机器人争议之外，小鹏埋了一条物理 AI 的暗线

最近，小鹏科技日可以说是近期最富有争议的科技发布会之一。那个被质疑为“真人伪装”的具身智能机器人 IRON，以近乎拟真的步态和柔性皮肤引爆舆论。有人惊叹技术突破，更多人怀疑视频剪辑、调侃“幕后是不是藏了个真人”。这场真假之争迅速吞噬了公众注意力，也让小鹏被贴上过度营销、吸引流量的标签。

但机器人之后，小鹏发布会还有很多看点。

更准确地说，IRON 只是整场发布会最抢眼的部分。真正值得行业关注的是小鹏试图构建的一套名为“物理 AI”的底层架构。这套架构包含第二代 VLA、Robotaxi、飞行汽车等技术突破，试图回答一个根本问题：如何让机器在真实世界中像人类一样，通过感知、理解与行动，自主应对复杂、动态、非结构化的环境？

我们一起来看看，小鹏宣传的物理 AI 有哪些特点？而被机器人争议遮蔽的发布会之后，还有哪些技术干货？

Robotaxi 和飞行汽车：小鹏的硬思考

在 2025 年小鹏科技日的叙事中，人形机器人 IRON 固然吸睛，但真正构成小鹏“物理 AI”战略落地试金石的却是另外两条更具现实挑战性的产品线——Robotaxi 与飞行汽车。

它们不仅是技术展示的窗口，更是小鹏能否将“涌现”理念从实验室推向真实世界的硬性考场。

首先映入眼帘的是即将于 2026 年投入试运营的三款自研 Robotaxi 车型。不同于行业普遍依赖激光雷达+高精地图的冗余方案，小鹏坚持走纯视觉路线，以第二代 VLA 大模型为核心，构建端到端的感知－决策－执行闭环。

这一看似激进的技术选择其实暗含考量：传统模块化方案依赖工程师对场景进行穷举并编写规则，而端到端方案则依赖模型接触海量真实场景后“悟”出通用规则。

为了验证这种泛化能力能否满足真实商业运营的要求，小鹏选择高德作为全球首个生态合作伙伴。通过接入高德的出行平台，小鹏的 Robotaxi 将直面真实、海量的用户出行需求。这意味着 AI 司机必须 7x24 小时不间断地应对极端天气、夜间昏暗光线、无保护左转、复杂城市立交等长尾场景。这些场景无法通过仿真完全复现，却恰恰是 L4 自动驾驶能否商业化的分水岭。

与此同时，面向个人市场的“Robo”智驾版本也构成了其技术演进的数据飞轮。该版本搭载于高端量产车（如 X9Ultra），在为用户提供顶级智驾体验的同时收集覆盖范围更广、场景更丰富的人类驾驶数据。数万乃至数十万用户在日常驾驶中产生的 cornercase 数据将实时反哺 Robotaxi 的 L4 算法训练，加速其在长尾场景中的泛化能力。这种 B 端 C 端共进的协同路径也将赋予小鹏区别于 Waymo 等纯 Robotaxi 公司的独特优势。

如果说 Robotaxi 是在二维平面上扩大战场，那么飞行汽车就是在三维空间里挑战极限。飞行汽车不仅要应对风切变、气流扰动、空域冲突等传统航空难题，还需在城市楼宇间实现厘米级精准起降、自动避障与路径规划。

小鹏汇天构建了两套飞行体系。陆地航母是面向个人低空飞行的分体式飞行汽车；A868 则是一款全倾转混电飞行汽车，采用 6 人座舱设计，更侧重于多人的高效城际出行。

据悉，小鹏汇天的陆地航母订单超 7000 单、量产工厂试产、2026 年规模化交付；A868 飞行汽车巡航速度超 360km/h、续航超 500 公里，进入飞行验证阶段。

并且，敦煌市政府与小鹏汇天签署战略合作协议，打造西北首条低空自驾旅游线路。该营地首期规划建设五个专属飞行营地，首批计划 2026 年 7 月试运营。路线以鸣沙山月牙泉为起点，串联月牙泉小镇、光电博览园、阳关玉门关旅游区，终点至雅丹世界地质公园。

可以说，小鹏 Robotaxi 和飞行汽车都已经从技术概念进入了落地阶段，是“物理 AI”体系在现实世界的一次关键硬考。如果这一阶段能够站稳，说明 VLA 的基础逻辑具备现实可行性；如果暴露大量行为不可靠问题，则说明路线本身仍需大量调整。

