撰文| 涂彦平
编辑| 张南
设计| 荆芥
“去年，我跟Xianming立下了一个有趣的赌约。今天，我想说一句：恭喜你们，硅谷食堂要来了！”2026年8月27日，小鹏集团董事长何小鹏在微博发文。此时距离一年前的赌约到期，还有三天。
这个赌约始于2025年12月11日，何小鹏在微博发文：如果在2026年8月30日，小鹏VLA在国内达到FSD V14.2在硅谷的整体效果，他会在硅谷筹建一个中国风味食堂；反之，小鹏自动驾驶负责人刘先明要在金门大桥裸跑。
赌约即将到期之际，8月27日，广州小鹏科技园，一场以“TIME 时间”为主题的物理AI分享会如期举行。
小鹏集团通用智能中心负责人刘先明站在台上，回应了那个一度被外界当作谈资的赌约：“一年前如果你问我目标是什么，我可能很直接地说我们想追上特斯拉。今天我更关心的不是我们和谁相比，而是我们能不能给出一个属于我们自己的答案。”
这话说得云淡风轻，但真正的变化藏在其间——小鹏要追逐的对象，从一辆车的自动驾驶系统，变成了一套横跨汽车、机器人等智能本体的技术底座。目标更大，也更远。
整场分享会的关键词是“物理AI”。这也是小鹏给自己贴上的一个新标签——“不仅是能做自动驾驶的车企、能造车的自动驾驶公司，更是一家物理AI公司”。
半年前，小鹏提出一个公式：物理AI能力=模型×算力×数据×本体。模型决定智能上限，数据提供世界经验，算力支撑训练与运行，本体让AI真正落地物理世界。四个变量相乘，意味着任何一环掉队，整体能力都会打折。
这句话的技术含义很清晰，财务含义同样直白：小鹏必须在模型、算力、数据、本体四条战线同时、持续地投入。单一环节的领先无法构成优势，系统性的短板才是真正的风险。
理解了这一点，就不难理解为什么这场技术发布会和一笔巨额融资挤在了同一周。
01
从空间到时间
第二代VLA升级的核心，是让模型第一次建立起对时间维度的理解。
刘先明说：“真实世界不是一张图片，而是一段连续发生的过程。”空间告诉模型“世界是什么样”，时间让模型开始理解“世界正在发生什么”。
小鹏物理世界基座模型，首次把“时间”纳入模型，AI理解世界的维度从3D空间跃迁至4D时空。
这个跃迁体现在三个层面：
记住过去。第二代VLA引入Infini-VLA长时序架构，可留存前30秒的道路场景信息。连续发生的道路事件不再被割裂成独立画面，模型能将此前发生的动作、位置和场景串联起来，形成完整的时序理解。
更快地响应现在。第二代VLA采用Streaming Inference（流式自回归推理），端到端响应速度提升300%。传统模型是“看→算→输出→再看”的离散模式，而第二代VLA能做到“边看、边想、边行动”的并行处理。
预判未来。小鹏X-Foresight预测世界模型首次上车，可预判6秒内场景变化，推演周边交通参与者未来的可能行为。Flow Matching技术的引入，让模型从单一确定性走向多解，生成的轨迹更自然，更拟人。
这三项能力叠加，再加上端侧模型参数量提升3.5倍——是主流VLA模型的15倍以上——使得多维综合安全能力提升20倍。
但这个数字并非理论上限，而是现阶段算力和数据分布共同划出的一道现实边界。Infini-VLA架构理论上能支持无限长的历史时序，但端侧实际部署被限制在30秒；X-Foresight最长可支持21秒的未来推演，最终只对外呈现6秒。
这些都是权衡后的产物，而非能力的终点。换个角度看，这也意味着未来的提升空间仍然可观。
02
数据与算力
