小鵬 Robotaxi 計劃解構：L4 自動駕駛的士、圖靈 AI 晶片，同 Tesla 爭 AI 出行未來

四枚圖靈 AI 晶片：3,000 TOPS 算力

Robotaxi 的計算核心來自 四枚小鵬自研的「圖靈（Turing）」AI 晶片，合共提供約 3,000 TOPS（每秒萬億次運算） 的車載算力。

這些算力主要負責幾個自動駕駛關鍵任務：

• 感知：理解相機及感測器數據，辨識道路與環境
• 預測：預估其他車輛、單車及行人的動作
• 規劃：計算最安全及有效率的行駛路線
• 控制：把 AI 決策轉化為轉向、加速與煞車

值得注意的是，這套系統採用 以視覺為主（vision‑centric）的自動駕駛方案，主要依賴相機與 AI 模型，而不是 LiDAR（激光雷達）或高精地圖。

VLA 模型：由畫面直接變成駕駛動作

在軟件層面，小鵬 Robotaxi 採用第二代 VLA（Vision‑Language‑Action）模型。這是一種把視覺資訊直接轉化為駕駛行為的 AI 架構。

傳統自動駕駛通常會分為幾個獨立步驟，例如：

1. 感知環境
2. 規劃路線
3. 控制車輛

VLA 的理念是讓 AI 透過大量真實駕駛影片與數據，端到端學習整個駕駛流程，從影像輸入直接生成操作指令。

小鵬把這類技術稱為「Physical AI（物理世界 AI）」，即 AI 不只存在於雲端，而是能直接控制車輛或機械在現實世界運作。

Robotaxi 何時真正上路？

根據公司計劃，小鵬會在 2026 年下半年開始 Robotaxi 試點營運，初期地點可能包括廣州等城市。

公司其實已經取得廣州的 L4 Robotaxi 公路測試許可。

不過，大規模無人營運仍需時間。小鵬 CEO 何小鵬曾表示，完全自動駕駛可能在 1 至 3 年內達到，但這只是公司目標，而非確定的市場推出時間。

實際落地還取決於多個因素，例如：

• 各地監管批准
• 大規模安全測試
• 車隊營運成本
• 可行駛區域逐步擴大

因此，業界普遍認為 真正大規模 Robotaxi 網絡較可能是本十年後期的事情。

與 Tesla 的自動駕駛競賽

小鵬 Robotaxi 計劃亦被視為對 Tesla 自動駕駛策略的一種回應。

Tesla 的 Full Self‑Driving（FSD）同樣依賴相機與大規模數據訓練 AI，而小鵬在某些策略上與其相似，但更強調 垂直整合（vertical integration）。

兩者的共同點包括：

• 以相機為核心的自動駕駛系統
• 大型神經網絡模型
• 車輛數據作為 AI 訓練來源

同時，小鵬正嘗試建立一套完整體系：

• 自研 AI 晶片
• 自動駕駛軟件
• 專用 Robotaxi 車型
• 未來的自動駕駛車隊營運

如果成功，電動車市場的競爭將不再只是「賣車」，而是變成 誰能營運最大規模的 AI 出行平台。

最大變數：能否真正大規模落地

Robotaxi 量產是一個重要里程碑，但距離真正普及仍有距離。

自動駕駛最大的挑戰仍然是：能否在複雜城市環境中 長時間安全運行並保持經濟可行。

小鵬已建立從晶片到整車的 AI 技術基礎，但最終結果仍取決於三件事：安全表現、監管批准，以及車隊營運成本。換句話說，未來中美車企之間的競爭，很可能會愈來愈像一場 AI 能力與部署規模的競賽，而不只是電動車本身。