斬斷語言經脈：小鵬VLA 2.0點樣用500億港元賭注顛覆Tesla FSD

CVPR 2026主角：點解要殺死「語言」呢個步驟？

小鵬喺CVPR 2026嘅重頭戲，係正式介紹佢哋嘅第二代「視覺-語言-動作」模型，簡稱VLA 2.0。呢個新架構做咗一個好反常識嘅決定：將「語言」呢個核心步驟一刀切 。

語言本來係靈魂，點解變咗「毒藥」？

喺傳統嘅VLA技術路線入面（包括小鵬自己嘅第一代系統），成個自動駕駛流程係咁嘅：鏡頭影到路面情況 -> 將呢啲視覺訊息轉化做類似語言嘅Token（標記）去理解 -> 再根據呢啲「語言化咗嘅理解」去推理 -> 最後先轉化做揸車指令（例如扭軚、煞車）。

但劉賢明博士就直接踩入嚟話呢種做法係錯嘅。佢接受訪問時好坦白咁講咗句：「語言係毒藥」。點解咁講？因為喺真實嘅馬路上，零點幾秒嘅延遲已經可以釀成意外。當系統仲要花時間將影像變成文字、再閱讀文字去推理，呢個過程會引入先天嘅滯後（Latency），仲會帶嚟一堆對駕駛嚟講完全無用嘅語義雜音。

「視覺-隱含Token-動作」直接出招

VLA 2.0嘅做法就係乾脆唔要中間人。佢哋採用咗公司內部稱為**「視覺-隱含Token-動作」（Vision-Implicit Token-Action）**嘅路徑，直接由最原始嘅視覺訊號，一跳就去到駕駛指令，中間完全唔會產生任何語言形式嘅內部輸出 。

咁個系統仲聽唔聽得明人話？聽得明。呢個架構嘅重點係「內部運作」唔用語言，但佢依然可以接受語言作為「輸入指令」，例如司機開口講「去機場」或者撳Mon輸入導航地點，呢啲指令佢全部照單全收。只係喺執行駕駛呢個動作嘅過程入面，佢唔會自己同自己講嘢（唔會生成語言Token），直接由「眼」到「手」一氣呵成 。

喺CVPR會場，小鵬仲實體展示咗呢套系統同一個物理AI世界模型，相關研究論文《DrivePTS》亦都畀大會正式收錄 。

同Tesla正面交鋒：由「追平」到「超越」嘅口水戰

小鵬高層對住Tesla FSD（Full Self-Driving）嘅比較，喺2026年春夏之間可以話係步步進逼，信心爆棚。

劉賢明博士喺6月嘅訪問入面好堅定咁話，小鵬喺中國市場已經追平咗Tesla嘅FSD v13版本，而且「喺暑假完結之前」好有機會追到更新更勁嘅FSD v14版本 。

呢啲技術宣稱嘅背後，仲有嚟自最高層嘅私人賭注。2025年12月，CEO何小鵬就公開立咗一個「表現對賭協議」（Performance Wager）：到咗2026年8月30號，小鵬嘅VLA系統必須要追到Tesla FSD v14.2喺美國矽谷嘅路面體驗水平 。呢場賭局嘅代價講到好白：如果團隊做唔到，負責人要「裸跑」。

為咗證明自己唔係得把口，小鵬喺2026年5月仲搞咗場「武林大會」。佢哋專登請咗兩個美國嘅Tesla超級粉絲飛超過一萬公里嚟北京，將一架裝咗VLA 2.0嘅小鵬P7同裝咗FSD嘅Tesla Model 3擺埋同一條北京路線做正面對決。根據小鵬自己剪輯嘅片段，佢哋架車全程只需要司機接手2次，而Tesla就要接手7次 。

雖然何小鵬喺2026年北京車展等場合都不斷強調，目標係喺8月全面超越中國市場嘅Tesla FSD，但外界嘅實測就提醒大家要保持冷靜 。《Electrek》嘅編輯喺北京親身試完VLA 2.0之後，形容佢嘅表現同FSD v14「差唔多」，但補充咗好重要嘅一點：無論係邊套系統，司機都要全程𥄫實晒，隨時候命接手，遠遠未到可以放心完全自動駕駛嘅階段 。

總結：賭上字典嘅終極直線思維

小鵬呢場賭局，本質上係一次好大膽嘅技術路線抉擇。佢哋嘅工程師相信，由視覺到行動之間最快嘅路徑就係一條直線——哪怕咁樣做代表要將成部字典丟出車窗外面。喺自動駕駛呢個競賽入面，掟錢嘅狠勁、架構嘅反叛、同埋對Tesla窮追猛打嘅姿態，已經令到小鵬成為咗2026年最唔可以睇小嘅挑戰者。而最後到底邊個要除衫裸跑，8月就會有答案。