春节前美国特斯拉社区的粉头 Brian White，来中国试了次小鹏智驾测试版。结果等到小鹏第二代 VLA 正式发布时，他又来了。

　　Brian 没想到只过了六周小鹏的变化这么大——广州满大街逆行的电动车给老哥看懵了，一边说自己可不敢在中国开车，一边被小鹏第二代 VLA 的表现震惊。

　　用老哥的话来说，「我没想到才过了六周，中间你们还放了个春节长假，结果这个版本就变得更舒服、更流畅了。要是小鹏继续用这样的中国速度推进，那离 L4 不远了。」

　　实际上小鹏智驾系统内部的更新速度，比 Brian 想象中还要更夸张，自 2025 年 11 月到现在的半年里，小鹏第二代 VLA 开发了 468 版模型，平均每天就有 4.1 个版本。

　　很有意思的是小火箭下载账号收费，上一个能引起智驾圈这么关注的还是规则切换成端到端的范式变革。当时，不少人借道超车，成为了智驾第一梯队。

　　而这一次小鹏第二代 VLA 预告了即将到来的下一个范式变革：做好基座模型，将会直达智驾终局 L4。

　　这段时间媒体、车主专门测试第二代 VLA 过程中，专门挑荒地、土路、坑路测试系统上线，结果出现了大量可自主思考的现象。

　　其一，小鹏第四代智驾一号位刘先明操刀，很多人迫不及待想看这位硅谷大将改革技术架构，呈现的效果如何。

　　其二，这一两年来小鹏身边强敌环伺，第二代 VLA 被小鹏内部看作甩开同行的秘密武器，许多同行也在关注。

　　测试的媒体感慨，以前自家测试完各家智驾之后，车都得 OTA，但这回真遇到小鹏，测试完之后反而是「测评路线需要 OTA」了。

　　而小鹏这边也是态度开放，充满自信。不仅欢迎任何车主开着任意其他车型，去小鹏门店对比试驾，而且路线任选。

　　第一层是安全，第二代 VLA 把安全提到了上限，在实测中甚至有突破人眼以及人类观察力的物理限制。

　　在夜间弯路、有视野盲区的情况下，右前方有黑衣人走路。如果按人来开，由于黑夜及盲区场景受限，只能慢行。

　　但对于新一代系统，立即观察到了黑衣人，发现的同时瞬间避让。这种观察与规划能力，大多数的人类驾驶很难做到。

　　如果只是土路能开智驾，体验感并不好。那么半年前，头部三家基本都能做到，但用户用不用是另一回事。

　　不仅在视觉上具有隐蔽性，而且本身场景数据就极为稀少，这就挑战系统的决策与规划能力。强如特斯拉 FSDV14，在实测视频中也无法避让坑洼路段。

　　这次大版本更新又出现了系统主动让行特种车的画面：车辆窄路行驶，忽然缓慢向右侧停靠，当主驾还一脸疑惑时，左后方一辆急救车疾驰而过。

　　逻辑是：传统 VLA 是系统模仿学习大量数据，然后针对某些场景强化局部性能。但是第二代 VLA 是当数据量达到足够大、模型具备物理世界逻辑之后，就进化出思考能力。

　　维度之一，第二代 VLA 推送之后，小鹏在 L2+领先于行业现阶段水平。维度之二，小鹏是目前为数不多具备直升 L4 能力的玩家。

　　代号为 GX 的小鹏高端豪华 SUV，正在用内部最新版本在小鹏园区测试「L4 级无人驾驶」。

　　第二代 VLA 之所以具备直升 L4 的潜力，是因为一道公式：L4 能力=模型× 算力 x 数据 x 本体。

　　小鹏通过芯片-编译器-模型联合优化，为图灵芯片定制了图灵模型，利用开发自动化编译器来最大化算力利用率，计算利用率从 22.8% 提升至 82.5%，推理时延缩短到了 80ms。

　　理想最近发布端侧大模型「软硬协同设计定律」的相关论文，里面也提到了类似的概念：VLA 需要更高认知能力，车规芯片到了「堆算力」的上限，现在优化芯片算力利用率才是核心。

　　在城区要用大量 Corner Case 训练，园区、停车场又要用通过多模态融合和低速控制算法来实现。

　　给用户最直观的感受就是，人开、机器开的区别很大，即便智驾能开好 80% 的路，但剩下的 20% 的场景却解决不了。体验是能用，但不好用。

　　另一边，传统的 L4 玩家也用规则办事，通过卷车辆规模、高精地图以及车辆上更精良的传感器和算力装配，试图达到更好的效果。这样做的结果是，智驾的安全下限和能力上限都很低。

　　3 个月前硅谷市区大停电，红路灯全部瘫痪，没有了基本交通规则后，Waymo 的车只能瘫痪在路中间。与之对比，特斯拉的 Robotaxi 丝毫没有受到影响。

　　虽然这个参数量不是 AI 界的最大规模，但依旧够得到一些头部 AI 企业，比如智谱、阶跃星辰的企业级旗舰模型。

　　核心是你做的是自动驾驶还是 AI？小鹏做的是 AI，不是只用来做自动驾驶的专用模型。既然做了这么大的范式转变，就不会带着以前的逻辑、规则来解决问题。