软件公司和传统汽车制造商之间的界限继续模糊。在丹佛举行的 CVPR 2026 会议上，中国公司小鹏汽车表明，它更多地将自己视为一家人工智能公司，而不是一家标准的电动汽车制造商。小鹏汽车通用智能中心负责人刘显明博士透露，该品牌每月仅用于训练人工智能模型的费用就约为3亿元人民币（约合3500万欧元）。
这笔巨额支出加起来每年接近 4.27 亿欧元，对于一家去年仅交付约 20 万辆电动汽车的公司来说，这是一个令人惊讶的预算。然而，XPeng依靠这笔巨额资金承诺将其新的VLA 2.0软件推向量产。
会议期间，刘博士解释了小鹏汽车软件架构的独特选择，指出语言可以成为自动驾驶系统的瓶颈。第一代系统在选择驾驶动作之前，通过语言标记传递视觉道路数据； VLA 2.0 完全删除了这个中间步骤。
小鹏工程师意识到，电动汽车每秒从摄像头捕获约 20 亿个视觉令牌，但只需要 10 到 20 个令牌来控制方向盘和踏板。强迫系统用书面文字解释道路会造成不必要的计算机计算，并增加危险的延误。相反，VLA 2.0 仅将语言作为输入，允许驾驶员发出电动汽车可以轻松理解的口头命令。
这种新方法已经在实际的消费车辆中运行。小鹏汽车成功将VLA 2.0从研究阶段转入全面量产。在推出无线更新的第一个月内，该软件就实现了一个里程碑，处理了用户辅助驾驶总里程的 50% 以上。
该架构支持 2 级驾驶员辅助和 4 级完全自主操作。事实上，小鹏汽车利用其新的GX平台打造了首款Robotaxi，目前该车已经下线。这款专用车辆拥有令人印象深刻的 3,000 TOPS 车载计算能力，无需任何人工干预即可处理复杂的驾驶环境。
小鹏汽车并不仅仅依靠 VLA 2.0 来驾驶其电动汽车。该软件直接与该公司所谓的“世界模型”配合使用。 VLA 2.0 通过复制数百万小时的人类行为来学习如何驾驶，但世界模型侧重于学习实际的物理定律。它可以预测周围环境将如何变化以及其他驾驶员在不久的将来将如何移动。
为了支持该系统，该公司开发了三个专门的子程序：X-World、X-Foresight 和 X-Cache。 X-Cache 可以减少大约 70% 的冗余计算机处理，而图像质量几乎没有损失，从而使系统运行速度提高 2.7 倍。
许多电动汽车公司对于最佳传感器布局存在分歧，但小鹏汽车选择了中间立场。 P7 和 G7 等车型的主驾驶大脑使用纯视觉系统，这与特斯拉等公司采用的策略相呼应。然而，小鹏汽车拒绝完全取消传统的安全传感器。
每辆电动汽车仍配备 3 个毫米波雷达和 12 个超声波传感器。刘博士解释说，这些额外的传感器根本不与主要的人工智能驾驶大脑对话。相反，它们运行一个完全独立的安全系统，用于自动紧急制动和转向。这种设置确保如果视觉人工智能出错，辅助物理层可以保护乘客。
为了让这些系统发挥作用，小鹏汽车突破了人工智能“扩展定律”的限制，该定律规定，当你向模型提供更多数据和计算能力时，模型就会变得更加智能。当前的 VLA 2.0 系统拥有数十亿个参数，并训练数亿个视频剪辑，在每次更新迭代期间消耗超过 4 万亿个代币。
尽管规模庞大，小鹏汽车仍通过提高效率来控制高成本。在过去的 12 个月里，该公司将单作业训练效率提高了 4,360%，并将 GPU 硬件利用率从 40% 提高到 90%。这使他们能够最大限度地发挥 476.6 亿元人民币（55.5 亿欧元）现金储备的价值。
该软件的快速进步在公司内部引发了一场高风险的友好赌注。去年，小鹏汽车CEO何小鹏就VLA 2.0的性能与刘博士公开打赌：如果该系统在2026年8月30日之前无法匹配特斯拉的全自动驾驶软件，刘博士必须裸跑穿过加州金门大桥。
对于工程师来说幸运的是，他表示完全有信心他的衣服会留在身上。刘博士表示，在北京等混乱城市进行的内部测试证明，VLA 2.0已经达到了与老款特斯拉系统相当的水平，并且由于在中国道路上发现的复杂驾驶数据，可以匹配或超过新版本。
小鹏汽车将其电动汽车视为物理硬件，旨在展示其工程实力并为其先进的 VLA 软件收集数据。这种观点解释了为什么该公司今年早些时候将 VLA 2.0 架构授权给大众汽车 - 大众汽车将在 2027 年推出的车辆中使用它。
该公司计划将这种人工智能扩展到汽车行业之外，并准备在2026年底之前大规模生产“IRON”人形机器人。其目的是从2027年第一季度开始将这些机器人部署在其零售店内作为购物助理，将其业务从传统汽车制造商转变为实体人工智能企业。