数据端，小鹏给出的数字是单次训练数据吞吐量达到1.1亿clips，比半年前增长10倍。在此基础上，团队搭建了一套向量数据分析体系，用于从海量真实路况中挖掘长尾场景，比如，在乡村道路上礼让突然出现的羊群。
与此同时，仿真测试的规模也在扩张：过去两个多月，每日新增测试模型数量增长了290%。
这两个数字背后，是小鹏对“如何高效验证真实世界行为”这个问题的回答，即用仿真和向量检索提前发现问题。这是应对物理AI高昂的真实世界验证成本的一个合理解法。
算力则是另一块关键拼图。刘先明透露，小鹏图灵AI芯片开始具备更通用的本地AI推理承载能力。在图灵芯片之上可搭载XLLM通用大模型计算框架，所有推理都可以在单颗芯片上独立完成，“推理速度达到平均每秒超20 tokens”。
数据规模增长，模型训练效率提升，算力和工具链持续完善，越来越多真实世界的问题被纳入模型迭代，数据规模的护城河正在逐步形成。
小鹏的方法论很清晰：把在AI Infra领域的长期投入，沉淀为可持续复用的基础能力，让复利逐步显现。
03
从汽车到机器人
这种复用思维，还体现在“本体”这个词上。
如何让一套系统跨越不同本体，实现高效研发？刘先明的回答是：“我们尝试用同一套Infra，同样的一套软件体系，去支撑两套不同的平台——车以及机器人。”
过去几年，小鹏以自动驾驶作为第一个规模化应用场景，持续打磨覆盖数据、训练、仿真、评估、部署和算力的完整AI Infra体系。
这套体系的复用性，在第二代VLA的升级中已有所体现——不仅是智能辅助驾驶的升级，小鹏还用做机器人的方式重构了车机大脑，首次推出Master Agent，让整车第一次拥有统一的大脑。
但“一套AI底座已驱动两大具身智能产品”这句话，并不意味着目前车和机器人已经能共用同一套成熟能力。小鹏人形机器人IRON目前公开的信息，仍停留在“3颗图灵芯片、2250TOPS算力、可端侧自主完成复杂任务”的简单描述上。从技术展示到规模化商用，还有相当的距离。
这场发布会前三天，也就是8月24日，小鹏机器人业务完成首轮股权融资，超9亿美元，投后估值超63亿美元，创下中国具身智能行业单轮私募股权融资纪录，由IDG资本领投，高榕创投参投，腾讯、阿里巴巴跟投。
时间点或许只是巧合，但一场以技术底层突破为主题的发布会，紧跟在一轮刷新纪录的融资之后，两者互为印证，也再次呼应了那个公式的财务含义：物理AI是一场必须在四条战线上同时投入的长期工程，资本不是为单一变量买单，而是为一套系统、为一个更远的未来下注。
小鹏将技术发布与融资叙事捆绑在同一周，某种程度上是在向市场传递一个信号——这套飞轮不仅在技术上自洽，也值得持续投入。
04
答卷
演讲结束时，刘先明说：“我们其实一直把自己当成一家物理AI企业，这就意味着要有一套通用的框架，尝试用技术驱动，用底层框架的升级去解决最难的问题，逐渐把整个物理AI带给大家。”
这场发布会确实展示了小鹏在工程层面的真实进步：用架构创新去应对算力、时延、安全这三重物理世界的硬约束，而不是单纯堆参数——这是一条更难走但更可持续的技术路径。
但把镜头拉远，会发现小鹏真正想要回答的问题，其实已经从“智能驾驶能不能追上特斯拉”，悄悄升级成了一个更大也更难的问题：一套横跨汽车、Robotaxi、人形机器人乃至飞行汽车的统一物理AI底座，能否在规模化商用中真正完成闭环？
这个问题，眼花缭乱的技术术语回答不了，接下来一年的量产交付数据、Robotaxi的实际运营规模、机器人的商业化进度，才是真正的答卷。小鹏这次交出的，与其说是一份给自己的满意答复，不如说是一份更大考卷的开卷声明。
