摘要

小鹏智驾换帅后首次专访：2025年10月9日李力云卸任，世界基座模型负责人刘先明接任，成为继古俊利、吴新宙、李力云之后的第四任智驾一号位。 他对外界猜测只回一句"大家就没有那么多背后的故事，正向去看就好了"，并把小鹏重新定义为"物理AI公司"——芯片大脑加与物理世界交互的device，车、机器人、飞行汽车等都属于同一物理AI体系。
全片最激进的技术判断：“Language是毒药”。 用开源语言模型（如理想用DeepSeek）当底座是最简单的shortcut，“但它一定会带来像一种毒药一样——你会越来越重地依赖它”；语言是离散、冗余的表达，而物理世界输入是连续传感器信号、输出是连续控制量，中间插L纯属低效。小鹏VLA 2.0直接以VL联合语料输入、action输出，训练数据27-30万小时纯video，拆掉L后基本无明显回退、scaling立现，困扰已久的模态混淆问题明显改善。
拆是贯穿全片的动词：从去年到今年拆了激光雷达、拆了规控规则、拆了端到端、拆了语言，“基本全拆了”，现在实车版本是模型直出控制信号，连ETC场景的规则都没留。哲学来自他PhD导师：“简单即美，世界上好的东西一定是简单的。“最难拆的是规则和loss，他为此拍过桌子。
明年在广州推L4，并希望把Robotaxi运行好（“我们的目前计划是这样的”），同一架构靠车端加算力、更多inference时间和更大模型体积解决复杂问题；泛化性出乎意料地强——“海外市场的泛化性反而很强”——由此打开全球市场命题。数据每季度以30-40%速度增长，全部真实数据。
主机厂vs供应商之争正面回应余凯"未来主机厂不会自研智驾”：“数据就是一座金矿”，只有主机厂能规模化闭环；智驾会标准化，但"一个月接管一次和二十公里接管一次是完全不一样的体验”；车企AI竞争已白热化，“做不好基本可能会被淘汰”。 2025年45亿AI投入"差不多花完了"，大师兄批预算的回复是一个字：“好”。
组织论是隐藏主线：AI不是天才灵光一现，“一定是严格体系化的东西”——小型集中团队+大规模工程体系，技术自下而上、北极星自上而下。 Meta做不好AI是因为半年一次reorg和考核逼出"break things and move fast"；小鹏则极度扁平，他直接看一线工程师代码、凌晨两三点睡。他的关键bet：“物理AI里面的scaling。”
Waymo在旧金山已到每周25万单、从景点变成生活的一部分；他带娃第一次坐Waymo，“坐在曾经竞争对手的车上，他做得很好，非常不甘心”。 里程碑愿景：“有一天我可以把我们家的娃放到车上说，好，你自己上学去吧。”

精读

1. 换帅无内幕：一个"头铁"的一号位，上任三周只做减法

访谈录于2025年10月30日、他上任三周之际。对这次人事变动的全部回应：“大家就没有那么多背后的故事，正向去看就好了。“至于三任前任与他各自的历史使命，他的答案透着工程师式的冷幽默——“也许有一天我会把这个事情做到我自己觉得好像把我自己干掉了，就这样。”
他对外界标签照单全收：有人说他"非常憨藏”、有人说micro management、有人说头铁，“内部也有”。他的辩护是方法论式的：想做成一件事就要承担risk、做前瞻判断、把风险控制在可接受范围内，“如果没有头铁的性格，很多事情是推不动的，也不太可能看到结果”。
上任三周最重要的决策是简化：不听汇报、直接看每天的debug日会或问题日会里的问题，“简化流程、简化研发工序、简化要做的事情”，重复的事合并、不必要的事降级或暂停——“我还是希望整个中心变成一个非常简单极致的组织结构。”

