來(lái)源：公眾號(hào)“量子位”

原文鏈接：https://mp.weixin.qq.com/s/pp7aAP_R0avsBVS48r_hiA?scene=1

2026 AI賽道最火的概念——物理AI！

自動(dòng)駕駛公司在講、車(chē)企在講、大模型玩家在講、投資人在講……

概念成為共識(shí)，真正的分水嶺才開(kāi)始浮現(xiàn)：率先拿出完整技術(shù)棧、論文、代碼，以及已經(jīng)在路上跑著、在量產(chǎn)實(shí)車(chē)上驗(yàn)證的，到底是誰(shuí)？

在今年的CVPR首次開(kāi)設(shè)的“具身智能基座模型部署研討會(huì)”上，這個(gè)問(wèn)題終于“混沌初開(kāi)”。

這場(chǎng)會(huì)議上，擠滿(mǎn)了這個(gè)賽道的頭號(hào)玩家：特斯拉、英偉達(dá)、Waymo，以及唯一一家受邀的中國(guó)企業(yè)——小鵬。 

美國(guó)EV頭部媒體Electrek主編Fred Lambert 在CVPR 2026開(kāi)始前，就已經(jīng)注意到小鵬劉先明和特斯拉Ashok Elluswamy將在全球頂會(huì)同臺(tái)分享技術(shù)成果。

頂會(huì)上參與前沿AI話題討論的多如牛毛，但能讓特斯拉、Waymo、英偉達(dá)這樣的學(xué)術(shù)圈產(chǎn)業(yè)界頂尖玩家全都坐下來(lái)認(rèn)真聽(tīng)的，不多。

小鵬是其中一個(gè)。

和英偉達(dá)特斯拉Waymo同臺(tái)競(jìng)技，小鵬都講了什么？

“具身智能基座模型部署研討會(huì)”，在CVPR是第一屆，但其實(shí)是“Embodied AI Workshop”系列的第七屆。

這類(lèi)論壇一般是特邀演講，邀請(qǐng)學(xué)術(shù)界和工業(yè)界的頂尖專(zhuān)家，分享最新研究成果和前沿思考。今年的參與者包括Waymo、特斯拉、英偉達(dá)等等——全球物理AI的第一梯隊(duì)。

△ 從左往右，左3：劉先明，小鵬集團(tuán)通用智能中心負(fù)責(zé)人；

左5：Ashok Elluswamy，特斯拉AI 軟件副總裁；

左6：Dragomir Anguelov，Waymo副總裁；

小鵬這邊是由現(xiàn)任小鵬通用智能中心負(fù)責(zé)人劉先明參與本次的分享。

這也是小鵬第三次受邀在CVPR發(fā)表演講。但與前兩次不同，這是小鵬首次完整展示了世界模型技術(shù)圖譜。

△ 小鵬物理世界基座模型技術(shù)圖譜

演講基于團(tuán)隊(duì)近期陸續(xù)發(fā)表的X-World、X-Foresight、X-Cache等一系列學(xué)術(shù)論文，系統(tǒng)解析了小鵬世界模型技術(shù)。

首先明確闡述了一個(gè)核心工作：小鵬正在研發(fā)具備主動(dòng)思考、可控生成和長(zhǎng)時(shí)序推演能力的世界模型，世界模型與第二代VLA共同構(gòu)成小鵬物理AI基模底座。

二者通過(guò)不同訓(xùn)練信號(hào)協(xié)同進(jìn)化。

人類(lèi)動(dòng)作包含豐富的高層語(yǔ)義，隱性地編碼了感知、推理、意圖、風(fēng)險(xiǎn)判斷、社交互動(dòng)以及對(duì)物理世界的理解。

不過(guò)這類(lèi)監(jiān)督信號(hào)在時(shí)間上相對(duì)稀疏，它通常只能監(jiān)督最終的行為結(jié)果，而難以覆蓋促成這一行為過(guò)程中每一次潛在的物理狀態(tài)轉(zhuǎn)移。

而世界模型則是從世界本身中學(xué)習(xí)的。它不只是預(yù)測(cè)下一步動(dòng)作，還可以預(yù)測(cè)未來(lái)狀態(tài)、未來(lái)觀測(cè)，或者潛在空間中的未來(lái)表征。

相比之下，世界模型獲得的監(jiān)督信號(hào)要密集得多：每一幀畫(huà)面、每一次運(yùn)動(dòng)、每一次交互都可以成為訓(xùn)練信號(hào)，本質(zhì)是借鑒了大語(yǔ)言模型中“下一個(gè)Token預(yù)測(cè)”的范式，通過(guò)在海量未標(biāo)注視頻上進(jìn)行下一幀或下一狀態(tài)的密集預(yù)測(cè)，逐步學(xué)會(huì)物理世界的動(dòng)力學(xué)與因果結(jié)構(gòu)。

