小鹏汽车破局：720亿参数基模验证自动驾驶规模法则

在科技飞速发展的当下，汽车行业正经历着深刻的变革，智能化成为了汽车发展的重要方向。4月14日，小鹏汽车在香港举办AI技术分享会，犹如一颗重磅炸弹，在行业内引起了广泛关注，因为其首次披露正在研发720亿参数的超大规模自动驾驶大模型——“小鹏世界基座模型”。这一举措不仅彰显了小鹏汽车在自动驾驶领域的技术野心，也预示着汽车智能化的发展将迈入一个新的阶段。

小鹏汽车自动驾驶负责人李力耘介绍，小鹏基模是以大语言模型为骨干网络，通过海量优质驾驶数据训练而成的多模态大模型。它具备视觉理解能力，能够像人类的眼睛一样，精准识别道路上的各种标识、路况以及其他交通参与者；拥有链式推理能力，可在充分理解现实世界的基础上，像人类大脑一样进行复杂的常识推理；还具备动作生成能力，能将推理结果转化为实际行动，比如输出方向盘转动角度、刹车力度等控制信号，从而实现与物理世界的交互。通过强大的强化学习训练，基座模型不断自我进化，有望逐步发展出媲美甚至超越人类的自动驾驶技术，这将彻底改变人们的出行方式，让出行变得更加安全、高效和便捷。

为了研发这一具有划时代意义的基模，小鹏汽车早在去年就开始精心布局AI基础设施，如今已建成国内汽车行业首个万卡智算集群。这个万卡智算集群犹如一座强大的“智能大脑”，为基座模型的预训练、后训练、模型蒸馏、车端模型训练等任务提供了坚实的算力支持。小鹏汽车将这套从云到端的生产流程形象地称之为“云端模型工厂”。目前，小鹏“云端模型工厂”拥有10 EFLOPS的算力，集群运行效率常年保持在90%以上，如此高的运行效率确保了模型训练和优化的高效进行。从云到端的全链路迭代周期可达平均5天一次，这意味着小鹏汽车能够快速对模型进行更新和优化，以适应不断变化的路况和用户需求，始终保持技术的先进性。

早在2024年下半年，小鹏汽车就已前瞻性地面向L4级别的自动驾驶研发全新的“AI大脑”，即小鹏世界基座模型。研发团队利用优质自动驾驶训练数据，先后开发了多个尺寸的基座模型，而目前正在全力推进的72B（720亿）超大规模参数世界基座模型，其参数量达到了主流VLA模型的35倍左右，堪称行业内的巨无霸。小鹏世界基座模型具备的链式推理能力（CoT）是其一大核心优势。它能够在复杂的驾驶场景中，充分理解现实世界的各种信息，进行深入的常识推理，并将推理结果转化为精准的行动。例如，在遇到前方突然出现的障碍物、交通信号灯的变化或者其他车辆的异常行为时，它能够迅速做出合理的决策，控制车辆进行避让、减速或者加速等操作，保障行车安全。

未来，在小鹏世界基座模型的赋能下，智能驾驶系统有望实现从“模仿人类”到“超越人类”的巨大跨越。它将不再局限于简单地模仿人类驾驶员的行为，而是能够凭借强大的计算和推理能力，处理全场景的自动驾驶问题，包括一些模型从未在训练数据中遇到过的复杂和极端情况。这将极大地拓展自动驾驶的应用范围，让自动驾驶汽车能够在各种路况下安全、稳定地行驶，真正实现无人驾驶的愿景。

从设计之初，小鹏汽车就将基模定位为一个可以泛化到多种具身终端的基座模型。李力耘表示：“小鹏世界基座模型是小鹏自动驾驶真正走向L3、L4的基础，也会是未来小鹏所有物理AI终端的通用模型。”后续，小鹏世界基座模型将全面赋能小鹏AI体系全图谱，应用到小鹏汽车的AI汽车、AI机器人、飞行汽车上。这意味着小鹏汽车将构建起一个庞大而完整的智能生态系统，不同的智能终端之间可以实现数据共享和协同工作，为用户提供更加丰富和多样化的智能服务。例如，AI汽车可以与AI机器人进行交互，实现货物的自动装卸；飞行汽车可以与AI汽车配合，实现城市间的快速出行和最后一公里的配送等。

为了开发小鹏世界基座模型，小鹏汽车打造了一座“云端模型工厂”。这座工厂的“车间”涵盖了基座模型预训练和后训练（强化学习训练）、模型蒸馏、车端模型预训练到部署上车的完整生产链路。“云端模型工厂”采用强化学习、模型蒸馏的技术路线，能够高效生产“小身材、大智商”的端侧模型。通过模型蒸馏技术，可以将云端训练的大模型压缩成适合车端算力的小模型，在不损失太多性能的前提下，实现模型在车端的快速运行。同时，还可以根据不同需求的汽车定制不同的“大脑”，满足不同用户对自动驾驶功能的个性化需求，让“千人千面”的模型研发成为可能。

