小鹏 VLA 2.0 vs 特斯拉 FSD：中国测试、争议与真实差距

• 具体路线长度与复杂度
• 交通流量和时间段
• 使用的软件版本
• 是否多次重复测试
• 是否有第三方独立验证

因此，这更像是一种 展示型对比，而不是严格的科学基准测试。

为什么有人认为这次比较“不完全公平”

批评者主要指出一个背景：

特斯拉在中国运行的 FSD 版本目前比美国版本更受限制。

报道显示，本次比较中的特斯拉系统大致是 FSD V13 的中国版本，而特斯拉在美国已经持续更新更先进的版本。

这种差异可能来自多种因素：

• 地图和数据合规限制
• 本地驾驶行为数据不足
• 功能发布节奏不同

因此，一些分析人士认为：

一个针对中国道路深度优化的本土系统，与一个受限制的海外版本比较，可能无法完全代表双方真实实力差距。

VLA 2.0 的关键技术变化

VLA 2.0 最大的变化在于 架构思路。

传统自动驾驶系统通常是分阶段处理：

1. 感知（识别车辆、行人、车道线）
2. 场景理解
3. 路径规划
4. 车辆控制

小鹏表示，VLA 2.0 将大量流程 整合进一个端到端模型，让系统直接从视觉输入生成驾驶动作。

该模型采用一种新的“视觉‑隐式 Token‑动作”路径，甚至 去掉了传统多模态模型中的“语言中间层”，实现从视觉信号直接生成控制指令。

公司将其称为一种 “物理世界大模型”，目标是让 AI 像人类一样理解并预测真实道路环境。

数据规模与算力基础

根据公司资料和行业报道，VLA 2.0 的训练规模包括：

• 云端模型约 720 亿参数
• 约 1 亿段驾驶视频数据 用于训练
• 车端算力约 2250 TOPS

小鹏表示，这些数据相当于 数万年的人类驾驶经验，不过这一估算来自公司自身测算，目前尚未有独立机构验证。

VLA 2.0 已从 2026 年 3 月开始通过 OTA 推送，应用在 P7、G7、X9 等车型的高配版本上。

媒体试驾：很强，但未必全面领先

多家媒体的试驾反馈普遍认为 VLA 2.0 表现令人印象深刻。

例如，一位记者在北京复杂城市交通中 连续约 40 分钟未进行一次接管，系统表现平稳且决策自然。

不过一些评测也指出局限，例如：

• 特斯拉 FSD 整体成熟度仍更高
• VLA 2.0 在某些场景较依赖高精地图或前车
• 极端突发场景的能力仍需更多验证

综合评价通常是：

VLA 2.0 是一个快速追赶中的强劲竞争者，但尚未形成绝对领先。

小鹏设定的“超越特斯拉”时间表

小鹏管理层对目标表达得非常直接。

公司创始人兼 CEO 何小鹏表示，小鹏计划在 2026 年 8 月 30 日之前，在中国市场实现自动驾驶能力超越特斯拉 FSD。

他的对标目标，是特斯拉在美国（例如硅谷测试）所展示的 FSD V14 级别驾驶体验。

在更长期规划中，小鹏还表示 VLA 架构未来有望支持 Level 4 自动驾驶，但实现时间仍取决于技术成熟度与监管审批。

更大的趋势：自动驾驶竞争格局正在变化

长期以来，特斯拉一直被视为消费级自动驾驶技术的标杆。

但中国电动车厂商正在快速追赶，尤其是在：

• 大规模驾驶数据
• 高速软件迭代
• AI 大模型研发

VLA 2.0 的争议性对比或许不是最终答案，但它确实揭示了一个趋势：

自动驾驶技术的竞争，已经不再只由硅谷主导。