2. 从Facebook卫星测绘到Cruise：使命驱动的履历与"cruise coin"方法论

UIUC PhD一六年毕业，进Facebook Connectivity Lab做高空无人机激光通信与卫星图像分析，项目一度用掉Facebook超过16%的计算资源；海地地震后Sheryl要求三天内交出震前震后人口与建筑分布，团队不到两天交付供红十字会救援。择业时打动他的一句话：“how many people have chance to change one billion people’s life。“与一位名叫“开明”的同事同期入职的插曲：“刷paper肯定刷不过他……绝望。”
转向自动驾驶的触发点是一段卡车司机DMS视频——司机连开数小时困到闭眼，“他们也有自己的家人，有自己的老婆孩子在家里等着”。选Cruise而非Waymo的理由很坦白：“加入老二在逆袭的故事永远是让人非常兴奋的故事。“入职后的落差也直说：Cruise的技术栈"比我想的还要烂”，把demo做成规模化产品的难度"比想象的大太多了”。
Cruise留给他三样至今主导其路线的东西：极致简化、大规模infra（几百人的infra团队，当时自动驾驶业内规模最大的之一），以及"continuous learning machine”——内部玩笑是所有人躺在夏威夷海滩上等cruise coin从树上掉下来，“数据迭代来解决一切问题，我们就可以躺着赚钱”。他的总结：今天所有physical AI企业做的无非还是这两件事，更大规模的infrastructure去scale up，用数据驱动解决问题。

3. 一小时定offer：来主机厂只为一件事——数据金矿

2024年1月与“大师兄”在硅谷办公室约了一小时，“出来就跟HR说，哎，准备offer吧”，3月入职。那次谈话更像共谋而非面试：大师兄的问题是"我想远远甩开当前的对手这一代，我们应该怎么做”——“他需要找到一个人能理解他把这个事情做出来，而我需要一个支持我理解我的老板。”
选主机厂的核心逻辑一句话就够：“我来小鹏的核心逻辑是数据，数据就是一座金矿。“如果physical AI的未来是大规模数据、快速iteration和infra闭环，“那我一定要去找的地方就是主机厂，因为只有主机厂才有这样的数据、可控的数据链路”。
还有一层是执念：“如果最终证明我错了，我接受；但如果证明我是对的，而我好像不在这个赛道上，这个事情跟我没有关系，我可能会受不了。”

4. 四代软件栈与"云端工厂”：自动驾驶正在变成大模型

他给的技术断代：software 1.0（约零九年大炮挑战赛到一六一七年，激光雷达聚类+传统数学规控）；1.5（Mobileye式一半模型一半规则——“你的模型做得再强，上限卡在那些规则代码上”）；2.0（Karpathy提出的纯神经网络+数据迭代，瓶颈变成网络结构与数据量）；到现在的VLA/VLM/世界模型——本质仍是端到端，只是更大芯片算力支撑更大参数，更大参数需要更多数据。
当前"最为可靠的前进方式"是云端工厂：车端硬件撑不起大模型，就在云端训一个巨大模型，再通过蒸馏、量化、剪枝部署——“factory一旦训练好，就会不停generate可以deploy到不同硬件上的模型”。
名词之争他主动引战：“其实大家不用起那么多的名词，本质上做的东西都差不多。“最贴切的词是physical AI；至于模型，“大家本质在做的都是端到端模型，加上不同的多模态数据”。

5. “Language是毒药”：拆L的完整推理链

起点是他们也试过的诱惑——像理想那样用DeepSeek开源模型当L底座。“这是最简单最直接的路径，但实际上这么做一定会带来像一种毒药一样，你会越来越重地依赖它”——因为"这个能力不是你自己的”，且有上限。内部有一句话：“模型其实是一个机器，它的燃料来自数据。光有机器没有用，一定要让数据流起来。数据流起来一旦掺入了任何language的supervision，就会让整个效率变得极低。”
技术上的罪状有三：L在中间就必须生成语言监督信号（即使用大模型打标签仍要人工质检），引入人的监督、拉低数据使用效率；语言是离散的codebook空间，而物理世界模型输入是连续视觉/传感器信号、输出是连续控制量（纵向加速度和kappa或yaw angle等连续控制量），“用语言生成离散token再翻译出连续控制量，显然是一个低效的过程”；部署时更直观——“增加很少的信号就要增加几百个token，这个完全不make sense”。
转折发生在"加数据看到瓶颈的时候——就是加不动了”。拆L反常识、反paper共识（“所有公开的东西都告诉你language很重要”），但决定出奇地快：“大家讨论了一下，好像也没讨论太久，觉得就应该这么做，那我们来试一下。“他还援引DeepSeek OCR的paper作旁证：没必要把图像对齐到文字token空间，“这本质上也是反公式的”。

