出品 | 搜狐汽车·E电园

摄像 | 丁卓 后期 | 谢雨馨

主合手东说念主 | 张云乾 编著 | 蔡欣宇

就在前几天小鹏第二代VLA发布会上，何小鹏说此次不是升级，是L2到L4的杰出。真有那么大的破裂吗？今儿我们就掰开揉碎了讲讲小鹏的第二代VLA何况试验感受一下。

在发布会上有一个小“公式”，自动驾驶的才智=模子*算力*数据*实质，我们隔断来看。

率先，是模子。当前绝大部分使用天下模子的厂家、供应商皆合计自动驾驶本质上是物理AI。像我们平庸平时聊的AI，比如ChatGPT、文生视频，皆是‘数字AI’。它们的天下即是事业器里的0和1，输入是翰墨，输出亦然翰墨，错了删掉重来就行。但自动驾驶是‘物理AI’——它多了一个东西，叫‘实质’，也即是车自身。AI想得再明白，临了得通过地点盘、电机、刹车去实践。这就像你脑子里想好了怎样投篮，但你的肉体得确实把球投出去。但肉体不听使唤，想再好也没用。”物理天下的难度，是数字天下的指数级。数字天下输入的是规整的翰墨，输出一个是或否就够了，但在物理天下，输入的是相接不休的视频流，莫得标点标志，莫得段落诀别。就像让你看一整段莫得裁剪的监控摄像，然后坐窝作念方案。车输出的是地点盘角度、电门浅深——必须是丝滑的相接信号，不可一卡一卡的。

是以小鹏合计当前任何现成的 LLM 和 VLM 大模子皆不可能告成套用，于是将第二代 VLA 告成打形成了一套原生多模态的物理天下基座模子。

以前的车，摄像头看摄像头的，雷达看雷达的，临了再把信息拼起来，像作念拼图，容易拼错也需要工夫。是以在这个模子里，小鹏假想了原生多模态 Tokenizer，这至极于给车装了一个能同期处治眼睛和耳朵信号的处治器。信息一麇集上来就把画面和声息揉在一说念认知，斥逐高，也隔绝易出错。

另外，传统的VLA模子需要先把视觉信息“翻译”成话语，再凭证话语生成作为，这个中间设施会形成信息丢结怨反馈蔓延。是以，小鹏的第二代VLA去掉了中间的“话语转译”设施，终明晰从“视觉”到“作为”的端到端告成映射。

有了模子，还需要车端深广的算力因循。当前人人皆卷芯片算力，数字是一个比一个大，此次发布会淡薄了两个词，一个叫款式算力，一个叫有用算力。款式算力即是指人人通常听到的标出的几许几许算力，大阳城app有用算力即是在补助驾驶中确切能使用和诊治的算力。举个平方少量的例子，你买了个第三方充电器，盒子上写着30W快充，这是款式算力。斥逐插上手机，充了半天发现还不如原装10W的充得快——因为条约不匹配、线材损耗、发烧降频，临了确切进到电板里的，可能只好5W。这即是有用算力。

好多智驾芯片亦然这个真谛。厂商告诉你这颗有500TOPS，那是盒子上标的数字。但上了车，要适配各式软件、要过散热、要跑算法，七绕八绕下来，确切用来干活的可能只剩100多。小鹏作念的，即是无谓第三方，我方出原装全套。我方造芯片（至极于作念充电头）、我方写编译器（至极于作念充电线）、我方假想模子（至极于手机端的快充条约）。三者从新买通，莫得条约损耗，莫得线材滥用。图灵芯片搭配图灵模子，这一套下来贪图愚弄率高达82.5%，推理时延差未几在80ms。收成以上万般，念念维链的推理斥逐栽培 32 倍。

那临了即是基于天下模子的仿真与强化学习了，这一部分之前出过有利的瓦解，就不外多张开了。那畴昔一年里仿真 Case 从 3 万增至 50 万，一天测试当量至极于东说念主类跑 3000 万公里。那在这里，最中枢的是‘自我博弈’。VLA模子想怎样开，天下模子就生成各式顽恶场景来刁难它。两者像两个能手过招，天天打、天天练，越打越强。

小鹏也推出的舒截至小表率撒了吗，固定好位置后，它会凭证车辆震憾复读，及时浮现剩余咖啡，专科模式下也不错巡视加快度等具体信息。可是！实在对不起诸君，我手机中间崩了一次，我谨记崩之前浮现的咖啡余量差未几在80多点，绝大部分撒出的原因是来自转向，但说真话，转向并莫得让我有很显着的体感不适，它的过弯操控像一个很心爱驾驶的老司机，这少量和特斯拉FSD的操控很雷同。那举座来看，在我心里最佳的地方是在于它当前从感知到领域显着比之前斥逐高，好多避开等作为确实至极丝滑，再加上它有简直无感的东说念主机共架模式，即便有突发情况接办也不会有车跟你博弈的体感。但在这段路上频繁出现压实线并线和车说念内偏右行驶的情况，我们和工程师了解了一下，在慎重推送的版块中，这个问题会被开拓。