8月24日，小鹏汽车发布2026年上半年财报。净亏损31.2亿元，同比扩大173.35%。据悉从2020年到2025年六个完整年度，再加上今年上半年，累计亏损达到371.6亿元。财报发布后，美股和港股一度重挫约10%。
不久后小鹏还在广州办了一场名为TIME的物理AI分享会，宣布第二代VLA大模型迎来首次重大升级。新版本能记住前30秒的路况，预判未来6秒的交通变化，端到端响应速度提升300%，端侧模型参数量扩大至主流VLA的15倍以上。
一边是资本市场的冷眼，一边是技术迭代的狂热。这种反差本身就值得玩味。但比反差更有趣的是当所有人都在讨论30秒记忆有多酷时，几乎没人去算这笔账背后藏着多少被忽略的产业逻辑。
8颗摄像头以30帧每秒的速度运行，经行业测算推演，30秒产生的原始视频数据接近50GB。加上毫米波雷达、超声波传感器等输入，一个Infini-VLA长时序架构需要处理的记忆容量，远超传统智驾模型的帧级处理极限。 行业普遍的端侧模型处理的是离散画面，每一帧之间几乎没有关联，相当于片段式认知。 小鹏这次让模型可以留存前30秒的道路场景信息，把碎片化的驾驶事件串联成连续的时空理解。这不是简单的功能加法，而是对端侧存储带宽和计算调度的极限考验。 更关键的是Streaming Inference流式自回归推理。传统智驾的工作流程是看、算、输出、再看，像一个人走路时必须先停下脚步思考下一步。 小鹏把这套串行流程改成了并行，感知、计算、输出同步进行，实现边看边想边行动。这种流式处理在云端大模型里并不新鲜，但在功耗和散热严格受限的车端，需要芯片算力利用率接近极限才能支撑。 行业一直在卷峰值算力数字，英伟达Thor喊出2000TOPS，各家车企发布会上算力数字一个比一个好看。 但小鹏自研的图灵AI芯片走了另一条路。单颗名义算力750TOPS，通过DSA特定领域架构设计，算力利用率从行业普遍的22.8%提升至82.5%。 这意味着一颗图灵芯片的实际有效算力，可能相当于多颗通用芯片的叠加效果。该算力利用率为发布会宣传指标，暂无公开第三方实测数据佐证。 当然小鹏还宣布图灵AI第三颗芯片正式点亮，三颗芯片协同可实现超过2200TOPS的有效算力。 更关键的是图灵芯片的40核异构处理器加双NPU设计，内存带宽和专用加速单元恰好匹配大参数模型的推理需求，让算力可以极致利用，而不是像通用芯片那样大量算力空转。 但30秒时序能力背后，也会带来车端内存、功耗开销的隐性代价。 30秒不是无限制无限拉长，硬件上限、内存占用会限制可维持的时序窗口。长时序会抬高车端DDR带宽和内存压力，现实中并非可以无限堆叠记忆长度。 Streaming Inference虽然提升了响应速度，但对芯片的访存带宽和实时调度提出了更高要求，一旦内存带宽成为瓶颈，流式处理的收益就会打折扣。 30秒记忆带来的另一个隐性变化，是数据标注成本的结构性跃迁。 传统智驾的训练数据以帧为单位进行标注，一张图片里有什么车、什么人、什么车道线，标注员一帧一帧地画框。 但30秒记忆意味着模型需要理解的是片段，是前车正在掉头这个持续发生的行为，而不是前方出现空位这一帧画面。这意味着训练数据必须从帧级别升级为片段级别，标注的复杂度和成本会大幅上升。 第二代VLA可以直接利用海量真实驾驶视频进行训练，大幅降低对人工数据标注的依赖。这听起来像是一句技术口号，但放在产业语境下，它的意义相当于把智驾研发中最大的成本项直接砍掉。 行业内有这样一个估算，端到端自动驾驶开发中80%以上的研发成本花在数据上。 小鹏在云端已建成万卡智算集群，运行效率常年保持90%以上，单次训练数据吞吐量比半年前增长10倍。