小鵬 VLA 2.0 vs Tesla FSD：中國城市測試、爭議同真實實力

電動車自動駕駛競爭近年越來越激烈，而中國車企小鵬（XPENG）最近推出嘅 VLA 2.0（Vision‑Language‑Action 2.0）智能駕駛系統，因為一段對比 Tesla FSD 嘅測試而引起大量討論。

小鵬宣稱：喺中國城市道路實測中，VLA 2.0 需要人手接管嘅次數明顯少過 Tesla。但外界亦即刻提出疑問——呢個比較到底公平唔公平？

小鵬嘅主張：接管次數少得多

喺一次公開宣傳嘅對比測試入面，小鵬表示：

• 一部 XPENG P7（VLA 2.0） 只需要 2 次人工接管
• 一部 Tesla Model 3（FSD） 則需要 7 次接管

兩架車行走嘅都係中國城市道路。小鵬用呢個結果指出，VLA 2.0 喺複雜城市交通中表現更好。

「人工接管次數」係自動駕駛測試常見指標，因為只要系統無法安全繼續駕駛，駕駛者就必須介入。

不過呢個測試公開資料其實唔多，例如：

• 路線長度同難度
• 當時交通密度
• 兩部車用嘅軟件版本
• 是否重複多次測試
• 有冇第三方驗證

因此好多分析認為，呢個更似係一次 示範（demo），而唔係嚴格嘅科學測試。

爭議點：Tesla 中國版 FSD 功能較受限制

最大嘅爭議其實係 版本差異。

目前 Tesla 喺中國提供嘅 FSD 版本仍然比較受限制，功能同最新美國版本有差距。

報道指出，測試使用嘅係 中國版本 FSD V13，而 Tesla 喺其他市場仍持續更新更先進版本。

呢個差異可能影響幾個重要因素，例如：

• 高精地圖與道路資料
• 本地交通行為訓練數據
• 新功能推出速度

所以有分析指，如果將 為中國道路優化嘅本地系統，同 受監管限制嘅海外系統版本直接比較，結果未必能完全代表雙方真實實力。

VLA 2.0 技術：用一個 AI 模型完成全部決策

VLA 2.0 最大賣點係架構。

傳統自動駕駛系統一般分成幾個步驟：

1. 感知（識別車輛、行人、車道）
2. 場景理解
3. 路徑規劃
4. 車輛控制

小鵬表示 VLA 2.0 將呢啲流程大幅簡化，變成 單一端到端 AI 模型，可以由視覺輸入直接生成駕駛動作。

同時系統亦取消咗多模態模型中常見嘅「語言轉換」步驟，直接將感知訊號變成控制指令。

公司將呢個模型稱為 「物理世界大模型」，目標係令 AI 可以像人類一樣理解真實交通環境並作出反應。

訓練規模：數據與算力

根據公司資料同產業報告，VLA 2.0 嘅 AI 訓練規模包括：

• 雲端模型約 720 億參數
• 約 1 億段駕駛影片數據
• 車載運算能力約 2,250 TOPS

小鵬表示呢批數據相當於 數萬年人類駕駛經驗，不過相關數字主要來自公司估算，未有第三方完全驗證。

VLA 2.0 已經喺 2026 年 3 月開始透過 OTA 更新推送到部分車型，例如 P7、G7 同 X9 嘅高階版本。

媒體試車：表現流暢，但仍未完全追上 Tesla

部分媒體試車後對系統評價頗高。

有記者喺北京進行示範試駕，喺 約 40 分鐘嘅繁忙城市交通中，完全唔需要人工接管一次。

不過其他評測亦指出幾個仍然需要改進嘅地方，例如：

• Tesla FSD 整體成熟度仍然更高
• VLA 2.0 有時依賴車道級地圖
• 一些極端情況仍未充分驗證

整體而言，多數評價都將 VLA 2.0 視為 快速追趕 Tesla 嘅強勁對手，而未必係明顯領先者。

小鵬 CEO：目標 2026 年在中國超越 Tesla

小鵬創辦人兼 CEO 何小鵬對自家系統相當有信心。

佢公開表示，公司目標係 2026 年 8 月 30 日前，在中國市場超越 Tesla FSD 的表現。

基準係達到 Tesla 在美國使用嘅較新版本 FSD 所提供嘅駕駛體驗，例如矽谷測試嘅 FSD V14.2。

再長遠一點，小鵬亦提到 VLA 架構有機會支援 Level 4 自動駕駛，但實際時間仍要視乎技術成熟度同監管批准。

自動駕駛競賽：差距正在縮小

多年來 Tesla 一直被視為消費級自動駕駛技術嘅標杆。

但隨住中國車企累積大量駕駛數據、AI 算力同快速 OTA 更新能力，行業競爭格局正在改變。

VLA 2.0 呢次對比測試未必係最終結論，但至少說明一件事：

自動駕駛競賽，已經唔再只係矽谷一個地方主導。