小鹏汽车，用物理AI
重新定义从车到机器人的出行边界

跳过L3，直达L4：一次关于“技术路线勇气”的押注

小鹏在2026年做的最重要的一件事，不是发了多少款车，而是把第二代VLA的推送节奏和Robotaxi的L4示范运营绑在了同一条技术栈上。何小鹏的判断很直接：L2和L4未来会是同一套自驾系统和硬件体系，用户没有必要在L3的过渡态里反复纠结。这意味着小鹏选择了一条更陡的曲线——用L4的技术标准做L2的车型，让量产车在数据闭环中持续逼近更高的自动驾驶能力。

第二代VLA的关键变化在于去掉了传统架构里的“语言转译”环节，视觉信号直接到控制指令，端到端输出。参数规模达到数十亿，较行业平均水平提升超过一个量级。反映在体验上，最明显的是博弈顺滑度的提升：城中村窄路会车、无保护左转、电鸡穿行这些中国道路的“非标场景”，系统不再依赖大量人工规则去兜底，而是靠模型对物理世界的理解去做即时判断。当然，这种路线对算力和数据的要求也更高，这也是图灵AI芯片必须自研的原因。

Robotaxi的进展提供了另一个观察角度。小鹏悠游基于GX打造，4颗图灵芯片、3000TOPS车端算力，走纯视觉路线，不依赖激光雷达和高精地图。这套方案在单车成本上更有优势，跨城市部署时也不需要等待高精地图覆盖。广州全域L4示范运营资质的意义在于，它把Robotaxi从封闭测试推到了公开道路的商业模式验证阶段。车辆调度、乘客服务、安全管理这些运营层面的能力，会和算法能力一起接受真实场景的检验。

飞行汽车和人形机器人看起来离普通用户更远，但放在物理AI的框架里，逻辑是连贯的：三者共享图灵芯片、VLA技术栈和AI基础设施，区别只在于“本体”不同。IRON机器人搭载三颗图灵芯片，第二代VLA已经在机器人上跑通；陆地航母的飞控与感知系统同样受益于汽车业务积累的供应链与工程能力。这种技术复用不是概念上的协同，而是研发投入可以被多条产品线分摊的工程现实。

对普通购车者来说，物理AI最直接的体感不在发布会PPT里，而在一次OTA之后：城区NGP的变道是否更果断，窄路会车是否不再频繁退出，座舱里的AI小P是否能主动提醒你常走的那条路今天有施工。小鹏把2026年定义为“产品大年”，但真正决定长期口碑的，是这些细节能不能在几十万车主的日常使用中稳定复现。技术路线的勇气值得记录，体验的兑现才是终局。