# 小鹏 VLA 2.0 站上牌桌，但离 FSD 还很远

> 从 Tesla FSD 和小鹏 VLA 2.0 聊起，谈自动驾驶 VLA 的工程差距、数据闭环和我在小鹏经历过的高压时刻。

作者：[汤国放](https://tonwork.fun/#person)
发布日期：2026-01-21
更新日期：2026-05-29
原文：https://tonwork.fun/blog/%E8%87%AA%E5%8A%A8%E9%A9%BE%E9%A9%B6%E7%9A%84%E8%AE%A4%E7%9F%A5%E9%87%8D%E6%9E%84-vla-%E6%9E%B6%E6%9E%84%E7%9A%84%E5%B7%A5%E7%A8%8B%E7%9C%9F%E7%9B%B8/

---

我的立场比以前更明确了：VLA 不是纯概念了，但也远没到大家都已经做成的程度。

如果把标准放严一点，不看发布会里的架构图，也不看论文里的 benchmark，只看真实道路、真实用户、真实接管压力下能不能持续迭代，那我觉得现在能放在一个篮子里讨论的，主要就是两个样本：Tesla FSD 和小鹏 VLA 2.0。

但放在一个篮子里，不代表成熟度一样。FSD 更像已经跑过很多轮战争的系统，小鹏 VLA 2.0 更像刚把新一代武器推上前线。它很重要，也值得认真看，但离 FSD 的数据闭环、用户规模和长尾验证，还有很长一段路。

我看到小鹏 VLA 2.0 的时候，第一反应不是兴奋，而是有点恍惚。它让我想起以前在小鹏那段高压时间。外面看到的是 demo、发布会和几句口号，里面压着的是每一次接管、每一版策略、每一个体验问题背后的责任。

![Tesla FSD 与小鹏 VLA 2.0 工程对比](https://tonwork.fun/blog/tesla-fsd-xpeng-vla-compare.svg)

![VLA 架构示意](https://tonwork.fun/_astro/20260121205242.CSvqcCUg_Z1dVsl5.webp)

## 不是所有端到端都叫 VLA

如果说具身智能领域，答案是有一些能玩的。比如 OpenVLA，7B 参数，主要面向机器人操作，输入图像和指令，输出机器人动作。它能跑，也有不少人基于它微调。

但如果问题限定在自动驾驶，我的答案会保守很多：没有一个我愿意称为开源稳定、可直接拿来跑车的模型。

现在最接近的应该是 NVIDIA Alpamayo。英伟达把它定位成面向自动驾驶的 open VLA family，包含模型、仿真和数据集，Alpamayo 1.5 也开放了 GitHub / Hugging Face 入口。这个很重要，说明自动驾驶 VLA 不再只是论文图。

但它仍然更像研究工具，不是量产方案。能在数据集和仿真里跑，不等于能在城市道路上替你兜底。自动驾驶最麻烦的地方从来不是 demo，而是出错之后谁负责，以及怎么证明它不会在极低概率场景里犯蠢。

## 真正能放进一个篮子的两个样本

我不太想用“同一张桌子”这种说法，听起来太像咨询报告。更朴素一点说，就是先放进一个篮子里看：谁真的在把感知、语言理解、驾驶动作、数据回灌和车端部署往一条链路里拧。

按这个标准，Tesla FSD 和小鹏 VLA 2.0 是现在最值得一起看的两个样本。FSD 的优势在于它已经被大量真实用户长期使用，哪怕它仍然明确要求驾驶员监督，但它承受过的真实道路压力、版本迭代压力和长尾压力，是大多数方案没有经历过的。

小鹏 VLA 2.0 的意义在另一边。按照小鹏自己的说法，它走的是 Vision-Implicit Token-Action 路径，想绕开传统 V-L-A 里先转成语言再生成动作的中间层。这个说法当然带着发布会包装，但方向上很清楚：国内厂商里确实有人不满足于继续堆模块，而是在尝试把视觉、驾驶知识和动作重新组织起来。

只是我不愿意把“小鹏已经发布 VLA 2.0”直接翻译成“小鹏已经追上 FSD”。这中间差的不是一个模型名字，而是几年的道路数据、用户里程、接管回灌、仿真体系和组织耐压能力。

## VLA 当前最吃什么

先说一句不好听的：VLA 当前最依赖的不是模型结构，而是数据。

自动驾驶的 VLA 要学的不是图片里有什么，而是这个场景下一秒该不该动、该怎么动、为什么这么动。这需要大量真实驾驶数据、驾驶员接管数据、长尾危险场景、地图和交通规则，也需要闭环仿真把模型放回环境里反复折腾。

