小鹏豪赌500亿：为什么说“语言是毒药”，要革了自动驾驶的命？

在一场愈演愈烈的技术和舆论战中，中国车企小鹏汽车公开了其挑战特斯拉自动驾驶霸主地位的蓝图。在2026年6月的计算机视觉与模式识别大会（CVPR）上，小鹏详细阐述了一种激进的AI架构，该架构抛弃了大多数机器人系统的核心组成部分——语言。结合其公开的惊人年度训练开支，小鹏正在证明，其下一代技术路线不仅与众不同，而且从根本上更快、更可靠。

小鹏的AI负责人、通用智能中心主管刘宪明博士在接受美国电动汽车媒体Electrek采访时透露，公司每月在AI模型训练上的花费约为3亿元人民币，折合年化5亿美元 。这个数字仅仅涵盖了训练自动驾驶模型的原始算力成本，不包括公司整体的AI研发预算。小鹏的AI相关总研发投入在2025年约为6.52亿美元，并预计在2026年随着野心的扩大攀升至约9.7亿美元 。

CVPR 2026上的VLA 2.0：移除“语言”瓶颈

小鹏在CVPR 2026上的重头戏是正式介绍了其第二代视觉-语言-行动模型——VLA 2.0。该架构从根本上背离了许多AI系统（包括小鹏自己的第一代模型）处理驾驶任务的方式 。

在传统的VLA流程中，系统遵循一个顺序过程：汽车看见路况，将视觉感知转化为类语言的数据块（token），然后对这些语言数据块进行推理，最终生成驾驶动作。刘博士将这个中间步骤描述为关键弱点，并直言不讳地表示，“语言是毒药” 。他的论点是，在需要毫秒级反应的驾驶过程中，语言数据块会引入固有的延迟，并注入不相关的语义噪声。

VLA 2.0模型彻底消除了这个瓶颈。它采用了公司所称的**“视觉-隐式数据块-行动”** 路径，实现了从原始视觉输入直接端到端生成驾驶指令，中间没有任何语言表述环节 。虽然系统仍然可以接受语言作为输入——例如驾驶员的导航指令或语音命令——但在驾驶行为过程中，它绝不会将语言数据块作为内部输出自行生成 。小鹏在CVPR展台上展示了该系统，并搭配了一个实体AI世界模型，其相关研究论文《DrivePTS》也已被CVPR收录。

宣称追平，继而要超越特斯拉FSD

小鹏的领导层从不避讳与特斯拉进行直接比较。他们在2026年春夏之际的一系列表态，标志着其信心的急剧攀升。刘博士在6月的采访中表示，小鹏在中国市场上已经实现了对特斯拉FSD v13的追平，并且追平更新版FSD v14的性能“有望在夏天结束前实现” 。

这些技术主张背后，还有来自最高层的不同寻常的个人承诺。早在2025年12月，CEO何小鹏就立下了一个公开的“性能赌约”，宣称小鹏的VLA系统必须在2026年8月30日前，在中国路况下的体验达到特斯拉FSD v14.2在硅谷的水平 。赌注很明确：如果团队失败，负责人要“裸奔” 。

为了支撑这一叙事，小鹏在2026年5月发布了一段对比视频，邀请两位美国的特斯拉爱好者来到中国。这场精心安排的对比测试，让搭载VLA 2.0的小鹏P7与一辆搭载FSD的特斯拉Model 3在北京的相同路线上进行较量。根据小鹏剪辑的视频，其车辆仅需驾驶员接管2次，而特斯拉则需要7次 。尽管何小鹏在包括2026北京车展在内的多个场合重申，目标是在8月前在中国市场全面超越特斯拉FSD，但独立评测则提醒需保持谨慎。一位在北京测试过VLA 2.0的Electrek编辑评价其性能与FSD v14“相当”，但指出两套系统都仍需驾驶员时刻专注，远未达到完全自动驾驶的水平 。

眼下，这场竞赛仍是一场由大胆架构赌注和更激进口号所定义的高速追逐。小鹏决定从它的驾驶大脑中将语言剔除，是押注“从视觉到行动的最快路径是一条直线”——即便这意味着把字典扔出窗外。