2025年，智能驾驶行业迎来关键转折。端到端大模型成为行业共识，城市NOA开始向10万级车型下放，高阶智驾正从豪华车的专属配置逐渐走向全民标配。在这一背景下，小鹏汽车于3月2日举办第二代VLA（Vision-Language-Action）媒体体验日，正式对外展示了其在自动驾驶领域的技术突破与战略思考。受访嘉宾小鹏汽车董事长CEO何小鹏与通用智能中心负责人刘先明，就技术路线、组织架构、行业趋势等话题进行了深入分享。

跳过L3：一场关于责任主体与技术范式的重新思考

在群访中，何小鹏首次系统阐述了“跳过L3”的建议逻辑。他认为，L4开始就会有新的责任主体，而在当前全球科技发展的情况下，“基本上从L2的下一个台阶就是L4，中间专门加一个L3实际对于硬件、软件、法律法规都是挑战”。

这一判断背后，是小鹏对自动驾驶技术本质的重新认知。何小鹏坦言，去年去硅谷试驾特斯拉FSD时，原本以为是“换道超车”，却发现对方“原来已经切换了”。“FSD V13和V14是质的改变。V13很多人都开过，实际上还是一个L2级别的能力。”这种技术范式的转变，让小鹏更加坚定了从AI而非传统软件工程角度重新定义自动驾驶的决心。

关于第二代VLA的能力边界，刘先明表示：“目前还没有完全说自己能达到百分之百的L4，但是现在整个VLA2.0搭建了一套非常通用并且高效的架构，基本上每天都会有新的版本出来，不停地去迭代新的问题，而且进步速度也是超乎我们想象的。”何小鹏给出的判断是1-3年内有望达到L4水平，而刘先明则补充道：“如果我们一直维持这个状态的话，我相信会很快。”

通用智能中心：跨域融合的组织进化

值得关注的是，刘先明的职位已从智能驾驶负责人变更为“通用智能中心负责人”，智能座舱与智能驾驶正式合并。这一组织架构调整，被何小鹏解读为汽车行业“跨域融合”趋势的体现。

“我相信汽车领域很快会迎来跨域融合。”何小鹏分析道，“从机器人领域可以看到，机器人甚至可以没有底盘，它的全身控制、全身动力、全身的线束和汽车不完全一致。汽车行业正在进入新的跨域阶段：自动驾驶是整车运动，智能座舱是整车大脑，再加上动力、底盘，我们认为这四个域都在进行跨域融合中。”

刘先明坦承“压力更大了”，但同时也看到了更多机会。“当历史转折点摆在面前时，每个人都会很兴奋。能有机会参与这件事，是每个技术人的梦想。”他进一步表示：“我有信心，能在自动驾驶上验证过的AI能力，可以大规模迁移到座舱上，让整车真正成为一个有机的智能体，而不是割裂的一个东西。”

基座模型：L4时代的必修课

在谈及基座模型的重要性时，刘先明给出了一个鲜明的判断：“做好基座模型，是一家做L4公司的必修课。不做这件事，就可能在这次技术转型中落在后面。”

他分析指出，过去Waymo等L4公司的技术路线“上限很低”，只能不停往前卷，导致ODD（运行设计域）概念的出现——“车辆到底能运行在什么地方，只能取决于铺了多少车、采了多少数据、建了多少地图”。这种“成本极高、泛化性很差”的技术路线，正在被基座模型的新范式所替代。

何小鹏则从另一个角度强调了基座模型的战略价值：“我只知道它投入很大，去年就花了几十个亿，今年更多。做基座模型不仅投入资金多、以及优秀的人力，但必须往前推进，否则上限会非常低，做到一定阶段就很难再突破。所以真的只有依靠强大的基座模型，未来才能泛化到多种具身智能体中。”

“让妈妈放心”：产品哲学的温度表达

采访中，何小鹏多次提到“让妈妈放心”这一产品理念。这一理念的诞生，源于他带母亲体验自动驾驶的真实经历。

“最开始在几年前我带着我的妈妈，她是乘坐自动辅助驾驶，在那个时候她非常担心。”何小鹏回忆道，“随着到了现在，我再次让她体验我们整个VLA，她才感觉到真正是丝滑，她放心。”这段经历让他意识到：“如果L4或者Robotaxi应该是所有的人，不管你开车还是不开车，不管你擅长开车或者是一个新手司机，都敢开。”

