新火種
2025-04-17 
72B世界基座模型啟動，小鵬的端到端智駕正在驗證ScalingLaws
最近一段時間，各家新勢力都在角力部署端到端的智能駕駛系統。
作為公認的新范式，它可以讓整個智能駕駛系統反應更快，更加擬人，能處理以往方法無法解決的大量 corner case，被認為是自動駕駛通向 L3、L4 的正確方向。
在國內，小鵬于去年 7 月就宣布了量產端到端大模型上車，并構建了從算力、算法到數據的全面體系，在端到端方向上一直保持著領先的身位。
本周，小鵬在 AI 技術分享會上介紹了自己在智能駕駛領域的重要突破和進展，首次披露了正在研發 720 億參數的超大規模自動駕駛大模型，即「小鵬世界基座模型」。
小鵬的技術人員表示，在物理世界，信息和模態的復雜程度要比數字世界復雜數倍，自動駕駛本質上是物理世界中的復雜 AI 問題，也是具身智能的第一步。
小鵬發展的云端世界基座模型以大語言模型為骨干，使用海量的優質多模態駕駛數據進行訓練，具備視覺理解、鏈式推理和動作生成能力。通過強化學習訓練，其基座模型可以不斷自我進化，逐步發展出更全面、更擬人的自動駕駛技術。
小鵬汽車自動駕駛負責人李力耘表示，小鵬早在去年就開始布局 AI 基礎設施，建成了國內汽車行業首個萬卡智算集群，用以支持基座模型的預訓練、后訓練、模型蒸餾、車端模型訓練等任務，小鵬將這套從云到端的生產流程稱為「云端模型工廠」。
端到端大模型雖然是各家車企的共識，但仍然面臨著算力等瓶頸。當前主流的智駕系統，如運行在 2× 英偉達 Orin 芯片上的系統，大部分只能支持 0.5-1 億參數，在部署時必須對學習到的知識進行取舍。相比之下，云端大模型體量可以達到車端模型的 140 倍以上。
自去年下半年開始，小鵬面向 L4 級別的自動駕駛啟動研發全新的「AI 大腦」，即小鵬世界基座模型。
其團隊利用優質自動駕駛訓練數據先后開發了多個尺寸的基座模型，目前正在著手推進 72B（72 Billion，即 720 億）超大規模參數世界基座模型的研發，參數量是主流 VLA 模型的 35 倍左右。
據介紹，該模型的一大優勢是具備鏈式推理能力（CoT），能在充分理解現實世界的基礎上像人類一樣進行復雜常識推理，并做出行動決策，如輸出方向盤、剎車等控制信號，實現和物理世界的交互。
小鵬希望通過基座模型的能力讓智駕系統從「模仿人類」進化到「超越人類」，最終能夠處理全場景的自動駕駛問題，包括一些模型從未在訓練數據中遇到的問題。
更進一步，端到端模型的研究也可以延伸到整個具身智能領域。李力耘表示：「世界基座模型是小鵬自動駕駛真正走向 L3、L4 的基礎，也會是未來小鵬所有物理 AI 終端的通用模型。」
從零打造云端模型工廠
小鵬的云端模型工廠「車間」涵蓋基座模型預訓練和后訓練（強化學習）、模型蒸餾、車端模型預訓練到部署上車的完整生產鏈路。整個體系采用強化學習、模型蒸餾的技術路線，能夠生產出小體量、高智能的端側模型，甚至為不同需求的汽車定制不同的「大腦」，讓「千人千面」的模型研發成為可能。
目前，小鵬依靠自有萬卡集群已擁有 10 EFLOPS 的算力，集群運行效率常年保持在 90% 以上，從云到端的全鏈路迭代周期可達平均 5 天一次。
小鵬世界基座模型負責人劉博士介紹，多模態模型訓練的主要瓶頸不僅是 GPU，也需要解決數據訪問的效率問題。小鵬汽車自主開發了底層的數據基礎設施（Data Infra），使數據上傳規模提升 22 倍、訓練中的數據帶寬提升 15 倍；通過聯合優化 GPU / CPU 以及網絡 I/O，最終使模型訓練速度提升了 5 倍。目前，小鵬汽車用于訓練基座模型的視頻數據量已達到 2000 萬 clips，這一數字今年還將增加到 2 億 clips。