World model 能不能帮忙？能，但我不认为它能凭空变出驾驶能力。DriveVLA-W0 这类工作已经在尝试用 world model 预测未来图像，给 VLA 提供更密的训练信号。这个方向是对的，因为只用稀疏的方向盘、油门、轨迹点去监督一个大模型，太浪费模型容量。

但 world model 更像数据放大器，不是数据替代品。它可以生成未来、补充监督、做仿真压力测试，可是它自己也要从真实世界学。如果真实数据里没有足够多的中国式电瓶车、加塞、临停、施工围挡、奇怪标线，world model 也很难自己悟出来。

特斯拉这块最有意思。2025 年 FSD 在中国开始放出部分能力后，马斯克在 X 上说过，他们用了中国道路和标志的公开视频，在仿真里训练。这个说法挺关键，它说明 Tesla 确实在绕开中国训练数据不能出境这个问题。

但我没有看到可信公开信息能证明：FSD 是通过某个 world model 把北美能力完整迁移到中国。更合理的说法是，北美训练出来的底座能力可以迁移一部分，中国场景再靠公开视频、仿真和后续本地数据继续补。这里不是魔法迁移，还是数据、仿真、规则和工程优化的混合体。

## 差距主要不在 PPT 上

我现在对 VLA 的判断是：方向成立，量产困难，短期会被包装成各种端到端大模型卖给市场。

真正的差距不在 PPT 上。PPT 可以把感知、预测、规划、控制画成一条漂亮的箭头，但车开到路上以后，问题会变得很脏。它什么时候会错，错了以后能不能被发现，发现以后能不能稳定复现，复现以后下一版是不是真的修掉，这些才是工程真相。

闭环安全是第一关。开环 benchmark 再好看，也不能证明车在真实交通里不会越跑越偏。车是动态系统，模型一个小错会改变下一帧输入，错误会滚起来。

长尾数据是第二关。自动驾驶不是刷常规路况，真正要命的是小概率场景。突然横穿的人、逆行电动车、夜间施工、警察手势、临时交通管制，这些很难靠普通数据均匀覆盖。

实时性是第三关。VLA 要看图、读导航、理解规则、输出动作，还要给出可解释理由。车端芯片和控制频率不会因为模型很酷就迁就它，最后大概率还是要分层：大模型做意图和语义，小模型或传统控制做底层稳定。

验证是第四关。传统模块虽然笨，但边界相对清楚。VLA 的问题是能力很强，边界很糊。它能解释，不代表解释就是真的；它能规划，不代表每次规划都可控。

所以我不反对 VLA，相反我觉得它大概率会进入自动驾驶主链路。但它不会以一个大模型端到端接管车辆的浪漫方式落地。更现实的路径，是先进入数据挖掘、仿真生成、corner case 理解、驾驶策略候选生成，再慢慢往在线决策里渗透。

这也是小鹏 VLA 2.0 让我有复杂感受的地方。它确实站到了该站的位置上，可这条路最难的部分才刚开始。FSD 也不是神，但它已经在更大的真实压力里滚了很多轮。小鹏要追的不是一个发布会概念，而是那套把问题不断压回数据、仿真、训练、验证和量产版本里的机器。

如果你现在问我 VLA 能不能落地，我会说能。但不是宣传稿里那种落地。它落地的时候，应该会带着很多灰尘、返工、争吵和深夜版本。这个判断，可能比模型结构本身更接近我理解的自动驾驶。

## 参考

- [NVIDIA Alpamayo 官方介绍](https://www.nvidia.com/en-gb/solutions/autonomous-vehicles/alpamayo/)
- [NVIDIA Developer：Alpamayo for AV Development](https://developer.nvidia.com/drive/alpamayo)
- [OpenVLA: An Open-Source Vision-Language-Action Model](https://arxiv.org/abs/2406.09246)
- [DriveVLA-W0: World Models Amplify Data Scaling Law in Autonomous Driving](https://arxiv.org/abs/2510.12796)
- [XPENG：VLA 2.0 发布与 Ultra 车型推送计划](https://www.xpeng.com/pressroom/news/019a56f54fe99a2a0a8d8a0282e402b7)
- [XPENG：VLA 2.0 全球路测与 2027 交付计划](https://www.xpeng.com/pressroom/news/019cae5e67b99c0960ee8a028129016a)
- [Tesla Full Self-Driving (Supervised) 官方说明](https://www.tesla.com/support/fsd)
- [CnEVPost：Tesla uses internet videos to train FSD for China](https://cnevpost.com/2025/02/26/tesla-uses-internet-videos-train-fsd-china/)
- [TechCrunch：The China FSD workaround](https://techcrunch.com/snippet/2955999/the-china-fsd-workaround/)