小鹏MONAL03全球发布会小鹏MONA L03今晚全球上市 自动驾驶卷到今天，拼的可能已经不是“聪不聪明”，而是谁先把车从“会算题”做成“懂物理”。

刘先明这次的判断很明确: 自动驾驶本质是物理AI。 小鹏图灵第二代VLA模型的起点，不是语言理解，不是参数堆高，而是先去理解真实物理世界的运行规律。

这句话听着抽象，但意思其实很现实。 传统大语言模型处理的是文本。 物理AI处理的是连续视频流和传感器输入，输出的是连续驾驶控制信号，还得靠真实世界持续学习。 一个更像“会说”，一个更像“会开”，差别就在这。

所以小鹏这套模型架构，也不是把VLA单拎出来讲故事。 图灵第二代VLA把视觉、语言、车辆状态信息融合在一起，同时完成驾驶动作和世界模拟，再通过「VLA+世界模型」形成强化学习闭环。 刘先明把世界模型和VLA概括成“一体两面”，这话我觉得挺准: 一个负责更懂世界，一个负责更会行动，最后是互相抬升。

更狠的一点在数据。 这套模型不需要人工标注，直接用司机的action信号做监督，数据规模就能扩到亿级。 模型越大，数据越多，新能力就越可能自己长出来。 说白了，这比一堆精修标注样本更像真实自动驾驶该走的路。

还有个很现实的问题也被点到了。 海外智能驾驶训练数据不够，怎么办？ 世界模型去生成那些符合真实、连续、符合物理规律的训练数据，本质上就是在补全球泛化能力的底子。

最后这件事为什么值得多看一眼？ 因为小鹏图灵第二代VLA模型，不是只服务某一个阶段功能，它想打通的是L2辅助驾驶和L4自动驾驶的一套统一架构。 而搭载这套模型的L4级小鹏Robotaxi，已经正式启动员工内测。

如果这个方向成立，后面的比赛就不是“谁先把功能挂满”，而是“谁先把真实世界学明白”。这才是难的，也可能才是分水岭。

*图片经ai翻译小鹏汽车