文章摘要
【关 键 词】 自动驾驶、技术路线、极端场景、端到端模型、小鹏汽车
12月20日旧金山的大规模停电事件意外成为自动驾驶技术路线的“试金石”。Waymo的无人车因依赖后台远程协助系统，在红绿灯失效后因请求过载而集体瘫痪；而特斯拉的Robotaxi凭借端到端神经网络独立运行的能力未受影响。这场事故凸显了两种技术路线的本质差异：前者依赖规则、高精地图和人工兜底，后者通过海量数据训练让车辆“理解”道路，具备类人决策能力。
小鹏汽车正沿着与特斯拉相似的路径探索。12月初流出的测试视频显示，其智驾系统能自主识别交警临时手势并完成停车，展现了模型对非预设场景的处理能力。这种“涌现”现象类似于大语言模型的推理能力突破，标志着自动驾驶开始从执行指令转向理解环境。小鹏计划通过同一套软件实现L2到L4的跨越，其技术布局在2025年逐步清晰：4月发布720亿参数云端基座模型，验证规模法则；6月展示车端部署能力；11月推出第二代VLA模型，去除语言层实现视觉到动作的端到端输出；12月与北大合作的论文提出视觉Token剪枝方案，解决大模型车端运行效率问题。
车端部署的核心挑战在于算力限制。小鹏提出的FastDriveVLA框架通过区分前景与背景Token，将计算量减少75%的同时提升模型性能。这一突破为L4级自动驾驶的量产扫清关键障碍。基于此，小鹏宣布2026年推出成本低于20万元的Robotaxi，并创新性提出“Robo”版本——同一硬件同时服务私人用户和共享出行，通过2B+2C模式摊薄研发成本。
技术路径的竞争背后是商业逻辑的重构。传统Robotaxi运营商面临高昂的单车成本和运营压力，而小鹏的纯视觉方案、软硬协同优化及数据闭环使其成本仅为Waymo的1/5。更深远的意义在于，L4能力将车辆转化为“创收资产”，打开服务订阅、数据价值复用等新商业模式。随着2026年VLA2.0量产落地，自动驾驶行业或将迎来从技术验证到商业变现的关键转折。
原文和模型
【原文链接】 阅读原文 [ 3996字 | 16分钟 ]
【原文作者】 硅星人Pro
【摘要模型】 deepseek/deepseek-v3-0324
【摘要评分】 ★★★★☆
相关文章
