劉先明坦言物理世界是比文本更復雜的存在。因為物理世界的輸?信號是連續的?結構化數據的、且信息量?，不像?字?樣容易去做分詞、容易去做拆解。所以他們單獨做了一套 tokenizer，來實現多模態的信息融合。

其次，他們做了一套基于視覺的 CoT（思維鏈）。

我理解因為去掉了 L，省去了更多編解碼的損耗，保留了更多視覺信息的細節，所以讓整個視覺的思維鏈可以更加稠密。再加上 CoT 的工程改進，劉先明表示，這套系統比過去效率提升了 32 倍，預測誤差降低了 33%。

最后，在算力側，他們重新做了一套 AI 的編譯器。

劉先明說，現在單次訓練過程當中，云端的?質量數據達到了 50 個 Pb 左右，是正常訓練?個基

于語?的?模型的 20 倍左右的?個數據量。

而且因為小鵬輸?的是?密度的攝像頭和傳感器數據，?如?上的高分辨率高幀率的攝像頭數據達到每秒鐘 53 億個字節，是其他傳感器正常的 20-50 倍左右。

目前小鵬訓練?個模型的整體的 token 數量在 4 萬億 token 左右，相當于訓練一個 ChatGPT 級別模型的數據規模。

所以劉先明說，他們重新打造了一套 AI 編譯器，然后再根據編譯器和芯片去重新做了一個“圖靈結構”的模型底座，他們稱之為“圖靈模型”。

然后發現算力的提升非常可觀，如下圖，基本上能翻倍了。

劉先明說，?顆圖靈芯?的名義算?相當于?概是 3 顆的 OrinX 的芯?算?。 但如果像剛才那樣優化以后，實際的效率基本上達到了 10 顆 OrinX 的有效算?。

在云端算力方面，劉先明表示，在過去 13 個月的時間里，小鵬將單 GPU 訓練效率提升了 1010%、單任務效率提升 4360%、GPU 利用率提升 125%，這讓他們可以在過去不到 4 個月的時間里，“暴力”更新了 468 版模型。

相當于一天接近 4 個版本。

1

L4 將改變一切

何小鵬說，第二代 VLA 將是目前小鵬一小步，卻也是改變未來行業十年格局的重要一步。

我猜它至少包含了兩個意思。

一個是何小鵬通過第二代 VLA 真的看到了下一個智能上升的階梯，看到了新架構的 scaling 的潛力。他將其稱作“分水嶺時刻”，即傳統架構的曲線會逐步落后于新架構。

另一方面，他在會上正式提出跳過 L3，直接進入到 L4。而第二代 VLA 則是“第一個面向 L4 的智能輔助駕駛系統”。

在媒體溝通會上，何小鵬將完全自動駕駛的時間定在“一年到三年”之間。而在會場上，其實可以感受到他極力想要去傳遞更樂觀的信息，可能在他的心目中，實際時間應該是更偏向“一年”而非“三年”的。

在發布會上，他以今年 1 月份聯合國交通法規為例。聯合國已經放開了全球自動輔助駕駛的時間表。何小鵬評價其為“非常激進”，將在 26 年允許駕駛員脫手。

此外，美國 2 月份已經打開了全自動駕駛，將有 9 萬輛車不用方向盤在路上行駛。

所以何小鵬當時在發布會上表示，自己將在兩會上的一份提案——《關于加快推動自動駕駛技術從 L2 跨越到 L4 完善法規與管理政策的建議》，希望加速 L4 在中國的落地。

從整體來看，雖然與過去專注 L2\L3 的自動駕駛技術存在著部分分歧，但以第二代 VLA 為代表的智駕技術的確正在加速高階智駕的落地。

綜合整場發布會的發言，何小鵬這次對高階智駕落地后的影響，可以總結成幾個判斷：

一個是未來五到十年，智能駕駛在普通消費者的購買權重會不斷增加，從目前的中游逐步進化成絕對靠前的權重；

一個是座艙應用要和智駕體系融合，大量的座艙內的應用要適應新的高階智駕的趨勢，來重新思考和開發。此前小鵬已經成立了“通用智能中心”，將兩個部門全部合并到了一起，統一由劉先明負責。

但這其實只是整個智能融合的冰山一角。

從某種程度上 L4 和 L2 時代的汽車公司，可能是完全不同的樣子——L2 時代的智能駕駛只是輔助，而 L4 因為完全解放了雙手，汽車的形態必然將徹底改變。

1

當一家汽車廠越來越像基礎智能公司

其實整場發布會，你都可以理解為，何小鵬和劉先明都在試圖回答同一個問題：

一家汽車公司，當下站在 L2 時代，該如何迎接 L4？

何小鵬在公司內部公開信里，將自己稱作一家“具身智能”公司。包括第二代 VLA 的探索，未來會復用到包括機器人大腦在內的多個不同的智能載體，在架構上成為一個通用的底座。

這次劉先明也說，自動駕駛的本質是物理 AI 問題，它無非是模型、算力、數據、本體的集合。

在那一刻，你真的會有一點恍惚，幻視這是一家“基礎智能”的公司。

從投資金額上，如果以何小鵬披露的“幾十億”來算，今天小鵬在基礎模型上的一年的投入甚至已經超過了非常多中國的基模探索團隊過去的融資規模。

在模型探索上，而且這家公司對基模的思考，也遠遠不止于數據閉環，而是深入到了架構和算力領域，以物理 AI 的方式去重新架構新的物理 AI 模型能力。

而且小鵬可能還是中國為數不多，具備全棧自研能力的“模型公司”。

他不僅擁有圖靈芯片，還有圖靈結構和圖靈模型，具備芯片底層與模型結合的調優能力。

更重要的是，當 VLA 第二代上車后，劉先明預測，小鵬的每天 token 消耗量屆時可能達到目前中國模型 AI token 日調用總量的 80 倍。

小鵬不是一家基模公司。

但當一個基模公司有的，它也在做；基模公司沒有的，它還在做。而且 token 消耗數量還能碾壓行業的時候，你絕對不能忽視它的存在。

正如一句老話，“如果一個東西走起路來像鴨子，叫起來像鴨子，游起泳來也像鴨子”，那你可能要思考，它有沒有可能真的是一只鴨子。或許有一天，只有擁有智能底座能力的公司，可能才能在那個時候被定義成好的汽車公司。

看完發布會后，我有一個感受。

物理 AI 是下一個未來，這已經是學界和行業的共識了。但我們卻很容易忽略，物理 AI 可能也首先是由一個個場景組合起來的。而且哪怕只是一個場景，其實它的智能訴求和消耗量已經不亞于 LLM 現有的場景。

這足可見物理 AI 處理的問題之復雜、潛力之大，對智能水平的要求之高。

或許未來幾年，從物理 AI 出發，我們還會看到更多的屬于特定場景的 DeepSeek 時刻。而這些 DeepSeek 時刻的意義也絕不亞于一些 AGI 世界的暢想。而屆時，只有更尊重技術客觀規律，技術布局更長遠，且擁有全棧優化能力的公司，可能未來才更有更多的優勢，更適應 AGI 時代的新挑戰。

DeepSeek 缺席了春節，但更多的 DeepSeek 還在路上。

點個“愛心”，再走 吧