#小鹏第二代VLA妈妈都爱开的国民智驾# 仔细研究了小鹏第二代VLA，发现几个有意思的技术选择。

先说参数规模。云端720亿参数，车端跑30亿蒸馏版，INT8量化实时推理。这个压缩比（24:1）在行业里算是激进的。通常大模型蒸馏到车端，掉精度是常态，复杂场景下尤其明显。小鹏敢这么干，底气应该是自研图灵芯片的软硬协同优化——编译器和模型联合调优，推理效率提升12倍，有效算力利用率从22.5%拉到82.5%。这不是算法单点突破，是整套工程体系跑通了。

但我更关注的是数据闭环。50PB训练数据，相当于65000年人类驾驶经验。数字很唬人，但数据质量和多样性比数量更重要。小鹏的数据主要来自国内，全球化部署时，欧洲窄路、美国高速、东南亚摩托流，泛化能力真有那么强？我存疑。另外，数据标注和清洗的成本怎么摊？没细说。

何小鹏说这套模型能跨域——汽车、Robotaxi、机器人、飞行汽车统一智能基底。这个愿景很大，但技术实现上有个坎：视觉输入确实通用，但动作空间完全不同。汽车是方向盘+油门刹车，机器人是关节角度，飞行汽车是三维轨迹。底层特征可能共享，但上层策略网络肯定得分化。是共享编码器、分化策略头，还是完全不同的模型架构？等技术论文拆解吧。

还有个行业趋势。小鹏VLA开始外供，大众成了首发客户，从小鹏的"技术投入"转向"技术创收"。这在国产智驾里算头一个。但外供意味着要适配不同车型、不同传感器配置，复杂度指数级上升。能不能hold住，今年Q1量产见分晓。

我的判断：第二代VLA代表了国产智驾从"功能可用"到"体验好用"的跃迁，但别神话。端到端架构确实提升了流畅度，但安全边界、可解释性、全球化泛化这些硬骨头还没啃完。真正的考验是，当数据边际效益递减时，这套架构还能不能继续进化。

你们觉得呢？端到端智驾是捷径还是弯路？评论区聊聊。 #微博新知##一本书读懂chatgpt#