依托強大的 AI 算力基礎設施和數據處理機制，小鵬開啟了全新的基座模型研發范式，從云端模型預訓練到車端模型部署，整個「云端模型工廠」的迭代周期達到平均 5 天一次。
三大階段性成果
在率先量產端到端大模型的同時，小鵬在物理世界大模型研發上也再進一步，其分享了基礎大模型研發的三個階段性成果：
驗證了 Scaling Laws 在自動駕駛領域持續生效：
在后裝算力的車端上成功實現基模控車：
啟動 72B 參數模型訓練，搭建針對強化學習的模型訓練框架：
規模法則（Scaling Law）揭示了大模型的性能隨著模型的計算量、訓練數據量和參數量的提升而提升，在大語言模型（LLM）領域一直是人們追逐的目標。而在自動駕駛領域上，訓練數據遠不止單模態的文本數據，還包括攝像頭、激光雷達等關于物理世界的多模態數據，本質上，這要求模型對物理世界形成認知和理解。
小鵬團隊首次驗證了 Scaling Laws 在自動駕駛領域持續生效，劉博士表示：「過去一年，我們做了大量實驗，在 10 億、30 億、70 億、720 億參數的模型上都看到了明顯的規模法則效應：參數規模越大，模型的能力越強。同樣的模型大小，訓練數據量越大，模型的能力也會越強。」
不久前，小鵬實踐了理論，在后裝算力的車端上用小尺寸模型實現了控車。盡管只是非常早期的實車測試，全新基模已經展現出令人驚訝的智駕能力。例如模型在未訓練的情況下就能適應香港的右舵駕駛環境。
在 AI 技術上，小鵬也一直在探索最新方向，自去年就已開始研發大模型中的強化學習技術。強化學習能夠幫助模型自我進化，學會處理訓練數據中未出現的長尾問題，做到更安全的自動駕駛。只有足夠強大的基座模型，才能被強化學習不斷激發出能力上限。這也是小鵬汽車選擇云端蒸餾路線的原因之一：在云端不計成本地訓練出高智能、泛化能力強的模型，再將其蒸餾到適配車端算力的小模型上，才可以讓車端模型的性能超越算力限制。
值得一提的是，強化學習、云端蒸餾等技術的思路，在今年初爆火的 DeepSeek R1 中得到了驗證，目前正在逐漸成為行業共識。
基礎模型是小鵬汽車 AI 化轉型的重要一步，不過在智能駕駛的大模型時代，過去規則時代的經驗仍能發揮作用。在開發強化學習的獎勵模型（Reward Model）時，小鵬研發團隊基于規則經驗設計了獎勵函數，將規則時代的沉淀轉化為了新的生產力。
小鵬也在推動世界模型（World Model）的研發，小鵬的世界模型是一種實時建模和反饋系統，能夠基于動作信號模擬出真實環境狀態，渲染場景，并生成場景內其他智能體（即交通參與者）的響應，從而構建一個閉環的反饋網絡，可以幫助基座模型不斷進化，逐漸突破過去「模仿學習」的天花板。
這也意味著人們能夠以更有效的方式構建新模型，產生新能力。小鵬工程師表示，我們或許可以像黃仁勛展望的那樣，用 AI 模型來生成一個新模型。
據介紹，小鵬世界基座模型研發和訓練成果更多的細節，預計還會再今年 6 月的全球 AI 頂會 CVPR 上進行分享。
昨天，小鵬又宣布開啟自研 AI 芯片計劃，預計將在 2025 年底在中國內地率先實現 L3 級智能駕駛落地。
未來，小鵬還希望通過云端蒸餾小模型的方式將基模部署到車端，給「AI 汽車」配備全新的大腦。這款模型的能力同時也將拓展至小鵬的 AI 機器人、飛行汽車等。
相關推薦
- 免責聲明
- 本文所包含的觀點僅代表作者個人看法，不代表新火種的觀點。在新火種上獲取的所有信息均不應被視為投資建議。新火種對本文可能提及或鏈接的任何項目不表示認可。 交易和投資涉及高風險，讀者在采取與本文內容相關的任何行動之前，請務必進行充分的盡職調查。最終的決策應該基于您自己的獨立判斷。新火種不對因依賴本文觀點而產生的任何金錢損失負任何責任。