而深入分析不难发现，这几款产品背后的底层逻辑是共通的。

它们都享有同一个大脑——第二代 VLA。

物理 AI 的大脑：第二代 VLA

如果说小鹏过去几年在智能驾驶领域的积累是量变，那么第二代 VLA 的推出则标志着一次彻底的质变。

与传统 VLA（Vision-Language-Action）不同，小鹏的这条技术路线直接跳过了 L（语言转译）的步骤，实现了从视觉信号到动作指令的端到端直接生成。

在过去，视觉输入通常需先转化为语义描述（例如“前方有行人正在横穿马路”），再由语言模型推理后生成动作指令（如“减速、停车”）。这种范式虽结构清晰，却引入了信息损耗、延迟和语义歧义，尤其在高速动态场景中成为性能瓶颈。

小鹏的第二代 VLA 则摒弃了这一中间层，直接从原始视觉信号端到端生成控制动作。摄像头看到的画面经过神经网络处理后直接输出方向盘转角、油门/刹车力度、飞行器倾转角度等物理执行指令。“所见即所控”的设计极大提升了系统的反应速度、拟人化程度与环境适应性。

据悉，为了训练这一模型，小鹏累计使用了近 1 亿 clip 的真实场景数据，相当于一名人类司机连续驾驶 65000 年所可能遇到的所有极限情况总和。

而透过第二代 VLA 的发布，我们能看见一个极有野心的“全产品引擎”技术路线。

端到端理念本身并不新鲜。早在自动驾驶早期，学术界就提出过纯端到端的驾驶模型。但过去这类系统往往局限于封闭赛道或特定工况，难以跨平台、跨任务迁移，更遑论同时驾驭轮式车辆、飞行器乃至双足机器人。

小鹏则打破这一边界，将第二代 VLA 作为全产品线的统一智能引擎进行设计：在 Robotaxi 上，它处理复杂城市场景中的社会交互与无图导航；在飞行汽车中，它解析三维空域结构、气流扰动与起降姿态；在人形机器人 IRON 体内，它协调 82 个自由度的仿生运动与精细操作。

值得注意的是，第二代 VLA 是小鹏首个量产物理世界大模型。得益于这一突破，小鹏在算力 2250TOPS 的 Ultra 版车型上部署了参数规模十亿级的模型，远超过行业普遍采用的千万级参数车端模型。

不过这条路线光有大脑还不够，强大的芯片和充足的算力才是支撑这套系统稳定运行的底层基座。

物理 AI 的心脏：图灵 AI 芯片和智算集群

再聪明的大脑也需要一颗强劲的心脏。在小鹏构建的物理 AI 体系中，这颗“心脏”正是其自研的图灵 AI 芯片。

作为本次科技日的重要发布之一，图灵芯片采用专用 NPU 架构，单颗算力高达 750 TOPS，不仅满足车规级可靠性要求，还将全面搭载于小鹏 Robotaxi、飞行汽车、人形机器人 IRON 等全系产品，形成统一的端侧 AI 计算平台。这意味着，无论智能体以何种形态存在，其底层执行单元都共享同一套高性能、低延迟的计算标准。

但仅有端侧心脏还不够。为了让物理 AI 持续进化，小鹏同步打造了国内汽车行业首个万卡级智算集群——“星云”。该集群目前已扩展至 3 万张 GPU 的规模，专用于自动驾驶、具身智能模型的训练、仿真验证与云端协同推理，为第二代 VLA 提供源源不断的智能血液。

图灵芯片与“星云”集群的结合构成了一个从训练到部署、从云端到终端的完整闭环：大模型在“星云”中学习海量真实世界数据，生成策略；图灵芯片则在终端高效执行这些策略，并将运行中产生的新数据反馈回云端，驱动下一轮迭代。

由此，第二代 VLA 所代表的物理 AI，不再只是实验室中的概念模型，而是一个真正具备跨场景、可量产、能进化能力的技术体系。

可以说，小鹏今年的科技日透露出一个信号：它要用同一种逻辑去解释世界，让机器基于同一种理解方式行动。

这就是小鹏关于未来十年的野心——构建一个物理 AI 体系。

所谓“物理 AI”，并非仅在虚拟环境中运行的算法模型，而是能够真正嵌入现实物理世界、与环境持续交互、并在动态复杂场景中自主行动的智能体。它要求 AI 不仅看得见，还要想得通、做得准，理解重力、摩擦、气流、社会规则等真实世界的约束，并在此基础上做出安全、高效、拟人的行为。

从这个角度看，机器人的争议会很快过去，短视频的热度终将消散。但物理 AI 到底能不能真正让机器理解世界、在城市和空域里行动，将是未来几年真正值得追的故事。

而对于小鹏而言，真正的考验才刚刚开始，如何将发布会中的愿景转化为现实、在未来十年中开花结果是目前最大挑战，也是我们持续关注的焦点。