小鵬 VLA 2.0 vs Tesla FSD：中國城市測試引發的爭議與真相

Tesla 的 Full Self‑Driving（FSD）長期被視為消費級自動駕駛技術的標竿。但中國電動車品牌小鵬（XPENG）近期推出的 VLA 2.0（Vision‑Language‑Action 2.0），正在挑戰這個地位。

在一場於中國城市道路進行的對比測試中，小鵬宣稱自己的系統表現優於 Tesla。不過，測試方式與公平性很快成為討論焦點。

小鵬的核心宣稱：接管次數更少

在官方宣傳的一段對比測試中，小鵬讓 搭載 VLA 2.0 的 P7 與 搭載 Tesla FSD 的 Model 3 在中國城市道路行駛。

結果顯示：

• 小鵬 P7：2 次人工接管
• Tesla Model 3：7 次人工接管

小鵬因此表示，在複雜的中國城市交通環境中，VLA 2.0 的表現優於 Tesla FSD。

在自動駕駛測試中，「人工接管次數」是一個常見指標，代表系統無法安全完成任務、必須由駕駛接手的時刻。

但這項測試公開資訊有限，例如：

• 測試路線的長度與複雜度
• 即時交通狀況
• 車輛軟體版本
• 是否重複測試多次
• 是否有第三方驗證

因此多數分析認為，這比較更像是一場 展示性測試，而非嚴格的標準化基準測試。

為何外界質疑測試公平性

爭議的核心在於：Tesla 在中國的 FSD 版本並非最新版本。

報導指出，此次比較中 Tesla 使用的是 中國版本的 FSD V13。

然而 Tesla 在美國仍持續推進更先進的版本，例如後續的 FSD 更新。版本差異可能受到多種因素影響，例如：

• 中國地圖與數據限制
• 當地監管要求
• 本地交通行為的訓練資料
• 功能推出時間表

換句話說，評論者認為這可能是 「為中國市場最佳化的本土系統」對上「在中國受限制的海外系統」 的比較，因此未必能代表兩者全球能力差距。

VLA 2.0 的核心技術變化

VLA 2.0 最大的變化，是 AI 架構的設計。

傳統自動駕駛系統通常分成多個階段：

1. 感知（辨識車道、車輛與行人）
2. 場景理解
3. 路徑規劃與決策
4. 車輛控制

小鵬表示 VLA 2.0 將這些步驟整合成 單一端到端 AI 模型，直接把視覺輸入轉換成駕駛動作。

這個架構也取消了傳統多模態 AI 中常見的「語言轉換」步驟，使系統能從感知訊號 直接生成操作指令。

小鵬把這類模型稱為 「物理世界大模型」，目標是讓 AI 能像人類一樣理解並應對真實道路環境。

訓練規模與算力

根據公司資料與產業報導，VLA 2.0 的訓練規模相當龐大：

• 雲端模型：約 720 億參數
• 訓練資料：約 1 億段駕駛影片
• 車端算力：約 2,250 TOPS

小鵬表示，這些資料量相當於 數萬年的人類駕駛經驗，不過這些數據主要來自公司估算，尚未由第三方完全驗證。

VLA 2.0 已於 2026 年 3 月 透過 OTA 更新推送到多款車型，包括 P7、G7 與 X9 的高階版本。

媒體實測：表現令人印象深刻，但仍未全面超越 Tesla

多家媒體試駕後認為，VLA 2.0 確實是目前最強的 Tesla FSD 競爭者之一。

在北京的一次試駕中，記者在密集城市交通中行駛 約 40 分鐘完全沒有接管，顯示系統在複雜環境中的流暢度與信心相當高。

不過部分評測也指出一些限制，例如：

• Tesla FSD 的整體成熟度仍更高
• VLA 2.0 可能較依賴車道級地圖
• 極端情境（edge cases）的驗證仍不足

因此整體評價多半是：VLA 2.0 進步非常快，但還未完全超越 Tesla。

小鵬 CEO 的公開目標：2026 年在中國超越 Tesla

小鵬創辦人兼 CEO 何小鵬 對這場競爭表達了非常明確的目標。

他在 2026 北京車展期間再次表示，公司希望在 2026 年 8 月 30 日前，讓自家自動駕駛能力 在中國市場全面超越 Tesla FSD。

這個目標的基準，是 Tesla 在美國最新版本 FSD（如 Silicon Valley 測試的版本）所呈現的駕駛體驗。

更長期來看，小鵬也表示 VLA 系統未來有機會支援 Level 4 自動駕駛。但實際落地時間仍取決於技術成熟度與各國監管批准。

自動駕駛競賽正在改變

長期以來，自動駕駛技術幾乎被視為矽谷主導的領域。但中國電動車公司正在迅速縮小差距。

即使 VLA 2.0 的對比測試未必是決定性的證據，它仍反映一個明顯趨勢：

全球自動駕駛競賽，已不再只有 Tesla 一家主導。

中國車廠正透過龐大的道路數據、快速 OTA 迭代，以及大模型 AI 技術，加速追趕甚至可能重塑未來幾年的自動駕駛格局。