真正工程落地層面，常見(jiàn)VLA和世界模型路線“針?shù)h相對(duì)“，但小鵬的思路是將稀疏的人類(lèi)意圖與密集的物理預(yù)測(cè)相結(jié)合，使得模型不僅在學(xué)習(xí)“人類(lèi)駕駛員會(huì)怎么做”，更在深度理解“物理世界接下來(lái)會(huì)發(fā)生什么”。

這種雙重目標(biāo)的并行演進(jìn)，確保了系統(tǒng)在復(fù)雜環(huán)境下的可控性與安全性，也為自動(dòng)駕駛系統(tǒng)賦予了更深層次的物理感知與邏輯推理能力。

“走VLA路線還是世界模型路線？”劉先明的回答是：小鵬物理世界基座模型，既是第二代VLA，也是世界模型。

回到物理AI，要真正了解學(xué)習(xí)客觀世界的知識(shí)，既需要真實(shí)世界的物理規(guī)律、因果邏輯、長(zhǎng)時(shí)序推演；也需要在虛擬世界中反復(fù)練習(xí)——驗(yàn)證策略、應(yīng)對(duì)長(zhǎng)尾、閉環(huán)優(yōu)化。

世界模型與VLA的協(xié)同進(jìn)化，真實(shí)的內(nèi)涵其實(shí)是廣義的數(shù)據(jù)驅(qū)動(dòng)體系：從更大規(guī)模的優(yōu)質(zhì)數(shù)據(jù)中，萃取出模型的智能，包含對(duì)人的行為的理解和對(duì)世界知識(shí)的理解。

AI如果真的要在物理世界中行動(dòng)，需要知道幾件事：一是“如何行動(dòng)”，二是理解“行動(dòng)之后世界會(huì)如何變化”，同時(shí)根據(jù)世界可能的變化，繼續(xù)調(diào)整自己的行動(dòng)策略。這就是小鵬第二代VLA和世界模型分別負(fù)責(zé)的工作。

“如何行動(dòng)”，是去年劉先明CVPR演講的主旨，他介紹了小鵬第二代VLA的基礎(chǔ)架構(gòu)和訓(xùn)練方法。

關(guān)于“行動(dòng)之后世界如何變化”，正是今年的演講主題，也就是小鵬如何研發(fā)世界模型。也可以通過(guò)小鵬團(tuán)隊(duì)近期幾篇重要論文來(lái)理解小鵬世界模型。

如何讓AI理解環(huán)境、時(shí)空和因果？

劉先明認(rèn)為，一個(gè)優(yōu)秀的世界模型必須具備三大能力：主動(dòng)思考、可控生成和長(zhǎng)時(shí)序推演，這是智能的體現(xiàn)，也是世界模型能在自動(dòng)駕駛領(lǐng)域應(yīng)用的前提條件。小鵬研發(fā)團(tuán)隊(duì)近期密集發(fā)布的幾篇技術(shù)報(bào)告，正好對(duì)應(yīng)這幾個(gè)關(guān)鍵能力。

X-World是基于視頻擴(kuò)散生成技術(shù)構(gòu)建的可控多視角生成式世界模型，能在給定動(dòng)作條件下生成符合物理約束的未來(lái)視頻，同時(shí)在持續(xù)生成過(guò)程中保持良好的可控性與穩(wěn)定性。已經(jīng)投入到小鵬的閉環(huán)仿真測(cè)試、在線強(qiáng)化學(xué)習(xí)、數(shù)據(jù)生成等研發(fā)環(huán)節(jié)。

X-Foresight是一套基于預(yù)測(cè)式世界模型的視覺(jué)-動(dòng)作因果預(yù)測(cè)網(wǎng)絡(luò)，X-Foresight在架構(gòu)上與VLA融為一體，在統(tǒng)一的token空間內(nèi)聯(lián)合預(yù)測(cè)未來(lái)的多視角畫(huà)面與自車(chē)動(dòng)作，為VLA的控車(chē)決策提供了核心支撐。它的預(yù)測(cè)式?jīng)Q策邏輯，倒逼模型“理解世界”，掌握車(chē)輛、行人運(yùn)動(dòng)規(guī)律與場(chǎng)景因果鏈條。

X-Cache是一個(gè)面向少步自回歸世界模型的跨段塊級(jí)緩存，能在基本不犧牲畫(huà)質(zhì)的前提下，減少約七成的重復(fù)計(jì)算，對(duì)世界模型的去噪主干實(shí)現(xiàn)最高約2.7倍的推理加速。

