8月24日，小鹏机器人完成首轮超9亿美元融资，投后估值超过63亿美元，刷新中国具身智能行业单轮私募股权融资纪录。IDG资本领投，高榕创投参投，腾讯、阿里巴巴战略投资。
对于一个尚处在量产前夕的人形机器人业务，这笔融资受到关注的不只是规模。小鹏机器人背后，很大一部分能力来自过去十余年智能汽车和自动驾驶的积累。从AI芯片、模型、数据和AI Infra，到供应链、车规级制造和全球化体系，这些能力正在逐步向机器人业务延伸。
8月27日，小鹏第二代VLA迎来首次模型重大升级。新版本端侧模型参数量较此前提升3.5倍，支持30秒有效时序记忆和未来6秒场景预测，端到端响应速度提升3倍，模型对物理世界的理解也开始由空间进一步延伸至时间。
表面看，这是一次发生在智能汽车上的模型升级。但放在汽车、Robotaxi和人形机器人的整体布局中，两件事实际上指向同一个问题：一套在智能汽车上率先实现规模化验证的物理AI能力，能否持续进化，并向不同本体延伸，最终形成新的规模化应用？
这也是小鹏正在回答的一个物理AI命题。
从第二代VLA模型升级，看物理AI如何持续进化
第二代VLA此次模型升级，一个核心变化是模型开始进一步理解“时间”。
真实世界并不是一张张静止的画面。车辆判断一个行人是否可能横穿马路，不仅需要识别眼前有一个人，还需要知道他此前从哪里来、正在往哪里走；判断旁车是否可能加塞，也需要结合一段时间内的运动轨迹。
新版第二代VLA引入Infini-VLA长时序架构，支持30秒有效时序记忆；X-Foresight预测世界模型首次上车，可以推演未来6秒交通参与者可能的行为；流式自回归推理则让模型从离散推理走向连续推理。与此同时，新版本端侧模型参数量较此前提升3.5倍。
相比具体参数，这次升级更值得关注的是模型能力的变化：从识别和理解当前环境，进一步向记忆过去、理解现在和预测未来延伸。
而比一次模型升级更重要的问题是，这种升级能否持续发生。
物理AI与数字AI的一个明显区别，在于大量关键数据来自真实世界。道路上的极端场景、不同国家的交通环境，都需要通过真实设备不断获取和验证。
小鹏披露，目前其拥有百万车队和十亿级数据资产，单次训练数据吞吐量达到1.1亿，较半年前增长10倍。围绕这些数据，小鹏已经建立覆盖数据、训练、仿真、评估、部署和算力的AI Infra。车辆在真实道路中发现新的问题，数据回到训练体系推动模型更新，再重新部署到量产车，形成持续迭代。
这使物理AI的竞争逐渐从单一模型能力，延伸到模型背后的基础设施能力。一代模型的参数和能力并不足以决定长期竞争结果，能否持续获得高质量数据，并完成训练、验证、部署和下一轮迭代，决定了模型进化的速度。
从这个意义上说，真正难以复制的可能不是某一代模型，而是持续产生下一代模型的能力。
从汽车到Robotaxi、机器人，物理AI开始跨本体延伸
汽车是小鹏物理AI最先实现规模化验证和数据闭环的载体，但这套能力正在向汽车之外延伸。
首先是Robotaxi。
目前，小鹏第二代VLA已经覆盖从L2辅助驾驶到L4 Robotaxi的不同层级应用。这意味着，从量产辅助驾驶向更高阶自动驾驶演进，并不需要完全重新搭建一套底层技术体系。小鹏Robotaxi近期获得广州市智能网联汽车远程测试资质，可以在相关测试道路开展主驾无安全员道路测试，此前已完成超过2000单内测。
小鹏在L2辅助驾驶和L4 Robotaxi之间采用同源技术路线，部分Robotaxi L4能力也开始向量产车型下放。本次全新版本升级还带来了“语音靠边停车”、“语音控制就近泊入”功能，用户只需通过语音下达停车指令，车辆即可在智驾状态下自主寻找合适位置并完成靠边停车，实现从“语音指令”到“自主执行”的完整闭环。小鹏Robotaxi的L4级能力，正通过同源技术进一步下放至量产车，为车主带来更高阶、更自然的用车体验。
再往外，是高阶通用人形机器人。