年底高质量训练数据规模将达到2亿条视频，云端单次训练Token数量高达4万亿。 更关键的是小鹏的仿真Case从一年前的3万个增加到50多万个，每日仿真测试里程等效于3000万公里实车测试。 这意味着小鹏正在用世界模型生成海量长尾场景，用Self-Play自我博弈机制让模型自己跟自己对抗训练，而不是依赖昂贵的人工标注和真实路测。 过去大半年，小鹏更新了468版十亿参数级大模型，日均近4版。这种迭代速度，靠传统的人工标注和数据采集是不可能实现的。 不过，这里有一个容易被忽略的现实约束。 小鹏在云端训练720亿参数的超大规模基座模型，然后通过蒸馏压缩技术把核心能力下放到车端。Ultra SE满血版搭载双图灵芯片，Max Lite版做折中。 但蒸馏会损失一部分基座能力，除了记忆时长、预判精度之外，极端Corner case的泛化能力同样会存在降级，不仅仅只是记忆时长简单缩水。 对于用户来说，Lite版可能在日常通勤中体验接近满血版，但在罕见极端场景下的表现差距，才是两套方案真正的分水岭。 比技术架构更值得关注的是小鹏的商业模式正在发生微妙但重要的变化。 2026年上半年，小鹏服务及其他收入达到47.3亿元，同比增长67.1%。二季度该板块收入27亿元，同比增加93.9%，单季利润率达到75.1%。这部分收入主要来自与大众汽车的技术研发服务合作，增量大头即来自与大众汽车的合作。 75.1%的单季利润率是什么概念？ 小鹏同期汽车业务毛利率只有12.1%。这意味着小鹏每赚一块钱的毛利，有相当一部分来自替大众设计电子电气架构和智驾系统的技术咨询工作。而且这项合作的范围还在扩大，从纯电车型延伸到燃油车和插混车型。 这揭示了一个被严重忽略的趋势。 小鹏正在从一家卖车的公司，向一家输出物理AI技术的平台公司转型。它的VLA大模型、图灵芯片、电子电气架构，不仅可以装在自己的车上，还可以作为技术模块授权给其他车企。 但需要冷静看待的是大众技术服务收入是按项目里程碑确认收入，存在订单和项目进度的波动性，不是持续性永续现金流。技术输出业务的规模天花板取决于外部车企的采购意愿。一季度服务及其他收入仅为20.3亿元，环比上季度的31.8亿元下滑了11.5亿元，主要原因就是上季度大众合作确认了重要里程碑收入，本季回归正常水平。这种收入的季度波动，意味着它很难成为稳定可预期的利润支柱。 8月24日，小鹏机器人业务还完成了超9亿美元的首轮融资，投后估值超过63亿美元，IDG资本领投，腾讯和阿里战略入局。 机器人业务的核心载体IRON人形机器人，搭载的正是同一套图灵AI芯片和物理AI大模型。这意味着小鹏的VLA时间感知能力，可以直接从汽车迁移到机器人，实现跨平台的物理AI能力复用。 但这里同样需要区分清楚。机器人业务9亿美元融资是独立子公司Dogotix的融资，并不直接等同于小鹏汽车上市公司的利润。小鹏保留约82%控股权，机器人业务的收入、费用和资产负债仍将并入集团报表。这笔融资更多是解决机器人业务自身的阶段性资金需求，短期内无法对汽车主业的盈利形成直接帮助。 小鹏这次升级还推出了一套很有意思的算力分层策略。 第二代VLA全新版本面向Ultra和Ultra SE车型推送，搭载双图灵芯片，算力1500TOPS。同时，通过蒸馏压缩技术推出的第二代VLA Lite版本，面向单图灵芯片的Max车型，算力750TOPS。 这不是简单的功能阉割，而是端侧AI领域非常关键的模型蒸馏策略。小鹏在云端训练720亿参数的超大规模基座模型，然后通过蒸馏技术把核心能力压缩到适配车端算力的小尺寸模型上。高算力平台承载完整能力，中低算力平台通过Lite版本获得核心体验。 