4月14日，香港汽車行業開始進入全新的大模型研發浪潮。4月14日，小鵬汽車在香港舉辦AI技術分享會，首次披露正在研發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”。未來，小鵬將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。這款模型同時也將賦能小鵬的AI機器人、飛行汽車等。

小鵬汽車自動駕駛負責人李力耘介紹，小鵬基模是一個以大語言模型為骨干網絡，使用海量優質駕駛數據訓練的多模態大模型，具備視覺理解能力、鏈式推理能力和動作生成能力。通過強大的強化學習訓練，基座模型不斷自我進化，將逐步發展出媲美甚至超越人類的自動駕駛技術。

李力耘透露，為了研發基模，小鵬汽車早在去年就開始布局AI基礎設施，現已建成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，小鵬汽車將這套從云到端的生產流程稱之為“云端模型工廠”。目前，小鵬“云端模型工廠”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：具備長思維鏈推理能力，參數規模高達720億

早在2024年下半年，小鵬汽車已開始面向L4級別的自動駕駛研發全新的“AI大腦”，即小鵬世界基座模型。

小鵬研發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，目前已經著手推進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。

小鵬世界基座模型的一大優勢是具備鏈式推理能力（CoT），在充分理解現實世界的基礎上，能夠像人類一樣進行復雜的常識推理，并將推理結果轉化為行動，例如輸出方向盤、剎車等控制信號，實現和物理世界的交互。

未來，經由基座模型的賦能，智能駕駛系統有望從“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，包括一些模型從來沒在訓練數據中遇到的問題。

從設計之初，小鵬汽車就將基模定位為一個可以泛化到多種具身終端的基座模型。李力耘表示：“小鵬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。”后續，小鵬世界基座模型將全面賦能小鵬AI體系全圖譜，應用到小鵬汽車的AI汽車、AI機器人、飛行汽車上。

從0打造云端模型工廠，開啟AI時代模型生產新范式

為了開發小鵬世界基座模型，小鵬汽車打造了一座“云端模型工廠”，工廠“車間”涵蓋基座模型預訓練和后訓練（強化學習訓練）、模型蒸餾、車端模型預訓練到部署上車的完整生產鏈路。“云端模型工廠”采用強化學習、模型蒸餾的技術路線，能夠高效生產“小身材、大智商”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。

小鵬汽車從2024年開始搭建AI基礎設施（AI Infra），當前已建立起萬卡規模的智能算力集群，是目前國內汽車行業最大的自動駕駛算力集群。小鵬汽車的算力儲備達到10EFLOPS，集群利用率常年高達90%以上，高峰時期的運行效率甚至達到98%。

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高達2000萬clips，這一數字今年將增加到2億clips。

依托強大的AI基礎設施和數據基礎設施，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。

時隔一年，小鵬汽車在物理世界AI領域取得三大階段性成果

2024年是汽車行業的“端到端”之年，在率先量產端到端大模型一年之時，小鵬汽車又在物理世界大模型研發上再進一步。小鵬汽車在分享會上披露了基模研發的三個階段性成果：

· 階段性成果1：驗證規模法則在自動駕駛領域持續生效；

· 階段性成果2：在后裝算力的車端成功實現基模控車；

· 階段性成果3：啟動72B參數基模訓練，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如何隨著模型的計算量、訓練數據量和參數量的提升而提升，被視為AI領域的“摩爾定律”。規模法則在大語言模型（LLM，Large Language Model）領域已被充分驗證，但自動駕駛基座模型復雜得多，它的訓練數據遠不止單模態的文本數據，還包括攝像頭信息、導航信息等關于物理世界的多模態數據，本質上，它要求模型對物理世界形成認知和理解。利用駕駛數據訓練基模，尤其是參數規模逐步擴大到百億級別之后，規模法則是否還持續生效？此前行業內不曾有過充分的驗證。

小鵬團隊首次驗證了規模法則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，小鵬汽車將理論變為現實，在后裝算力的車端上用小尺寸基模實現了控車。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喜的基礎駕車技能。

小鵬汽車去年就已開始研發強化學習技術，用以提升基座模型的性能天花板。劉博士表示，強化學習能夠幫助模型自我進化，學會處理訓練數據中沒有的長尾問題，做到極致安全的自動駕駛。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足夠聰明且泛化能力強的模型，將其蒸餾到適配車端算力的小尺寸模型上，最終可讓車端模型的性能超越車端算力“一畝三分田”的限制。

值得一提的是，強化學習、云端蒸餾等技術方案，在今年爆火的DeepSeek論文中都得到了驗證。

基模研發是小鵬汽車“AI化”轉型的重要一步，不過，即便來到“大模型時代”，過去“規則時代”的領先經驗仍在發揮作用。在開發強化學習的獎勵模型（Reward Model）時，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訓練基座模型的生產力。

同時，小鵬汽車已經著手開發世界模型(World Model），作為“云端模型工廠”的重要一環，支持基座模型的性能優化。劉博士介紹，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（也即交通參與者）的響應，從而構建一個閉環的反饋網絡，幫助基座模型不斷進化，逐漸突破過去“模仿學習”的天花板。

關于小鵬世界基座模型研發和訓練成果更多的細節，今年6月小鵬汽車將會在計算機視覺國際頂會CVPR上進一步分享，敬請期待。

關于小鵬汽車

小鵬汽車致力于通過探索科技，引領未來出行變革，做“未來出行探索者”。公司總部位于廣州，在北京、上海、深圳、肇慶、揚州等地設有研發中心，并在肇慶和廣州布局智能制造基地。同時，小鵬汽車面向全球進行研發和銷售布局，已在美國設立研發中心、在歐洲多地設立分公司。小鵬汽車堅持全棧自主研發智能輔助駕駛軟件和開發核心硬件，為用戶帶來卓越的智能駕乘體驗。2020年8月27日，小鵬汽車正式登陸紐交所，募資規模打破當時全球新能源汽車行業IPO紀錄，股票代碼為“NYSE:XPEV”；2021年7月7日，小鵬汽車掛牌香港聯交所，股票代碼“9868.HK”，成為首個在中國香港和美國紐約兩地雙重主要上市的中國造車新勢力。