问题——智能驾驶竞争进入“能力验证期” 近年来，智能驾驶关注点已从“有没有”转向“好不好用、敢不敢用”。城市拥堵、混行、夜间弱光、施工改道等高复杂场景下，辅助驾驶的稳定性与安全边界，成为用户选择和监管关注的重点。此外，海外头部企业在高阶自动驾驶体验上持续迭代，也让国内行业对“功能堆得多但体系能力不足”的隐忧更为突出。如何在不牺牲安全的前提下，实现更接近“类人驾驶”的决策与执行，成为行业必须回答的现实问题。 原因——从“规则拼装”到“数据驱动”的路线分化 传统方案多依赖分模块工程链路：感知、预测、规划、控制逐级传递，遇到边界场景时容易出现信息损耗、策略衔接不顺，系统表现也高度依赖规则覆盖与人工调参。随着城市道路长尾场景不断出现，单纯扩充规则库的收益逐渐下降，研发与验证成本却持续上升。小鹏上介绍，第二代VLA采用端到端神经网络思路，强化从视觉输入到动作输出的整体学习，减少中间环节的“翻译成本”，以提升对复杂交通行为的连续理解能力。与此同时，算力层面也从单纯“堆参数”转向更强调“有效算力”的利用率，通过软硬协同减少冗余计算，成为新的工程方向。 影响——公开实测推动行业从“营销叙事”转向“可重复验证” 围绕第二代VLA，小鹏采用多城市、多时段、多路况的公开体验与用户自发记录进行展示，覆盖主干道、老城区窄路、乡村道路及夜间混行等场景。这类方式在一定程度上减少了“只挑简单路段演示”的操作空间，促使行业把注意力回到可复现、可对比的能力指标上。对消费者而言，透明度提升有助于形成更稳定的使用预期：智能驾驶并非“开启即可放手”，而是需要理解系统能力边界并规范使用。对行业而言，公开验证也会倒逼企业完善数据闭环、测试体系与安全冗余，竞争焦点从单点功能回到系统工程能力。 对策——以安全为底线完善标准、测试与协同机制 受访业内人士指出，高阶智能驾驶落地需要“三个并行”：一是建立以安全为底线的分级责任机制，明确驾驶员注意义务、系统提示义务与功能边界；二是构建更贴近真实交通的测试评价体系，推进跨城市、跨气候、跨时段的场景库建设，并提高关键指标口径的一致性；三是在产业协同与合规之间做好平衡，围绕数据合规、软件更新管理、功能命名与宣传边界，建立更严格的行业自律与监管框架。企业层面也需持续投入算法、数据、芯片与整车控制的协同，避免“单点领先、系统短板”带来体验波动。 前景——技术输出信号显现，L4仍需跨越规模化与法规门槛 值得关注的是，智能驾驶方案的国际合作正在增多。小鹏上披露，其涉及的技术已获得海外车企合作，并推进量产搭载，这被市场视为国内智能驾驶从“市场换技术”走向“以技术拓市场”的信号。展望未来，行业竞争可能围绕两条主线展开：其一，端到端与传统分模块方案的融合演进，继续提升在极端与长尾场景中的稳定性；其二，从高阶辅助驾驶向更高自动化等级迈进所需的法规、责任与基础设施适配。业内普遍认为，真正意义上的L4规模化仍需要时间，取决于安全冗余、成本控制、运营体系与政策环境的综合成熟。
小鹏汽车VLA系统的研发与应用，反映了中国制造业在智能化、高端化方向的持续推进。此进展不仅展示了中国企业的自主创新能力，也为全球智能驾驶技术发展提供了新的思路与路径。随着科技与产业变革加速，中国汽车产业正以创新为牵引，向全球价值链高端稳步迈进。