聊完飞行器的失效可控之后，有朋友问我：GX的智驾到底强在哪？我就反问了，你觉得今天的智驾是在比什么？他说，当然是城市场景谁更强啊。但我的想法是，这都是功能层面的答案，拿这套标准去比GX当然也能赢，但这会把它拉进一个不属于它的战场。那个战场上全是功能的比较，而GX值得讨论的是“物种不同”的认知。GX的智能内核，应该这么理解：它是汽车从开环执行器变成闭环智能体的过程中，一个具备完整链路的物理AI终端。

换句话说，它的设计逻辑，和机器人的闭环逻辑，差不多。
要理解这个逻辑，得先跳出”汽车”这个品类来看问题。
传统汽车是一个开环系统。人负责感知环境、判断决策，车只负责执行，转向、加速、制动。驾驶员是系统的控制器，车只是被控的对象。至于前面是不是有人、旁边是不是有车，这些判断全部由驾驶员完成。车没有”理解”能力，它只响应你的操作输入，不对环境变化做自主闭环校正。智能驾驶改变了这个结构本身。当车辆开始搭载多路摄像头和各种雷达的时候，当车载计算平台的算力从几十TOPS攀升到上千TOPS的时候，当神经网络可以处理原始传感器数据并直接输出控制指令的时候，汽车就从开环执行器，变成了具备自主能力的闭环系统。

这个闭环，在机器人学里有一个标准定义：感知→状态估计→决策→执行→反馈→再感知。它和长得像不像人没关系，它需要的是能看懂环境，确认自身状态、判断并执行动作，然后根据执行结果调整下一步。用这个定义反推今天的智驾，你就发现了，GX的特殊之处不只是“有点像”那么简单---它的背后就是一套和IRON人形机器人同源的闭环架构，同一款SEPA 3.0物理AI架构，同一套图灵芯片，同一个VLA大脑。

IRON作为XP的机器人，量产的节点已经是越来越近了---如果你还记得去年科技日的猫步的话，但那个视觉形象恰恰是最不重要的部分。透过现象看本质，真正值得关注的是IRON和GX在底层架构上的同源性。首先是芯片同源，GX目前的有效算力，是全球车端算力的最高水准，IRON身上的图灵芯片，与GX是同款---同一架构、同一代工艺、同一软件栈的算力单元，它就是小鹏物理AI体系的通用计算底座。其次是架构同源。GX和IRON都基于SEPA 3.0物理AI架构。传统车企的平台化思路，核心是零部件通用率和成本摊销，一个底盘平台衍生出轿车、SUV、MPV，共用悬架和动力总成。SEPA 3.0的逻辑完全不同，它是一套面向物理AI时代的底层操作系统，核心不是”零件复用”，而是“智能复用”。飞行汽车需要处理三维空间的姿态控制，人形机器人需要解决复杂地形的平衡算法，这些能力在架构层面经过车规级适配后，被整体迁移到了GX上。这套架构的核心是“大小脑”分工：VLA作为”大脑”负责感知-理解-决策，运动控制系统作为”小脑”负责实时执行。在GX上，“小脑”是X-VMC融合底盘控制，统一调度线控转向、后轮转向、线控制动、四驱和空悬；在IRON上，“小脑”是全身82个主动自由度的运动协调系统，实时平衡双足行走时的重心偏移。两者的大脑是同一套，小脑根据载体形态不同做差异化实现，所以你理解了，它们的智能层是共享的，只针对执行层做定制就可以。

然后是感知系统同源。IRON复用了小鹏XNGP智驾的“鹰眼视觉系统”，可以实现720°环境感知与动态步态调整。这套感知系统，和GX上驱动园区漫游、无图领航的视觉感知网络，是同一套技术栈。一个机器人在车间里识别零件的位置和姿态，和一台车在道路上识别障碍物的距离和速度---底层的视觉编码、特征提取、环境建模逻辑完全一致。何小鹏把XNGP智驾领域百万辆车验证过的环境感知、运动控制等车规级模块，直接迁移到IRON上，实际上是降维解决了机器人行业长期面临的工程化落地难题。目前从XP的内部来看，通用智能中心是一个面向”汽车+机器人”场景的AI组织，他们的技术中台底座统一支撑智能驾驶、智能座舱及机器人等多类应用层业务，实际上已经是同一个AI中台向两个物理载体输出能力的过程了。