汽车和机器人在硬件形态、运动方式和应用场景上差异很大，但在AI层面，两者需要解决的问题已经出现越来越多的共性：感知和理解真实环境，判断周围的人和物正在发生什么变化，并据此控制不同的硬件本体完成行动。
何小鹏在二季度业绩电话会上透露，小鹏汽车与机器人在VLA、VLM等部分模型，以及AI Infra、数据组织和训练体系上存在共用和协同开发。
由此，汽车业务中形成的部分模型能力、数据体系和AI基础设施，可以进一步向Robotaxi和机器人延伸；新的本体进入更多真实场景后，又会产生新的数据，推动模型持续迭代。
从量产汽车到Robotaxi，再到高阶通用人形机器人，小鹏正在验证的，是一套物理AI底层能力能否跨越不同本体，在更多真实世界场景中持续进化。
模型竞争背后，是AI Infra的竞争
跨本体复用的前提，是底层模型能够持续进化。
物理AI与数字AI的一个明显区别，在于大量关键数据来自真实世界。道路上的极端场景、不同国家的交通环境、机器人与人的交互，都需要通过真实设备不断获取和验证。
小鹏披露，目前其拥有百万车队和十亿级数据资产，单次训练数据吞吐量已经达到1.1亿，较半年前增长10倍。围绕这些数据，小鹏已经建立覆盖数据、训练、仿真、评估、部署和算力的AI Infra。车辆在真实道路中发现新的问题，数据回到训练体系推动模型更新，再重新部署到量产车，由此形成持续迭代。
随着Robotaxi和机器人进入更多真实场景，这个循环还会进一步扩大。汽车提供大规模道路数据，Robotaxi带来更复杂的高阶自动驾驶场景，人形机器人则有望将数据来源进一步拓展至零售、服务等场景。不同本体产生的数据进入共同的训练基础设施，再推动模型迭代。
这也使物理AI的竞争逐渐从单一模型能力，延伸到模型背后的基础设施能力。
一代模型的参数和能力并不足以决定长期竞争结果。相比某一次模型升级，能否持续获得高质量数据，并完成训练、验证、部署和下一轮迭代，决定了下一代模型能够以多快的速度产生。
从这个意义上说，物理AI真正难以复制的，可能不是某一代模型本身，而是持续产生下一代模型的能力。
这背后比拼的，是数据、算力、模型训练和工程部署能力，也包括真实产品的规模——只有足够多的汽车、Robotaxi和机器人进入真实世界，数据和模型之间的循环才有可能真正跑起来。
从技术复用到产业协同，机器人进入下一阶段
如果跨本体解决的是技术能力能否复用，那么机器人接下来还需要回答另一个问题：这套能力能否真正实现规模量产和商业化。
这也是超9亿美元融资之后，小鹏机器人更现实的挑战。
随着人形机器人从原型机和技术展示走向商业应用，竞争已经不只在模型和本体，也进一步涉及成本控制、供应链稳定性、产品一致性、规模制造和交付能力。
在这一阶段，小鹏在汽车产业的积累开始发挥作用。
何小鹏在二季度业绩电话会上透露，小鹏机器人供应链合作企业中超过85%与汽车业务重合。除了模型和AI Infra，小鹏也在将汽车业务积累的供应链、车规级制造和全球化能力应用到机器人业务。
按照规划，小鹏IRON将在2026年底进入规模量产阶段，并于2027年面向零售和服务业等客户实现规模交付。
支撑这些投入的汽车基本盘也在改善。2026年第二季度，小鹏实现总收入197.4亿元，同比增长8.0%；汽车交付量103295台，环比增长64.8%；综合毛利率达到20.7%，同比提升3.4个百分点。
过去十余年，小鹏围绕智能汽车积累了芯片、模型、数据、软件、供应链和制造能力。现在需要验证的是，这些能力能否在新的硬件本体上继续发挥作用。
从机器人融资超9亿美元，到第二代VLA首次模型重大升级，小鹏近期的两个动作，分别落在物理AI发展的两个关键环节：一边是模型、数据、算力与不同本体的持续迭代，另一边是供应链和制造能力支撑下的规模化应用。
一套以智能汽车为首个规模化载体的物理AI体系，能否跨越不同本体，在更大的真实世界中持续进化并走向规模化——这个命题，第二代VLA、Robotaxi和IRON正在从不同方向给出答案。
众合网提示：文章来自网络，不代表本站观点。
