北京
一輛聲稱已接近完全無人駕駛的車，會在城市車流里突然請求你握住方向盤。這事聽起來像功能故障，然而試乘過的人反而覺得它安全、高效，甚至有點高級。
今年春天，小鵬汽車宣布其視覺-語言-行動模型VLA 2.0，是中國首個具備L4級潛力的AI駕駛方案。這個節點前，公司已設定2027年將該系統推向全球。消息一出，外界最關心的問題只有一個：它不是真正的無人駕駛，憑什么說自己離L4那么近？
小鵬通用智能中心負責人劉賢明博士在與Mashable的對話里，給出了一個讓同行難以忽略的解釋：“一旦你著手解決AI問題，一切就都變了。”他口中的AI問題，并非過去業界討論的自動駕駛框架，而是物理AI。這個分野，在他看來決定了從輔助駕駛到真正無人駕駛的那最后一跳。
L4是什么，難在哪
根據SAE國際的分級，駕駛自動化被分成六個臺階：從L0全人工，到L5全場景無需駕駛員。目前市面跑得最勤的特斯拉“完全自動駕駛（監督版）”，實則卡在L2。它的名字變遷本身就成了一個行業段子：曾因“全自動駕駛”措辭被指誤導，先加“監督”后綴，入華再更名為“特斯拉輔助駕駛”。
沖到L3的廠商也有。梅賽德斯-奔馳2024年在美國對部分車主開放了有條件自動駕駛，奈何只能在特定高速公路、晴朗白天啟用，實用性大打折扣。因此，能處理龐雜現實道路的L4，才是量變到質變的那個高水位線。
劉賢明把L4難突破的原因歸結為：過去的輔助駕駛系統，本質是在處理“駕駛”問題，而物理AI需要模型真正看懂三維世界，并做出連鎖反應。以VLA 2.0的前身——小鵬L2級導航引導駕駛系統NGP為例，它圍繞駕駛任務做了大量專項優化，可一旦遇到從未標注過的場景，邊界感就格外明顯。VLA 2.0則走了一條不同的路：借助視覺-語言-行動的聯合建模，讓車不僅感知物體，還能理解語義，進而規劃動作。
從一次試乘看“幾乎就位”意味著什么
Mashable記者在一輛搭載VLA 2.0的小鵬P7里，體驗了北京實際路況。寬闊的城市干道、路面坑洼的鄉間小路、密集穿行的行人和電動自行車，這輛車都以極少的駕駛員干預平滑通過。更讓人意外的是，所有乘客下車后，它還能自己完成泊車。
不過，實錄里出現了兩次必須由人類接管的情形。這恰好印證了VLA 2.0還不是完全自動駕駛系統。在徹底移除人類駕駛員這件事上，Waymo和特斯拉的自動駕駛出租車都曾發生令人擔憂的安全事件，小鵬也不聲稱此刻就要越過雷池。然而全程下來，記者給出的評價是：安全、高效，甚至奢華。
這種“非完全無人卻感受到高級感”的反饋，指向一個關鍵信號：過去我們習慣用“能不能脫手脫眼”作為判斷標準，但VLA 2.0帶來的可能是更早一層的價值——讓輔助駕駛的連續性體驗，接近過去只有L4宣傳片里才有的狀態。換句話說，它先解決了“像人一樣開車”的難題，而“沒有人開車”只是這個邏輯的自然延伸。
物理AI怎么改變一個公司的全球節奏
劉賢明把VLA 2.0的轉變稱為根本性變化。NGP階段，團隊目標始終錨定在自動駕駛；而轉向物理AI后，需要理解的不再是方向盤和油門，而是整個動態物理世界。這個變化直接推高了數據需求、算力架構和模型訓練方法。
一個可感知的結果是全球化時間表。小鵬宣布VLA 2.0在2027年全球落地，意味著這套模型不僅要適應中國城市的混行習慣，還要在復雜程度不同的海外交通環境里保持體感一致。這對仍然依靠高精地圖或規則代碼的方案近乎不可能，但對于以視覺-語言-行動為底座的AI來說，泛化到新環境更像是模型迭代，而非重建一套系統。
關于L4，行業有過太多先亮招牌再找路徑的案例。小鵬這次稍有不同：它用一個記者實測過、但仍需接管的系統，告訴市場自己靠的是物理AI，而不是營銷話術。當大部分對手還在把L4當遠期愿景時，它已經讓人坐進去試了。這或許比空談全自動駕駛更讓供應商和用戶信服。
至于完全移除駕駛員那一步何時邁出，劉賢明沒有給出絕對承諾。他只是重復了那個物理學般冷靜的判斷：一旦是在解決AI問題，一切都會變。言下之意，VLA 2.0不是終點，而是讓問題類型發生了遷移。而那個關于L4的最終答案，需要等物理AI交出自己的下一份作業。
特別聲明：以上內容(如有圖片或視頻亦包括在內)為自媒體平臺“網易號”用戶上傳并發布，本平臺僅提供信息存儲服務。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
