最典型的例子当属福特。T型车虽然彪炳汽车史，但在“开创性地大规模使用流水线生产”这项成就面前，就显得分量没那么重了。
这其中的原因是，驱动工业革命的是能源形式以及使用能源方式的迭代。距离能源越近的、带有强烈技术迭代需求的企业，越了解能源所拥有的重要意义，也就越有推动技术革命的动力。而在电力逐步取代石油的能源变革时期，整个科技的前进方向也在发生着变化。精密制造业、化工业就是石油时代延伸的产物，而以电力为基础，当下正在对我们的生活产生深渊影响的，就是AI与新能源汽车。
小鹏汽车从诞生第一天起，骨子里就刻着“未来出行探索者”的基因。当行业仍在激烈争论电动化路径时，小鹏已在思考下一个十年——AI将如何走出屏幕，走进现实。
其实《流浪地球1》这部电影从一个角度也向我们演绎了，纯粹的数字AI对于人类的生产生活是有无法突破的边界。即使AI在某些方面已展现出超越人类智慧的水平，但受限于数字世界无法与现实物理世界交互，它始终无法参透真实世界的运行规律。
何小鹏在科技日上说：“当数字世界和物理世界融合，将催生物理AI。”在他看来，即使AI在数字世界中已展现出超越人类智慧的潜力，但如果无法与物理世界交互，其实际价值将极为有限。只有赋予AI“身体”，使其能走、能看、能交互，AI才能真正改变人类的生产与生活方式。
这个“身体”，可以是车，是机器人，也可以是飞行器。而让AI理解并操控物理世界的“大脑”，正是小鹏在本次科技日上发布的第二代VLA大模型。而这，才是会对我们未来出行，甚至是生活产生巨大影响的基础科技。
它最大的颠覆，就是做到了与行业主流VLA模型依赖“语言转译”不同，小鹏第二代VLA创新性地去掉了语言作为中间媒介，实现了从视觉信号到动作指令的端到端直接生成。它采不再需要将视觉信息转化为文本描述，再转为控制指令，而是直接学习物理世界的交互规律。
举个例子，传统VLA在识别“前方有行人招手”时，需先转化为文本“行人招手”，再生成“停车”指令。而小鹏第二代VLA则直接从视觉信号中理解“招手”的含义并生成停车动作，减少了信息损耗与推理延迟。这种架构变革，不仅使模型更简洁、响应更迅速，也更接近人类驾驶员的学习方式。
看上去似乎是一种“简化”，实则是完成了一次“进化”。因为这套模型不仅是动作生成模型，更是理解与推演物理世界的世界模型。它能够基于对真实世界的理解，推演未来决策场景，并生成更真实的长尾场景进行自我对抗训练。例如，在测试中，第二代VLA涌现出识别交警手势、提前应对红绿灯通行等能力——这些场景并未在训练数据中专门标注，而是模型自我演进的结果。
更重要的是，第二代VLA具备跨域驱动能力。同一套模型跨域驱动智能汽车、Robotaxi、人形机器人与飞行汽车，实现了技术底座的高度统一。这也是为什么我们会感觉到这届科技日小鹏的技术成果如井喷般涌现，原因就在于第二代VLA如同打通了AI理解物理世界的任督二脉，让它畅行无阻。就如同我们人类一样，并非生来就被职业所终身锁定，而是通过后天学习，逐渐适应所要应对的工作场景。物理AI亦是如此，而它与我们最大的区别，就是学习和认知效率的指数级差距。
由此可见，小鹏选择物理AI这条路，并非追逐热点，而是基于对技术趋势的深刻洞察与对未来出行本质的回归——让AI从虚拟中“落地”，真正走进每个人的生活。
积淀与突破——慢公司，快技术
在外界看来，小鹏是一家典型的科技“慢公司”。但这里的“慢”指的并非是效率低下，而是愿意花时间啃硬骨头、坚持长期主义的技术投入。
在AI汽车领域，小鹏已埋头探索11年，上市多款原创车型；在飞行汽车领域，坚持12年，迭代7款原创机型；在机器人领域，默默耕耘7年，从四足机器狗做到今天拥有骨骼、肌肉、皮肤的人形机器人IRON。
这种“慢”，背后是对全栈自研技术路线的执着。从芯片、算子、编译器，到模型、系统、硬件，小鹏坚持自己掌握核心链条。何小鹏曾表示：“未来全球级的科技公司只有两大类：一类是纯数字化的软件与服务公司，另一类就是‘硬软结合’的全球化企业。”小鹏选择的正是后者。
这条路很难，但上限更高。2023年，小鹏意识到规则驱动的智驾系统已触及天花板，果断转向AI大模型技术路线；2024年，实现端到端大模型量产上车；2025年，发布第二代VLA，真正让AI学习物理世界的本质规律。
这不是小修小补，而是范式级的跨越。以模型架构为例，小鹏第二代VLA的参数量达到数十亿级，几乎是行业主流车端模型的百倍。这同样意味着小鹏需要从底层芯片到上层应用实现全栈自研，才能够应对得了如此复杂度的模型和智能水平。
所以，我们看到在芯片层面，小鹏自研的图灵AI芯片打破了行业旗舰芯片以GPU为核心架构的传统，专门开发了神经网络处理器（NPU）。这款芯片针对智能驾驶模型进行了深度优化，在NPU中内置了相关矢量运算的专用加速电路，针对Transformer网络进行专门算子优化。具体而言，相比通用车规高算力芯片，图灵AI芯片的利用率提升了20%，模型推理时延降低超过60%，模型能力提升超20倍。
在软件层面，小鹏为第二代VLA针对图灵AI芯片重新开发了针对性的编译器和软件栈。这种软硬件联合优化的效果显著：小鹏在2250TOPS算力的Ultra版车型上，实现了搭载数十亿级参数规模的第二代VLA，而行业普遍车端模型参数量仅为千万级规模，实现了超过10倍的提升。
支撑这一切的，是小鹏建立的强大AI基础设施：小鹏拥有全球领先的3万卡算力集群，这个集群的运行效率常年保持在90%以上，这一数字在行业内处于领先水平。在云端，小鹏部署了720亿参数的自动驾驶基座大模型，该模型每五天就能完成一次云到端全链路迭代，这种迭代速度确保了技术持续快速进化。
在数据训练层面，小鹏第二代VLA的创新架构使其可以直接利用海量的真实驾驶视频进行训练，无需任何人工数据标注。用于第二代VLA的数据训练量接近1亿clips，相当于人类司机驾驶65,000年才能遇到的极限场景总和。这种数据规模和使用效率，为模型的持续进化提供了充足的”燃料”。