在AI基础设施建设方面，小鹏汽车从2024年开始搭建，当前已建立起万卡规模的智能算力集群，这是目前国内汽车行业最大的自动驾驶算力集群，其算力储备达到10EFLOPS，集群利用率常年高达90%以上，高峰时期的运行效率甚至达到98%。如此高的算力储备和利用率，为小鹏汽车的模型训练和研发提供了强大的动力支持。同时，小鹏汽车自主开发了底层的数据基础设施（Data Infra），使数据上传规模提升22倍、训练中的数据带宽提升15倍；通过联合优化GPU/CPU以及网络I/O，最终使模型训练速度提升了5倍。目前，小鹏汽车用于训练基座模型的视频数据量高达2000万clips，这一数字今年还将增加到2亿clips。丰富的数据资源和高效的数据处理能力，能够让模型学习到更多的驾驶场景和经验，不断提升模型的性能和泛化能力。

依托强大的AI基础设施和数据基础设施，小鹏开启了全新的基座模型研发范式。从云端模型预训练到车端模型部署，整个“云端模型工厂”的迭代周期达到平均5天一次。这种快速迭代的研发模式，使小鹏汽车能够紧跟技术发展的步伐，不断优化和改进模型，及时将最新的技术成果应用到产品中，提升产品的竞争力。

在物理世界AI领域，小鹏汽车在过去一年取得了三大阶段性成果。首先，验证了规模法则在自动驾驶领域持续生效。规模法则（Scaling Law）揭示了大模型的性能与模型的计算量、训练数据量和参数量之间的关系，被视为AI领域的“摩尔定律”。虽然规模法则在大语言模型领域已被充分验证，但自动驾驶基座模型由于其训练数据的复杂性，包括摄像头信息、导航信息等多模态数据，要求模型对物理世界形成认知和理解，所以在自动驾驶领域验证规模法则的有效性具有很大的挑战性。小鹏团队通过大量实验，在10亿、30亿、70亿、720亿参数的模型上都看到了明显的规模法则效应：参数规模越大，模型的能力越强；同样的模型大小，训练数据量越大，模型的能力也会越强。这一验证结果为小鹏汽车的模型研发提供了重要的理论依据，坚定了其在大模型研发道路上的信心。

其次，小鹏汽车在后装算力的车端成功实现基模控车。不久前，小鹏汽车将理论变为现实，在后装算力的车端上用小尺寸基模实现了控车。尽管这只是非常早期的实车测试，但全新基模已经展现出令人惊喜的基础驾车技能，如能够实现基本的行驶、转向、刹车等操作。这一成果标志着小鹏汽车在自动驾驶技术的实际应用方面迈出了重要的一步，为未来实现更高级别的自动驾驶奠定了基础。

最后，启动72B参数基模训练，搭建针对强化学习的模型训练框架。小鹏汽车去年就已开始研发强化学习技术，用以提升基座模型的性能天花板。强化学习能够帮助模型自我进化，学会处理训练数据中没有的长尾问题，做到极致安全的自动驾驶。只有足够强大的基座模型，才能被强化学习不断激发出能力上限。这也是小鹏汽车选择云端蒸馏路线的原因之一：在云端不计成本地训练出足够聪明且泛化能力强的模型，将其蒸馏到适配车端算力的小尺寸模型上，最终可让车端模型的性能超越车端算力“一亩三分田”的限制。值得一提的是，强化学习、云端蒸馏等技术方案，在今年爆火的DeepSeek论文中都得到了验证，这也进一步证明了小鹏汽车技术路线的正确性和前瞻性。

在开发强化学习的奖励模型（Reward Model）时，研发团队基于规则经验设计了奖励函数，将规则时代的沉淀转化为了训练基座模型的生产力。同时，小鹏汽车已经着手开发世界模型(World Model），作为“云端模型工厂”的重要一环，支持基座模型的性能优化。小鹏的世界模型是一种实时建模和反馈系统，能够基于动作信号模拟出真实环境状态，渲染场景，并生成场景内其他智能体（也即交通参与者）的响应，从而构建一个闭环的反馈网络，帮助基座模型不断进化，逐渐突破过去“模仿学习”的天花板。

关于小鹏世界基座模型研发和训练成果更多的细节，今年6月小鹏汽车将会在计算机视觉国际顶会CVPR上进一步分享。届时，我们将有机会深入了解小鹏汽车在自动驾驶大模型领域的技术创新和突破，也期待小鹏汽车能够在自动驾驶领域取得更多的成果，为推动汽车行业的智能化发展做出更大的贡献。随着小鹏世界基座模型的研发和应用，我们有理由相信，未来的出行将变得更加智能、安全和便捷，自动驾驶汽车将成为人们生活中不可或缺的一部分。