20亿训练费换来的突破，当数据成为燃料，何小鹏看到的物理AI如何改写规则

2025年11月5日，小鹏汽车举办了第七届科技日。何小鹏在这场发布会上提出了物理AI（Physical AI）的概念框架，并通过第二代VLA模型、Robotaxi、人形机器人Iron和飞行汽车四项技术应用，展示了这一概念的落地路径。

物理AI的核心命题是：AI如何从数字世界走向物理世界，实现与真实环境的直接交互。这个问题在过去十年中被反复讨论，但何小鹏的思考路径展现了不同的切入角度。他没有从单一技术突破出发，而是通过分析数字世界与物理世界过去25年的演变规律，推导出两者融合的底层逻辑。这种推演建立在对操作系统范式转变、算力架构演进和数据驱动模型的系统性理解之上。

01 物理AI的推演路径

推演从两条平行线索展开。

数字世界在过去25年经历了三次范式转移。2000年代的Wintel架构中，操作系统是Windows，算力来自Intel。2010年代移动互联网时代，操作系统变为Android和iOS，算力转向高通和苹果自研芯片。2020年代，算力供应商的变化更为剧烈——英伟达从2017年的200亿美元市值增长至5万亿美元。更关键的转变在于操作系统的底层逻辑：从基于规则的软件架构，转向基于数据与模型的架构。

物理世界的变化周期则长得多。1890至1900年间，蒸汽汽车与燃油汽车并存。1920年后，燃油汽车开始100年的统治期。直到2020年，特斯拉估值超过所有传统车企之和，比亚迪月销量从数万台增长至40万台，物理世界才进入加速变革期。

何小鹏在这两条线索的交汇处发现了结构性相似。物理世界存在引擎与能源的配对关系，数字世界的操作系统原本不消耗”燃料”。

但当操作系统演变为数据驱动的模型架构后，数据成为新的燃料，模型成为新的引擎。这种结构对应关系构成了物理AI的理论基础：两种引擎（物理引擎+模型引擎）与两种燃料（能源+数据）的耦合，使软件能够直接驱动物理硬件，并与真实世界交互。

02 VLA模型的范式突破

在物理AI的框架下，小鹏团队对自动驾驶模型进行了重构性思考。

传统VLA模型采用三段式转换：Vision（视觉）→ Language（语言）→ Action（动作）。视觉信息先转译为语言描述，再由语言推导出运动指令。何小鹏指出了这一架构的根本性缺陷：一段10秒视频需要至少1200字才能进行不完整的文字描述，中间转换过程造成信息大量损耗。

基于第一性原理，小鹏团队提出了跳过语言层的方案，直接建立Vision到Action的映射关系。这意味着将语言模型为核心的架构，转变为物理世界模型为核心的架构。

这一决策的执行过程体现了技术探索的不确定性。2024年，团队并行开发两套方案：标准VLA路径与创新VLA路径。投入包括3万张算力卡和超过20亿元的训练费用。数月内未见进展，内部多次讨论项目存续问题。转折发生在2024年第二季度某日，测试团队在特定场景中观察到模型能力的突然跃迁。

这种跃迁带来的不仅是性能指标的改善。复杂小路场景的接管里程从20公里提升至260公里，提升倍数达到13倍。更重要的是涌现现象的出现：模型展现出未经编程的能力，包括识别挥手停车信号、在红绿灯读秒时自主蠕动等行为。何小鹏将这种现象描述为”解决一个问题后，同时解决了许多原本无法解决的问题”。

03 人形机器人的工程化挑战

小鹏在机器人领域的技术路线经历了从四足到人形的转变。这一转变基于三个工程约束：数据获取效率、环境适配性和商业化可行性。

四足机器人面临结构性限制。自然界中不存在具备手部操作能力的四足动物，这导致四足机器人无法从人类动作数据中进行有效学习。比如在100平方米以内的典型中国家庭环境中，四足机器人无法在狭小空间完成原地转向，硬质材料会对家具造成损伤。此外，四足构型难以实现与人类的有效数据迁移。

人形机器人Iron采用了三层物理AI模型架构。VLT（Vision-Language-Thought）模型负责高层决策，执行任务分解和行为规划。VLA模型控制82个关节的运动协同。VLM（Vision-Language-Model）处理自然语言交互，支持多语言混合对话。这三个模型的协同运行，构成了机器人的完整认知与执行体系。

硬件层面，Iron配置了三颗图灵芯片，总算力达到2250 TOPS。单手具备22个关节自由度，关节直径压缩至16毫米。何小鹏将灵巧手定义为”量产难度最高的硬件组件”。机器人还应用了全固态电池，安全标准超过车规级要求，原因在于机器人在室内环境运行，对热失控的容忍度低于汽车。

小鹏扩展了传统机器人三定律，增加了第四法则：机器人不得泄露人类隐私数据。同时引入主动安全保护机制，确保70公斤重的机器人在任何状态下都不会对人员造成伤害。

量产化过程揭示了机器人与汽车的本质差异。汽车采用硬件驱动软件的开发模式，硬件贡献值占比约90%。机器人则是软件驱动硬件设计，AI模型的架构变化会导致全部硬件系统的重构。汽车只有一个动力单元，机器人有82个执行单元，任何一个关节的失效都不能导致系统整体断电。这要求机器人的可靠性设计标准高于汽车。

小鹏为机器人量产组建了跨越10个研发中心、20个协作部门、超过1000人的团队。何小鹏本人直接参与量产过程。商业化路径选择了三导场景：导览、导购和导巡。工厂装配和家庭家务两个方向被排除，前者因灵巧手损耗成本过高且中国制造业人工成本较低，后者因安全要求和环境泛化难度暂时无法满足。目标是在2026年底实现规模量产。