劉先明還透露，近期還將發(fā)表名為“X-mind”的論文，解析模型如何“主動(dòng)思考”，并可視化地呈現(xiàn)駕駛決策背后的中間推理過(guò)程?？山忉屝詫?duì)于自動(dòng)駕駛的軟件性能調(diào)試、用戶(hù)信任建立以及模型快速迭代都至關(guān)重要。

而在技術(shù)架構(gòu)創(chuàng)新的背后，scaling law對(duì)物理AI依然適用，而且規(guī)模化的技術(shù)紅利才剛開(kāi)始。

過(guò)去一年多，小鵬持續(xù)迭代模型、算力、數(shù)據(jù)三大核心維度，不斷刷新基座模型的性能上限。

目前，小鵬第二代VLA模型已實(shí)現(xiàn)十億級(jí)參數(shù)量，依托上億段視頻片段完成訓(xùn)練，單版模型訓(xùn)練Token總量突破4萬(wàn)億，數(shù)據(jù)與模型規(guī)模穩(wěn)居行業(yè)第一梯隊(duì)。

小鵬提供的數(shù)據(jù)顯示，截至今年3月的一年時(shí)間里，小鵬智算集群?jiǎn)蜧PU訓(xùn)練效率提升1010%，單任務(wù)訓(xùn)練效率暴漲4360%，GPU硬件利用率從40%拉升至90%，對(duì)齊國(guó)內(nèi)頭部AI企業(yè)水準(zhǔn)。

不止云端算力，小鵬對(duì)車(chē)端算力的挖掘同樣做到極致。

通過(guò)芯片、編譯器、模型軟硬件深度協(xié)同自研，小鵬徹底盤(pán)活車(chē)端算力資源，將車(chē)端模型推理速度整體提升12倍。

劉先明公開(kāi)的三組對(duì)照數(shù)據(jù)，直觀印證了這套自研體系的碾壓性?xún)?yōu)勢(shì)：

通用芯片+開(kāi)源模型方案，算力利用率僅22.8%，推理時(shí)延高達(dá)800毫秒；

小鵬圖靈自研芯片+開(kāi)源模型方案，算力利用率提升至35.1%，時(shí)延壓縮至300毫秒；

全套自研組合——第二代VLA模型+圖靈芯片，性能實(shí)現(xiàn)質(zhì)變：算力利用率飆升至82.5%，推理時(shí)延直接壓到80毫秒。

第二代VLA的量產(chǎn)表現(xiàn)，就是對(duì)自動(dòng)駕駛Scaling Law的最佳證明。

第二代VLA正式推送首月，搭載該系統(tǒng)的車(chē)型輔助駕駛里程占比突破50%。高階智駕正從“可選配置”逐漸成為高頻剛需。

每一次軟件升級(jí)的背后，是小鵬模型的快速迭代的結(jié)果。小鵬集團(tuán)此前透露，研發(fā)團(tuán)隊(duì)從去年11月到今年3月，平均每天能夠迭代4版模型。而「速度」，本身就是AI時(shí)代的核心競(jìng)爭(zhēng)力。

都在說(shuō)物理AI，小鵬有啥不一樣？

首先，在L2到L4的升維路徑上，小鵬第一個(gè)拿出了完整技術(shù)路線。

車(chē)載AI已經(jīng)進(jìn)入了“模型智商”競(jìng)爭(zhēng)的階段，而不是單純的比拼模型參數(shù)量，或者車(chē)端硬件堆砌。

就比如，激光雷達(dá)受物理極限制約，頻率較低且存在額外延遲損耗，每秒數(shù)據(jù)量?jī)H百萬(wàn)級(jí)。

而攝像頭響應(yīng)更快、頻率可大幅提升，每秒可產(chǎn)生數(shù)十億級(jí)的豐富視覺(jué)信息。

所以激光雷達(dá)處理門(mén)檻雖低，但遠(yuǎn)距離精度差、易誤判；攝像頭則需要強(qiáng)大算力處理海量數(shù)據(jù)——但算力足夠時(shí)，純視覺(jué)的上限遠(yuǎn)超激光雷達(dá)。

當(dāng)然這個(gè)趨勢(shì)，是特斯拉推動(dòng)的。

馬斯克堅(jiān)持純視覺(jué)，核心并不是“傳感器類(lèi)型之爭(zhēng)”，而是“哪種數(shù)據(jù)類(lèi)型能更好支持超大規(guī)模數(shù)據(jù)驅(qū)動(dòng)”——這才是自動(dòng)駕駛第一性原理的本質(zhì)。

小鵬的第二代VLA就是最好的落地例證：不是單純靠更多攝像頭或更高算力芯片提升能力體驗(yàn)，而是統(tǒng)一的物理世界基座模型，加上足夠大的車(chē)端云端算力，以及世界模型、路測(cè)數(shù)據(jù)，落地在物理世界的本體終端上：

