飛象原創（高靖宇/文）2025 年的智能駕駛賽道，早已告別 “誰先實現高速 NOA”“誰的傳感器更多” 的初級競爭階段 —— 當頭部企業陸續攻克城市道路基本場景后，全行業正集體陷入一場 “進階性焦灼”：智駕系統能 “按部就班開車”，卻離 “像人類一樣靈活應對突發狀況” 仍有差距。

就在這一行業尋求突破的關鍵節點，小鵬 2025 科技日帶來第二代 VLA 智駕系統，直接砍掉 “語言轉譯” 環節，實現 “視覺信號到動作指令” 的端到端生成，不僅重構了自身的競爭力，更隱隱勾勒出智駕行業從 “機械執行” 邁向 “類人決策” 的新方向。它像一面棱鏡，折射出全球智駕玩家未來競爭的核心邏輯：誰能先讓系統真正 “理解物理世界”，誰就能掌握下一階段的話語權。

智駕破局：從 “模塊拼接” 到 “一體智能”

傳統智駕的 V-L-A 架構（視覺識別 - 語言轉譯 - 動作指令），本質是將駕駛決策拆分成多個獨立環節，每個環節的優化都可能與其他環節形成 “斷層”—— 比如視覺識別出 “路口加塞車輛”，語言轉譯時若出現語義偏差，動作指令就可能延遲或失誤。小鵬第二代 VLA 直接砍掉 “語言轉譯” 環節，實現 “視覺到動作” 的端到端生成，相當于讓智駕系統擁有了 “直接思考” 的能力，反應效率提升的同時，也避免了環節拆分帶來的誤差累積。

這一突破絕非偶然。早在 2023 年，特斯拉就已在 FSD 中嘗試端到端技術，華為 ADS 3.0 也提出 “減少中間決策鏈路” 的思路。為何頭部企業紛紛向端到端靠攏？核心在于 “分步式架構” 已觸及效率天花板 —— 當行業普遍能實現高速 NOA、城市 NOA 后，繼續優化單一環節的邊際效益越來越低，而端到端架構是突破這一局限的關鍵路徑。它標志著智駕行業從 “堆功能” 的初級階段，邁入 “提效率” 的成熟階段，是技術發展的必然選擇。

第二代 VLA 能實現 “智能涌現”，背后是小鵬近十年積累的 “大算力 + 大數據” 底座：3 萬卡云端算力集群常年保持 90% 以上運行效率，720 億參數的基座模型每五天完成一次全鏈路迭代，近 1 億條真實駕駛視頻組成的數據集，覆蓋的極限場景相當于人類司機連續駕駛 6.5 萬年。這些數字看似夸張，卻恰恰是智駕系統 “理解物理世界” 的前提 —— 沒有足夠的算力支撐模型迭代，沒有海量的真實數據訓練場景應對能力，端到端架構只能是 “空中樓閣”。

如今，“算力 + 數據” 已成為全球智駕玩家的共識。華為打造了昇騰 AI 算力集群，為 ADS 提供支撐；特斯拉超算 D1 芯片的算力規模持續擴容；百度 Apollo 也在加大對真實路測數據的積累與自動化標注技術的研發。行業競爭早已不是 “算法優化” 的單點對抗，而是 “算力 - 數據 - 模型” 全鏈路的綜合較量 —— 誰能構建更高效的算力循環、更豐富的數據集，誰就能在智能進化中占據先機。

競爭焦點轉移：“智能涌現” 能力改寫智能駕駛定義

盡管第二代 VLA 代表了端到端架構的進階，但行業并未形成 “一刀切” 的技術路線。目前，仍有部分企業選擇堅守分步式架構的優化 —— 比如理想汽車通過提升視覺感知精度、優化地圖匹配算法，來增強智駕的穩定性；蔚來則聚焦于多傳感器融合（激光雷達 + 視覺 + 毫米波雷達），試圖通過 “冗余感知” 降低決策風險。

路線分化背后，是企業對 “智駕安全性” 的不同理解，但 “去中間化” 的共識已逐漸形成。無論是端到端架構直接砍掉轉譯環節，還是分步式架構優化環節銜接效率，核心目標都是減少決策鏈路、降低人工干預需求。正如行業分析師所言：“未來 3-5 年，智駕行業不會有唯一的‘正確路線’，但‘更高效、更直接的決策邏輯’一定會成為所有路線的最終指向。”

在第二代 VLA 的測試中，一個細節尤為值得關注：系統自主學會了識別交警手勢、預判紅綠燈通行 —— 這些場景并未經過專門訓練。這一 “智能涌現” 能力，標志著智駕系統從 “被動執行預設指令”，向 “主動理解場景規律” 轉變。此前，智駕的競爭焦點是 “誰先實現高速 NOA”“誰的城市 NOA 覆蓋范圍更廣”，但未來，競爭將轉向 “誰的系統能自主適應更多未知場景”。

比如，當遇到 “施工路段臨時變道”“行人突然橫穿馬路” 等未被訓練過的場景時，傳統智駕系統可能因 “無法識別” 而請求人類接管，而具備智能涌現能力的系統，能通過對物理世界規律的理解，自主做出決策。目前，華為、特斯拉等企業也在研發類似能力 —— 華為 ADS 通過 “場景遷移學習”，讓系統在陌生場景中快速適配；特斯拉 FSD 則通過 “多場景數據融合”，提升系統的泛化能力。可以說，智能涌現能力將成為未來智駕產品的核心差異化指標。

結語：物理AI賦能出行，開拓行業新邊界

物理 AI賦能出行，本質是將智駕納入 “具身智能” 的范疇 —— 即讓機器在物理世界中具備 “感知 - 決策 - 行動” 的自主能力。這一定位，或許預示了智駕行業的長遠方向：未來的智駕系統，不僅要能 “開車”，還要能 “理解開車的環境”、“預判環境中的風險”，甚至能 “根據用戶習慣調整駕駛風格”。與此同時，行業格局也將迎來重構。傳統車企若無法突破 “芯片 - 操作系統 - 模型” 的全棧自研能力，可能會逐漸淪為 “硬件代工廠”；而科技公司若不能解決 “技術落地的場景適配性”，也難以在市場中立足。