6. 全拆到底：最难拆的不是激光雷达，是规则和loss

时间线：去年拆激光雷达、拆规控规则（内部"有很多debate”，大师兄拍板"对长期一定是更有利的”），今年上半年拆语言，“端到端也拆了……基本全拆了”。现在实车上跑的版本模型直出控制信号，连进ETC这种场景的规则"也都拆掉了”。
阻力最大的是拆规则、拆loss：“当模型某些情况表现不好，最自然的想法就是加特定的loss function或规则——你要不要能顶住压力不做这件事，并且坚信我就要去做scaling、做极致的简化。“他承认为此发过火：“我拍过桌子……开会的时候也说过很多不该说的话。“外界以为端到端早是共识，他纠正：“在企业里真正做还非常难——当你真正有业务目标、路上真的会出现事故的时候，是很难的。”
底层哲学来自PhD导师的一句话：“简单即美，世界上好的东西都一定是简单的。“通用的错误是为了让模型在小数据小算力下好看而不断往上加复杂东西；而《The Bitter Lesson》式的教训他照单认领——手工特征、手写reward function短线work，“长期看都是人工智能的一个回撤”。下一代还能拆什么？“好像没什么可拆的了。“但他拒绝称之为终极架构：“你要能放弃你之前认为正确的东西去追求更好的，要有这个勇气和能力才行。”

7. VLA 2.0＝砍掉decoding的世界模型：27-30万小时video，拆L后基本无明显回退

训练方式与理想的对照最清晰：理想先训L语料、再vision、最后VL联合——他评价那只是"对网络初参数做初始化比较好的方式，但并不能彻底解决自动驾驶的问题”；小鹏只输入VL联合语料、直接输出action，没有纯L语料。为解决高维输入到几十个控制量的"维数灾难”，先训世界模型让它理解世界如何运行——相当于把文字CoT换成latent CoT，“让CoT直接作为隐空间，去做generation、做diffusion，看它中间生成什么样的视频"来检验理解。
世界模型和VLA不是两个东西：“把世界模型中计算复杂的decoding部分全部砍掉，只让它产生中间的推理和最终的动作，就变成我们现在发布的VLA 2.0。“机器人复用同一架构；他们同时在自研代号图灵的基座模型——“不一定"是语言模型。
实证结果出乎他们自己意料：在27-30万小时纯video的数据规模下，“拆掉它之后第一反应是担心不work，比如红绿灯、待转区——但根本就没出现，非常自然地就过去了，完全的出乎意料”，基本没有明显回落、“上来就看到明显的scaling”；长期的模态混淆问题（对L依赖太高、action不灵活）也明显改善。他的复盘去掉了一切神秘感：“很多时候就是你直觉上觉得它是对的，敢于踏出那一步，并像疯子一样去推规模，发现它就是work。”

8. 涌现与泛化：旧金山解决不了的问题，在广州被轻易解决

涌现的具象版本：“在旧金山遍地躺的都是流浪汉、到处都是垃圾，你觉得这个问题解决不了——但你到广州看一看，这不是一个数量级的问题。你曾经认为解决不了的问题，正在被非常轻易地解决掉。“广州城中村小路"开得非常丝滑，很像人但是很安全”——不是单纯imitation learning，“它确实在思考”：会等对向车通过独行道，会根据对方车微小变化决定何时smooth地nudge。
泛化性是最大惊喜、也是明年的KPI：“海外或其他市场的泛化性没有像你想象那样变差，反而很强”——由此涌现出新命题：用这个模型打全球市场。数据侧每季度以30-40%速度增长、全部真实数据；corner case最难获取，而获取它的前提是先有零到一的系统告诉你什么是corner case（shadow影子模式、用户接管数据、数据分布trigger模型），“没有这个系统，收上来很多都是无效数据”。
与特斯拉的路线"不谋而合”——看到Tesla最近的talk后"大家的第一个反应就是：我去，又撞车了”。他的解读不无宿命感：“对的事情真理可能就这么一条，大家最终可能都会踩在这个路上。“至于业内像他这样拆L的多不多：“我觉得不是太多吧……关注自己该做好的事吧。”