參數(shù)規(guī)模、數(shù)據(jù)類(lèi)型、底層架構(gòu)上，小鵬二代VLA全面超越了傳統(tǒng)自動(dòng)駕駛模型，證明了AI在真實(shí)路采數(shù)據(jù)之外，更高效理解物理世界、解決corner case。

更深一層，小鵬的世界模型全棧技術(shù)體系，已經(jīng)超越了自動(dòng)駕駛的范疇。

它不僅是自動(dòng)駕駛模型，更是統(tǒng)一的物理世界基座模型。

因?yàn)槎嗄B(tài)大模型的底層邏輯是通用的——它面向的不是“如何開(kāi)車(chē)”，而是“如何理解并預(yù)判一個(gè)動(dòng)態(tài)變化的物理世界”。

某種程度上，小鵬的世界模型并不是在教AI開(kāi)車(chē)，而是在教AI“看懂”物理世界——開(kāi)車(chē)只是其中一種具體的“懂法”。

從智能汽車(chē)到人形機(jī)器人，這套方法論具備天然的跨域遷移能力。

行業(yè)還在將“物理AI”作為一個(gè)吸引資本的營(yíng)銷(xiāo)概念時(shí)，小鵬率先建立了物理AI的數(shù)據(jù)飛輪閉環(huán)。

這不僅是技術(shù)領(lǐng)先，還是一次對(duì)物理AI話語(yǔ)體系的定義：

? 終結(jié)VLA和世界模型技術(shù)路線的二元對(duì)立之爭(zhēng)；
? 探索L2升維L4的有效技術(shù)實(shí)現(xiàn)路徑；
? 在自動(dòng)駕駛上，探索“萃取世界知識(shí)”的路徑，再用到更多應(yīng)用場(chǎng)景。

小鵬是CVPR的?？?，連續(xù)三年站上全球AI頂會(huì)的演講臺(tái)。這在全球車(chē)企中幾乎是獨(dú)一份。

看似“錯(cuò)位”的競(jìng)爭(zhēng)方式，恰恰解釋了為什么它常被歸入科技公司而非傳統(tǒng)車(chē)企陣營(yíng)。

數(shù)據(jù)也給出了答案：技術(shù)力就是吸引力。一份調(diào)研顯示，超過(guò)60%的車(chē)主在購(gòu)車(chē)決策中，將“智能駕駛能力”和“技術(shù)領(lǐng)先性”排在前三位。

他們選擇的不是一輛代步工具，而是一個(gè)持續(xù)進(jìn)化、每月OTA的AI系統(tǒng)。從高速NGP到城市NGP，從規(guī)則驅(qū)動(dòng)VLA到數(shù)據(jù)驅(qū)動(dòng)世界模型——每一次技術(shù)躍遷，都直接轉(zhuǎn)化為用戶(hù)的駕駛體驗(yàn)和購(gòu)買(mǎi)信心。

CVPR 2026的這次展示，是最新一次驗(yàn)證：小鵬的技術(shù)品牌，不是營(yíng)銷(xiāo)話術(shù)，是一篇篇論文、一次次推送、一公里又一公里智能駕駛里程跑出來(lái)的，也已經(jīng)站在了物理AI世界模型的最前沿。

對(duì)智能汽車(chē)競(jìng)爭(zhēng)的降維打擊同時(shí)，更是對(duì)機(jī)器人、飛行汽車(chē)的跨域遷移。

2023年，小鵬首次站上CVPR。當(dāng)時(shí)講的是XNet——中國(guó)首個(gè)量產(chǎn)的BEV感知架構(gòu)。

2025年，小鵬第二次登臺(tái)。世界基座模型負(fù)責(zé)人劉先明拋出720億參數(shù)基座模型理論，首次在行業(yè)內(nèi)驗(yàn)證規(guī)模法則在自動(dòng)駕駛VLA模型上持續(xù)生效。

2026年，CVPR“具身智能的世界模型”分論壇。小鵬第三次亮相，拿出了VLA與世界模型的思考，以及X-World、X-Foresight、X-Cache的完整技術(shù)棧，以及第二代VLA的量產(chǎn)驗(yàn)證數(shù)據(jù)。

四年時(shí)間，從工程實(shí)踐到理論突破，再到量產(chǎn)落地。量產(chǎn)驗(yàn)證，又為世界模型的規(guī)?；涞靥峁┝苏鎸?shí)的反饋數(shù)據(jù)。

這種連續(xù)性，才是小鵬真正難以被追趕的護(hù)城河。

同樣的連續(xù)性積累到今日，成為了小鵬從“造車(chē)新勢(shì)力”到“物理AI公司”的驚人一躍：

不僅僅為一款車(chē)打造一個(gè)AI，而是在為一個(gè)物理世界打造一個(gè)通用的認(rèn)知基座。