公司表示，这是中国汽车厂商首次通过**全栈自研（full‑stack in‑house development）**实现Robotaxi量产——从车辆平台、自动驾驶软件到计算芯片均由内部开发完成。

这款车基于小鹏的GX平台打造，并按照Level‑4（L4）自动驾驶标准设计。

所谓L4自动驾驶，是指车辆在限定条件和区域（例如特定城市道路）内，可以在无需人类接管的情况下完成驾驶任务。

与许多依赖外部技术供应商的自动驾驶项目不同，小鹏选择从底层技术到整车系统都自主开发，以便更好地控制成本、数据和系统优化。

四颗图灵AI芯片提供3000 TOPS算力

Robotaxi的核心计算平台由四颗自研“图灵”（Turing）AI芯片组成，总算力约为3000 TOPS（每秒万亿次运算）。

如此高的算力用于支撑自动驾驶系统的关键任务，包括：

• 环境感知：识别摄像头与传感器数据中的车辆、行人和道路结构
• 行为预测：判断周围交通参与者下一步可能动作
• 路径规划：计算最安全高效的行驶路线
• 车辆控制：将决策转化为转向、加速和制动操作

值得注意的是，这套系统采用以视觉为核心的自动驾驶方案。公开信息显示，小鹏的Robotaxi并不依赖激光雷达（LiDAR）或高精地图，而主要通过摄像头和AI模型实时理解道路环境。

VLA模型：从视觉直接生成驾驶动作

在软件层面，小鹏为Robotaxi部署了第二代VLA（Vision‑Language‑Action）大模型。

传统自动驾驶系统通常采用分阶段架构：先感知环境，再规划路径，最后执行控制。VLA模型试图将这一流程简化为端到端学习系统。

简单来说：

• 摄像头获取视觉信息
• AI模型理解交通环境
• 模型直接生成驾驶动作

这种方法通过大量真实驾驶视频和场景数据进行训练，使系统能够学习复杂交通环境中的驾驶行为。

小鹏将这一技术方向称为“物理世界AI（physical AI）”——即让AI直接与现实世界的车辆或机器人互动。

Robotaxi何时开始运营？

按照目前公布的计划，小鹏预计在2026年下半年启动Robotaxi试点运营，初期可能在广州等城市开展。

公司此前已获得在广州进行L4自动驾驶Robotaxi公共道路测试许可。

不过，大规模无人出租车服务仍需要时间。小鹏CEO何小鹏曾表示，完全自动驾驶可能在1到3年内实现，但这只是公司目标，并不等同于确定的商业化时间表。

实际落地仍取决于多个关键因素：

• 监管审批
• 大规模安全验证
• 运营成本是否可行
• 自动驾驶允许运营的城市范围

因此，业内普遍认为真正的规模化无人出租车网络更可能出现在本十年后期。

与特斯拉自动驾驶路线的竞争

小鹏Robotaxi战略的另一个重要背景，是全球自动驾驶竞争正在加速。

特斯拉的**Full Self‑Driving（FSD）**系统同样采用以摄像头为核心的感知方案，并通过海量车辆数据训练AI模型。小鹏的技术路径在某些方面与其相似。

两者的共同点包括：

• 视觉主导的自动驾驶技术路线
• 依赖大型神经网络进行驾驶决策
• 软硬件一体化的垂直整合策略

不同之处在于，小鹏正在尝试将Robotaxi作为专门设计的车辆进行规模化生产，并通过自研AI芯片进一步强化整车计算能力。

如果Robotaxi能够成功规模化运营，电动车市场的竞争逻辑可能发生变化：汽车公司不再只是销售车辆，而是运营AI驱动的出行平台。

最大挑战：规模化无人驾驶

Robotaxi量产是一个重要里程碑，但真正困难的部分仍然是规模化部署。

自动驾驶系统必须在复杂城市环境中长期、安全、低成本地运行，这涉及技术可靠性、监管政策以及商业模式等多重挑战。

小鹏目前已经构建起一套完整技术栈——从AI芯片到自动驾驶模型再到整车平台。但它能否真正建立大规模Robotaxi网络，还需要通过现实世界的长期验证。

可以确定的是：在电动车行业的下一阶段竞争中，决定胜负的因素将不只是电池或价格，而是AI能力与自动驾驶部署规模。

公司表示，这是中国汽车厂商首次通过**全栈自研（full‑stack in‑house development）**实现Robotaxi量产——从车辆平台、自动驾驶软件到计算芯片均由内部开发完成。