9. 明年广州推L4：安全下限是最后的阻隔，Waymo是心里的刺

“我们明年会去推L4，在广州”——同一架构，车端增加算力、给更多testing time scaling和更大模型体积去解决更复杂问题；商用化的本质是"降低系统出错的概率，从而降低云端接管的频次、降低成本”。明确的路只有一条：physical AI模型+极致scaling（更大资源、更好infrastructure、更大数据规模）；模糊的部分他也不讳言——scaling能持续到什么程度、安全下限怎么守住（安全对齐"正在尝试，尚未正式开始”）、软硬件定制化在scaling起来之后影响多大。
工程上的清醒话值得记录：long context"对量产是一个非常不友好的方案”——推理速度慢直接导致控车结果差，“出现鬼探头或突然窜出来的电动车，必须迅速响应，这永远是一个trade off”；长时序用户记忆"大家都在探索，目前没有一个特别好的方法”。
Waymo一段是全片最动情处：带娃回旧金山第一次坐Waymo（Cruise禁止十三岁以下儿童乘车，娃从此见到就喊robot car），“你坐在一个你曾经认为竞争对手的车上，然后他做得很好，非常不甘心”。Waymo在旧金山每周25万个订单、已从旅游景点变成生活的一部分。他的技术判断是"不是有代差，是下一代技术栈完全不一样”；他的里程碑是"明年在广州把Robotaxi运行得很好”，终点是"有一天把我们家的娃放到车上说，好，你自己上学去吧”。

10. AI转型的组织论：分→合→分，45亿投入，做不好“基本可能会被淘汰”

转型定调于去年十周年，大师兄宣布小鹏是AI企业：“做车、做机器人、做飞行汽车、做芯片，本质就两件事——做芯片大脑，以及做跟物理世界交互的device。“组织节奏是从分到合再到分：现在合力做物理AI基座，模型强了之后应用自然涌现（类比"Claude背后一个很强大的模型，不需要很多人就可以做一个应用”）。2025年45亿AI/智驾投入"差不多花完了”；要预算时大师兄的回复就是"好”，最多问一句够不够，“到目前还没有被否过”——最近被问的sharp问题是"为什么花这么多钱”，他"到现在还没回具体金额”，后来当面说"不需要了”。
对余凯"主机厂不会自研智驾、应交给供应商"的喊话，他先笑称"五年后我们再来看吧”，再给实话：第三方"很难规模化地拿到你想要的数据"，主机厂能自动化定位数据缺失点、让车队第二天就收上来形成闭环。智驾将来会标准化，但"一辆车一个月接管一次，跟一辆车二十公里接管一次，是完全不一样的体验"——强能力才有产品定义权。车企AI竞争"挺白热化的"，“做不好基本可能会被淘汰了”。
Meta是他反复引用的反面教材：半年一次reorg和绩效考核，“刨去假期你还剩三个月做事情”，逼出"break things and move fast"的互联网哲学；且Meta的创新依赖天才个体的灵光一现，“但AI一定是一个严格体系化的东西”——小型集中团队、充足资源、加上"底层看不见的工程能力"（数据、训练infra、容错性、系统效率）。技术突破一定自下而上，但自上而下要有明确北极星和合理的时间预期。Google的好转他归因于"Larry Page和Brin回来之后"——最终还是考验创始人风格。
他自己的管理与之呼应：第一件事建infra团队，第二件事把组织拍平——团队leader直接写代码debug，他直接看一线工程师的实验结果，晚上两三点睡、七八点起；跟大师兄没有固定例会，“想到什么问题随时就聊”，最近不到一个月碰了量产计划、海外、泛化性、Robotaxi四件事。规则到模型的切换节点也如是：模型性能在某个时刻突然超过规则，“测试员鼓掌”——张小珺提到理想是"发了一场大火"才拆掉规则，小鹏的版本是"等到超越那一刻，让它顺其自然去发生"。快问快答里他押下的关键bet只有一个：“在物理AI里面的scaling。”

将 AI 成本削减60%的20亿美元公司｜Tuhin Srivastava 市场概述2025年11月18日