这种分层策略的巧妙之处在于它让小鹏可以用同一套技术底座覆盖从15万级到40万级的全产品线，而不是为每个价位段单独开发一套智驾系统。 对于用户来说，Ultra版有完整的30秒记忆和6秒预判，Lite版可能在记忆时长或预判精度上有所折中，但底层的能力框架是一致的。 但正如前文所述，蒸馏的本质是知识压缩，有压缩就有损失。 Lite版本在常规场景下可能表现优异，但在那些训练数据覆盖不足的长尾场景中，基座模型和蒸馏模型之间的能力差距会被放大。 这是所有端侧大模型部署都面临的共同难题，小鹏的解法是用更大的云端基座模型和更高效的数据闭环来弥补，但车端算力的物理上限决定了这种弥补永远存在边界。 把视线拉远，你会发现智能驾驶的竞争正在进入一个新的维度。 各家路线本质是在大模型推理开销、车端算力功耗、现实道路泛化能力三者之间做取舍，没有绝对的标准答案。 特斯拉FSD在中国走的是纯视觉加端到端路线，5月21日监督版上线，但全量推送预计要等到第三季度，且仅限HW4.0硬件车型，定价6.4万元。 华为ADS坚持多传感器融合加WA世界行为模型路线，不依赖VLA架构。理想虽然也在做VLA，但2026年已经降低了VLA中大语言模型的使用比例，回归更保守的技术路线。 小鹏的差异化在于它把时间维度作为核心变量纳入物理世界模型，并且通过自研芯片实现了算力效率的极致压榨。 何小鹏在2025年底和团队立下内部赌约，目标在2026年8月30日前让小鹏VLA在国内达到特斯拉FSD V14.2在硅谷的整体效果。8月27日的这场分享会，小鹏单方面宣告目标达成，该结果暂无第三方中立评测机构交叉验证，可以看作这份赌约的交卷时刻。 从实际进展看，小鹏选择了一条与特斯拉截然不同的路径。 特斯拉依赖纯视觉和海量真实路测数据，小鹏则用更大的端侧模型、更长的时序记忆和更强的预测能力，在物理世界重建AI的时空认知。同时，小鹏通过技术输出和机器人业务，正在构建一个超越汽车本身的物理AI生态。 回到开头的那个数字，六年半累计亏损371.6亿元。这笔钱花在哪了？ 2026年上半年，小鹏研发开支58.2亿元，同比增长39%，资金主要投向VLA大模型迭代、图灵AI芯片、Robotaxi运营和人形机器人IRON。如果和同期实现盈利的新势力零跑对比，两家公司上半年营收差距不大，但小鹏研发花了58.2亿，零跑仅23.2亿。高研发投入直接拖累了小鹏的短期利润表现。 但换个角度看，这58.2亿研发投入正在产生技术溢出效应。服务及其他收入47.3亿元，同比增长67.1%，单季利润率75.1%，这部分高毛利收入本质上就是研发投入的技术变现。机器人业务融资9亿美元，投后估值63亿美元，相当于给小鹏的技术资产做了一次独立定价。 小鹏的赌局在于它相信物理AI的技术壁垒一旦建立，其变现能力将远超整车销售。汽车只是物理AI技术的第一个落地场景，机器人、飞行汽车、甚至更多未知的具身智能设备，都是同一张技术底牌的延伸。 当然，技术发布只是起点。 XOS 6.3.0版本将于9月向Ultra和Ultra SE车型推送，Lite蒸馏版也将同步面向单图灵芯片的Max车型开启首批推送。 真正的考验发生在用户每天的通勤路上，发生在那些无法被仿真覆盖的极端场景里。 但至少有一点已经清晰。当行业还在争论端到端是不是终极答案时，小鹏已经把竞争推向了下一个维度。它让端侧大模型真正拥有了时间感，用算力效率而非算力峰值重新定义了竞争规则，并且悄悄打开了一扇技术输出的大门。 这371亿学费，买的不是某一项功能领先，而是一张关于物理AI如何理解时间的底牌。至于这张底牌最终能不能兑现成持续的盈利能力，时间本身会给出答案。 - END -
本文来源于DOIT传媒，文章内容仅供参考，不构成投资建议。
评论列表