问题：从“数字智能”走向“物理智能”，落地速度与安全边界如何平衡 随着大模型、传感器与计算平台持续演进，智能化正从互联网、内容生产等“数字场景”走向交通出行、家庭服务、工业制造等“物理场景”。这个过程中，自动驾驶汽车、人形机器人以及飞行汽车等载体，被视为未来数年推动智能经济增长的重要抓手。但与数字应用相比，物理世界具有不确定性强、风险外溢高、责任链条长等特点，技术突破、法规衔接与社会接受度成为产业规模化的共同门槛。 原因：技术迭代加快与场景复杂性叠加，驱动企业走向全栈能力竞争 何小鹏介绍，小鹏汽车第二代视觉语言动作模型辅助驾驶系统计划于3月下旬开启推送。其判断，随着高阶辅助驾驶功能普及，未来三到六个月用户对智能化体验的关注度将大幅提升，并可能重塑购车决策结构，进而带来产品溢价与市场格局变化。 在与特斯拉FSD的对比上，何小鹏认为，不同体系各有优势：在小路通行、复杂路况交互等更贴近国内道路特征的场景中，有关系统具备一定竞争力；在强化学习等部分能力上，国际头部企业仍保持领先。他同时提到，中外道路基础设施、驾驶习惯与交通参与者结构差异明显，海外部分地区路况相对简化，若能在更复杂、更广泛场景下实现同等水平，意味着系统泛化能力与安全冗余水平更提升。 在人形机器人上，何小鹏直言，其综合难度远高于汽车：不仅需要更精密的运动控制与多模态感知，还涉及与人近距离交互的安全设计、成本控制与可维护性。其核心判断是，自动驾驶若尚不能赢得用户信任，更复杂的人形机器人进入家庭和公共空间将面临更高心理门槛与监管压力。 影响：产业竞争从“功能堆叠”转向“能力体系”，政策与标准将影响落地节奏 业内普遍认为，辅助驾驶正从“高速场景可用”走向“城市全域可用”的关键阶段。若高阶能力规模化用户中稳定表现，将促使车企在算力平台、数据闭环、软件工程与安全验证上持续加码，行业竞争也将从硬件配置比拼转向算法与系统工程能力比拼。 同时，人形机器人热度上升带来资本与企业涌入，但也可能放大同质化问题。何小鹏预计，未来两三年行业或进入加速分化期，特别是在2027年至2029年，缺乏核心技术与商业化能力的参与者将面临出清压力。其指出，传统“集成式”研发在过去有效，但面向具身智能时代，企业需要硬件自研、软件自研与跨域融合能力，并同步构建面向市场的产品定义、渠道与服务体系。 对策：在稳住L2安全治理基础上完善L4规则，推动跨场景技术共用与分级验证 针对L4级自动驾驶的落地路径，何小鹏建议，在保持现有L2级安全监管体系相对稳定的前提下，加快明确L4车辆的注册、通行管理与责任边界，形成可操作的制度框架。他提出，可考虑政策从L2向L4加速衔接，减少模糊地带与重复验证成本，但前提是安全评估体系与事故追溯机制更为清晰。 企业层面，他强调以“平台化”能力支撑多终端落地的重要性：通过统一的芯片、操作系统与核心软件框架，提高不同产品形态之间的复用效率，降低研发与量产门槛。小鹏上表示，正推动自动驾驶与机器人研发在底层技术上协同，并把人形机器人聚焦于家庭、商业、工业等场景，提出在今年年底实现高等级人形机器人的量产目标；在产品方向上，拟人化外形与交互被认为有助于降低用户距离感，提升可用性与接受度。 前景：L4或在一至三年内加速到来，机器人产业将由“概念扩张”转向“交付竞赛” 关于自动驾驶发展节奏，何小鹏判断，在政策与产业合力推动下，L4级自动驾驶有望在未来一至三年加速落地，并对更高等级自动驾驶的中长期演进保持乐观预期。结合行业趋势看，未来一段时间的关键不在“是否能跑”，而在“能否安全、稳定、可规模运营”，包括数据合规、软件更新管理、极端场景验证与保险理赔机制等，都将成为落地“最后一公里”。 在人形机器人领域，下一阶段竞争焦点将从样机展示转向真实场景交付能力：能否在成本可控条件下实现长时间稳定运行，能否建立可复制的生产与售后体系，能否在安全规范下进入家庭与公共空间，将决定企业能走多远。行业洗牌并非简单的热度回落，而是从“技术试验”迈向“产业工程”的必经过程。
何小鹏的发言勾勒出自动驾驶与人形机器人的发展路径，也提供了较为清晰的战略判断；技术快速迭代之下，政策环境与企业的系统化能力将是决定性因素。未来几年，如何在技术突破与商业落地之间找到节奏，是所有参与者都绕不开的问题。