理解了这个同源性，我们就可以回答一个更本质的问题：IRON和GX，他们到底有什么关系了---从控制论的视角看，它们都是具身智能的物理载体。具身智能的核心理念源于认知科学，智能不仅源于大脑，更源于身体与环境的互动。与传统AI仅处理静态数据不同，具身智能强调智能必须嵌入到具体物理载体中，并通过与物理世界的持续交互不断进化。它追求的不是”知道什么”，而是”能做什么”。

IRON和GX，正是在这个定义下的两个实例。
IRON光手部就有足足22个自由度，它在广州工厂可以在真实产线上参与实训---搬运、分拣、质检。每一个动作都需要感知环境，比如零件在哪里、什么形状；理解任务，比如要放到哪个位置、以什么姿态；以及决策路径，还有执行动作，手指的闭合角度、手臂的运动轨迹。GX呢？它的整套底盘执行器都在X-VMC的统一调度下运行，它在道路上完成转向、避障、泊车的时候，同样需要感知和理解环境、决策执行、以及反馈修正。两者的闭环结构是完全一致的，区别只在于物理载体的形态，一个是双足行走的人形，一个是四轮行驶的车体；一个操作的是82个关节自由度，一个操作的是底盘执行器矩阵。但闭环逻辑、智能底座、感知系统、决策模型，全部同源。

这种同源性不是事后适配的结果。
实际上XP之前我们说过，它们要做全球第一家让机器人、飞行汽车、Robotaxi三大前沿AI业务全面量产的科技公司，这也是为什么改名为“小鹏集团”的真正原因，但这意味着GX、IRON、飞行汽车”陆地航母”，并非三条独立的产品线，在更高的维度上，他们有统一的思路，而基于深刻的产业融合判断与技术复用逻辑，这种复用能大幅降低各业务的独立研发成本，加速技术迭代。

这里还有一个极其重要的区分：物理AI vs 数字AI。数字AI处理的是文本、图像、音频这些信息层面的内容，比如豆包，KIMI，它不涉及物理世界的约束，说错了可以撤回，生成错了可以重试。物理AI则完全不同，它必须面对物理世界的全部刚性约束。对GX来说，这种约束就是轮胎附着极限、车身横摆惯量，或者是行人的不可预测性，对IRON来说，是关节扭矩极限、双足重心稳定性、抓取力控制、跌倒后的损伤风险。每一个决策都必须落实在物理动作上，每一个动作都会产生真实的、不可逆的物理后果。但也正是这种跨载体的技术同源性，产生了一个传统车企无法复制的能力反哺效应。IRON在工厂里积累的操作精度数据，比如毫米级的抓取定位、多自由度协调控制可以反哺GX在狭窄场景下的泊车精度；飞行汽车在三维空间中的姿态控制算法，比如应对突风扰动时的快速稳定可以优化GX在侧风路面上的车身稳定性；GX在公开道路上积累的海量驾驶数据，又可以训练IRON在复杂人流中的导航决策和动态避障。

当一家公司的技术体系横跨三个物理形态时，它在任何一个载体上的能力积累，都会指数级地加速另外两个载体的进化。大师兄其实提到过一个细节，欧洲客户曾抱怨中国车型升级太快，但现在他们开始反问“为什么中国升级了，我们国家不能升级？”这种认知转变的背后，正是物理AI体系的持续进化能力---传统车企的换代周期是3至5年，而SEPA 3.0架构通过OTA让三个载体同时常用常新。

所以当我们讨论GX的智驾或者智能的时候，如果问它“智驾城区的表现怎么样”，实际上，就有点像什么呢？你问一位数学教授，你的高中数学考试可以考多少---客观说，数学教授去做高考卷未必真能满分，但它所知、所得到的一切，肯定是远远超过这个卷面几个维度的存在。当我们去讨论GX拥有如此之高的算力时，应当注意到，这些算力驱动着一个与IRON人形机器人和飞行汽车共享技术底座的物理AI体系。它不是一台”智驾比较好的大六座SUV”，它是小鹏面向物理AI时代的第一个完整载体，一个与IRON人形机器人同源的物理AI终端。

它身上流淌的，是和机器人一样的闭环智能血液。
所以为什么我们会说Robotaxi，或者说，要拿GX去验证Robotaxi的技术路线呢？
当然，首先是因为，GX就是一个纯正的“ROBOT”。
#最懂车的人都在买小鹏GX##小鹏GX#