核心观点 - 小鹏汽车在CVPR 2025上首次验证了Scaling Law在自动驾驶VLA模型上的有效性，展示了其"自动驾驶基座模型"的技术突破[1][46] - 公司通过720亿参数的云端VLA大模型+车端蒸馏小模型架构，实现了无规则代码托底的纯AI司机能力，决策丝滑度显著超越传统方案[4][30][42] - 新技术路线突破L2端到端局限，以"世界模型+强化学习"构建具备链式思考(CoT)能力的AI驾驶系统[18][38][40] - 量产车G7搭载3颗自研图灵AI芯片(2200TOPS)，成为首款实现"VLM大脑+VLA小脑"架构的L3级AI汽车[22][53][55] 技术架构 - 云端基座模型：720亿参数VLA大模型，骨干网络采用LLM架构，已训练2000万条30秒视频片段，验证Scaling Law效应[30][43][46] - 车端部署：通过知识蒸馏将云端能力迁移至车端小模型，解决直接训练小模型的模态坍塌问题，实现5天/次迭代周期[42][46][47] - 世界模型：开发中的实时建模系统可生成corner case训练数据，模拟智能体博弈行为，强化基座模型能力[39][40] - 芯片算力：自研图灵AI芯片单颗等效3颗主流芯片，G7搭载3颗达2200TOPS，超算集群达10 EFLOPS(效率90%)[50][51][53] 能力验证 - 无规则驾驶：完全依赖基座模型完成加减速、变道绕行、红绿灯等待等任务，无紧急避险动作[4][7][14] - 复杂场景：成功通过福州特殊路口(两树间车道)、雨天窄路违停绕行、施工区突遇汇入货车等极端场景[15][17][11] - 决策优势：相较传统方案(触发急刹概率高)，新系统在目标距离/速度临界区间仍保持丝滑通过率[15][17] 行业突破 - 技术路线：首创"云端大模型+车端蒸馏"架构，突破L2端到端黑箱局限，实现可解释的链式思考能力[23][26][60] - 量产应用：G7成为行业首款搭载VLM(车辆大脑)+VLA(运动小脑)的量产车，定义AI汽车新标准[55][56][57] - 通用能力：技术体系已扩展至机器人、飞行汽车领域，形成具身智能统一解决方案[64][65] 数据表现 - 训练数据量达2000万条30秒视频片段[43] - 云端模型参数量720亿，车端模型通过蒸馏实现能力迁移[30][42] - 超算集群算力10 EFLOPS，迭代周期5天/次[50] - 量产车G7算力2200TOPS(3颗自研芯片)[53]