Scaling Law首次在自动驾驶赛道被验证！小鹏汽车CVPR演讲详解：AI「吃」下6亿秒视频后，...

正文

请到「今天看啥」查看全文

再比如雨天的窄路弯道，道路一侧已经被各种违停车占满，行进途中又突遇临时上下客的网约车，系统没有丝毫犹豫，直接发起绕行：

并且在绕行过程中，还避让了一连串在机动车道上逆行的低速电驴。

所有场景主打的是决策果断、路线合理，体验丝滑。

小鹏解释，同样的场景传统技术方案也有概率能通过，但熟练丝滑大打折扣，乘坐体感也不行。

目前市面上几乎所有量产智能辅助驾驶，一旦周围目标的距离、速度相对本车达到一定区间 （比如突然汇入的大车、迎面而来的电驴，极度狭窄的道路空间等） ，必然首先触发紧急刹车，车内乘员一顿前俯后仰之后，可能仍然需要接管……

至于一些极端场景，是这些传统方案很容易“宕机摆烂”的。比如这个 位于福州的路口 ，马路对面的主干道上有两棵大树伫立，车道竟然就在这两棵大树之间……不是本地司机，可能根本搞不明白该怎么走。

但小鹏的系统竟能准确辨识出车道，顺利通过。这对目前的量产系统来说属于“惊喜”，对于今后要上车的下一代模型来说就是“基操”。

小鹏世界基座模型负责人 刘先明 说，这就属于典型的 CoT场景 ，车端模型在整个过程中不断实时推理：

“我在哪？发生了什么？要怎么走？第一原则是安全，首先要判断车道线宽度，绿灯亮了之后，再缓行通过……

链式思考能力（CoT，Chain of Thought），背后的基础是小鹏自研的“自动驾驶基座模型”——物理世界模型。

既非行业常见的模拟训练世界模型，也不是单一的VLA、VLM，更超出了端到端“一段或两段”的争论……

押注新技术路线背景下，小鹏最新的量产方案也和其他所有玩家产生了明显不同。

小鹏的自动驾驶基座模型，到底是什么？

上面道路实测的小鹏自动驾驶基座模型，其实就是4月小鹏公布的“下一代自动驾驶基座模型”的早期车端实测版本。

对于真正的自动驾驶模型， 小鹏的理解和实践与绝大多数业内玩家不同 。

现阶段主流的“车端模型”，其实主体就是端到端算法，从传感器取数据，然后输出路线规划，一般还会有一些强制规则安全兜底。

但小鹏认为，这种传统模式尽管一定程度上AI化了，但 端到端本质仍然是“小脑”，对输入的道路信息做出的反应是被动式、条件反射式的 。 关键这种“条件反射”还是黑盒，过程难以把握 。

其实也是L4玩家质疑L2路线的核心依据：不会思考的模型，数据量再大也只能模仿人类行为，无法真正超越人类达到“自动驾驶”的层级。

请到「今天看啥」查看全文