为此，小鹏专门向公司“妈妈厨房”的食堂阿姨们请教：“敢不敢开？愿意不愿意开？有没有驾照？”调研结果显示，妈妈们“不敢开，不愿碰”的顾虑普遍存在。何小鹏认为，“要让一个好的技术在中国，在全球都能够很好地落地，政策法规是基础，技术可行也是基础，但是要让大家有信心，很放心，很安心，更是真正能够把技术推到所有人的一个基础。”

算力效率：拒绝军备竞赛的技术理性

面对行业内愈演愈烈的“算力军备竞赛”，刘先明表达了不同的看法：“算力不只是名义上的数字好看，更重要的是把算力用好，这是核心问题。”

他以英伟达为例说明：“你看NVIDIA，就是在GPU和CUDA时代做这件事——把算力用好，比单纯说算力提升多少倍更有价值。”刘先明进一步指出：“大算力一定需要更高信息密度的输入、更大的模型来匹配，否则算力就是空转。这些因素合在一起就意味着：如果只是搞算力军备竞赛、单纯堆高数值，消费者是感受不到明显的体感提升的。”

全栈自研的价值在这一逻辑下更加凸显。“如果没有全栈自研，大家就看不到现在这么丝滑、安心的体验，这套能力也不可能真正部署上车。”刘先明总结道，“全栈自研最大的好处，就是我们从硬件层、软件层、模型层从头重新定义整套体系，让它完全服务于我们的应用场景和最终上车落地的模型。”

数据与强化学习：Scaling Law的边界探索

关于人类数据的价值，何小鹏给出了一个令人深思的判断：“以前我觉得有10万台、100万台车跑了多少公里就够了，现在我觉得远远不够。”他强调：“如何收集有质量、有价值、超大规模的数据，我觉得是非常困难的一点。不论是汽车还是机器人，这件事上都远远没有看到头。”

刘先明补充道：“数据每天都可以收上来，但存储成本高，而且很多也用不上。所以怎么挖掘真实世界里真正好用的数据，是一个会一直被探索的问题。”

对于强化学习（RL）的定位，刘先明给出了理性的判断：“强化学习不是万金油。它一定需要一个非常强的基座模型——至少能采样到解决这个问题的可行解。如果连这个能力都没有，强化学习就没办法继续提升。但强化学习是效率特别高、能定向解决问题，并且能持续探索长尾问题的一种学习方式。”

物理AI与未来：从汽车到具身智能

采访中，何小鹏多次提到“物理AI”这一概念。他认为，“汽车正在从软件时代进入AI时代，从软硬件独立发展走向跨域融合，从原来的、简单的智能新能源车升级为可主动服务的高阶智能Agent。”

这一判断的时间表是：“1-3年全自动驾驶会落地、3-5年所有汽车都会成为强力超级智能体。”更重要的是，这套基座模型不仅可以赋能汽车，还可以“跨域赋能机器人和飞行汽车，就是不同形态的具身智能的终端”。

何小鹏解释了背后的逻辑：“机器人最大的一个问题就是它的模型和数据，智能被锁死在特定的形态里面，它很难泛化。”而小鹏的基座模型之所以能够跨产品和跨场景复用，核心在于“通过怎样的底层逻辑和方案实现这种泛化”——“这个世界的规则太多种了，原来的L2靠软件完全无法做到。”

结语：代际差与黄金十年

“2026年是未来无人驾驶黄金十年的新起点。”何小鹏在采访中如此判断。

关于“代际差”的定义，刘先明给出了深刻的解读：“不只是单一指标的差距，更关键是有没有切换整套做事思路，迭代速度有没有质变。我们现在追求的是不仅跑得快，加速度还在持续变大，因为我们在构建底层通用能力体系，这才是真正的代际差，而非单点指标领先。”

何小鹏透露了小鹏的终极目标：“千公里级接管，而非百公里级。”他补充道：“在多个城市、多个高难度时段的对比测试中——难度大致在85分到99分之间，我们相对于第一阵营已经有了数倍提升。更重要的是，用户坐在我们的车里真的会感到放心和放松。”

从L2到L4，从汽车到机器人，从软件工程到物理AI——小鹏正在尝试“一种没有人走过的一套逻辑”。正如何小鹏所言：“大部分人都是跟随，尝试创新、探索出一条全新的道路，这是我们这一代科技创业者、科学家应该去做的事情。”