这款车基于小鹏的GX平台打造，并按照Level‑4（L4）自动驾驶标准设计。

所谓L4自动驾驶，是指车辆在限定条件和区域（例如特定城市道路）内，可以在无需人类接管的情况下完成驾驶任务。

与许多依赖外部技术供应商的自动驾驶项目不同，小鹏选择从底层技术到整车系统都自主开发，以便更好地控制成本、数据和系统优化。

四颗图灵AI芯片提供3000 TOPS算力

Robotaxi的核心计算平台由四颗自研“图灵”（Turing）AI芯片组成，总算力约为3000 TOPS（每秒万亿次运算）。

如此高的算力用于支撑自动驾驶系统的关键任务，包括：

• 环境感知：识别摄像头与传感器数据中的车辆、行人和道路结构
• 行为预测：判断周围交通参与者下一步可能动作
• 路径规划：计算最安全高效的行驶路线
• 车辆控制：将决策转化为转向、加速和制动操作

值得注意的是，这套系统采用以视觉为核心的自动驾驶方案。公开信息显示，小鹏的Robotaxi并不依赖激光雷达（LiDAR）或高精地图，而主要通过摄像头和AI模型实时理解道路环境。

VLA模型：从视觉直接生成驾驶动作

在软件层面，小鹏为Robotaxi部署了第二代VLA（Vision‑Language‑Action）大模型。

传统自动驾驶系统通常采用分阶段架构：先感知环境，再规划路径，最后执行控制。VLA模型试图将这一流程简化为端到端学习系统。

简单来说：

• 摄像头获取视觉信息
• AI模型理解交通环境
• 模型直接生成驾驶动作

这种方法通过大量真实驾驶视频和场景数据进行训练，使系统能够学习复杂交通环境中的驾驶行为。

小鹏将这一技术方向称为“物理世界AI（physical AI）”——即让AI直接与现实世界的车辆或机器人互动。

Robotaxi何时开始运营？

按照目前公布的计划，小鹏预计在2026年下半年启动Robotaxi试点运营，初期可能在广州等城市开展。

公司此前已获得在广州进行L4自动驾驶Robotaxi公共道路测试许可。

不过，大规模无人出租车服务仍需要时间。小鹏CEO何小鹏曾表示，完全自动驾驶可能在1到3年内实现，但这只是公司目标，并不等同于确定的商业化时间表。

实际落地仍取决于多个关键因素：

• 监管审批
• 大规模安全验证
• 运营成本是否可行
• 自动驾驶允许运营的城市范围

因此，业内普遍认为真正的规模化无人出租车网络更可能出现在本十年后期。

与特斯拉自动驾驶路线的竞争

小鹏Robotaxi战略的另一个重要背景，是全球自动驾驶竞争正在加速。

特斯拉的**Full Self‑Driving（FSD）**系统同样采用以摄像头为核心的感知方案，并通过海量车辆数据训练AI模型。小鹏的技术路径在某些方面与其相似。

两者的共同点包括：

• 视觉主导的自动驾驶技术路线
• 依赖大型神经网络进行驾驶决策
• 软硬件一体化的垂直整合策略

不同之处在于，小鹏正在尝试将Robotaxi作为专门设计的车辆进行规模化生产，并通过自研AI芯片进一步强化整车计算能力。

如果Robotaxi能够成功规模化运营，电动车市场的竞争逻辑可能发生变化：汽车公司不再只是销售车辆，而是运营AI驱动的出行平台。

最大挑战：规模化无人驾驶

Robotaxi量产是一个重要里程碑，但真正困难的部分仍然是规模化部署。

自动驾驶系统必须在复杂城市环境中长期、安全、低成本地运行，这涉及技术可靠性、监管政策以及商业模式等多重挑战。

小鹏目前已经构建起一套完整技术栈——从AI芯片到自动驾驶模型再到整车平台。但它能否真正建立大规模Robotaxi网络，还需要通过现实世界的长期验证。

可以确定的是：在电动车行业的下一阶段竞争中，决定胜负的因素将不只是电池或价格，而是AI能力与自动驾驶部署规模。