8月27日，小鹏举办物理AI分享暨第二代VLA全新版本体验日活动，公布模型的首次重大升级。此次升级的重点，是让AI理解时间，从对静态3D空间的理解，进一步走向动态4D时空理解。
不到两周，小鹏机器人业务也传来进展。9月8日，小鹏宣布人形机器人自动化产线启用，首台经由这条产线组装的IRON机器人自主走下产线。按照公司公布的计划，IRON将于今年年底开始大规模量产。
这两项进展，分别对应小鹏物理AI转型的技术和产品。智驾模型继续发展，汽车业务积累的部分能力开始用于新的智能终端。
去年11月，小鹏发布第二代VLA、Robotaxi、全新一代IRON等跨领域计划时，宣布向物理AI和具身智能方向转型。何小鹏当时给出的逻辑是，汽车、机器人和飞行器等不同终端，将使用共同的智能能力和软硬件基础设施。
如今，模型升级和产线下线让这项战略有了具体进展。小鹏物理AI的价值，也开始沿着智驾体验提升、研发能力复用和新产品落地逐步展开。
从空间到时空，智驾升级有了更广泛的意义
第二代VLA此次模型升级，将时间放在了核心位置。
真实道路中的信息存在于连续变化之中。旁车逐渐靠近车道线，可能准备并线；前车在路口附近反复减速，可能正在寻找转弯位置。车辆需要结合此前轨迹判断后续变化，给自己的操作留出时间。
规则式方案难以穷尽这些情况，端到端模型也需要面对时序信息不足、训练场景覆盖有限等问题。系统识别出了目标，并不代表它能够准确判断目标接下来会怎么运动。
小鹏引入的Infini-VLA长时序架构和X-Foresight预测世界模型，分别增强对历史上下文的利用和对未来状态的预测。两者结合，旨在让驾驶决策建立在连续信息之上，减少对当下画面的孤立判断。
时空理解能力的提升，还关系到智驾迭代的效率。
道路场景不断变化，依靠逐个补充案例解决问题，数据采集、训练和验证的负担会持续增加。模型若能学到更一般的运动规律，就有机会应对没有原样见过的情况。泛化能力由此成为研发成本能否得到控制的重要因素。
这条技术主线也与小鹏的物理AI转型相联系。
汽车需要预测交通参与者的运动，机器人与人同行、接取物品，同样需要判断位置变化和动作时机。不同设备的控制方式差异很大，但动态环境理解具有共同需求。
按照小鹏披露的技术架构，IRON的VLA与智驾技术同源。第二代VLA在汽车上的发展，为小鹏探索其他终端提供了研究基础。驾驶经验不能直接替代机器人操作训练，但基础模型、训练工具和部署方法具备部分复用条件。
智驾因此承担了两项任务：改善汽车产品，也为更广泛的物理AI应用积累能力。它的投入价值，开始超出单一车型的功能更新。
物理AI转型，改变的是研发和产品的关系
将技术用于更多终端，需要公司内部的研发方式随之调整。
今年2月，小鹏将自动驾驶中心与智能座舱中心合并为通用智能中心，由刘先明负责，直接向何小鹏汇报。新中心围绕基座模型、Infra基础设施、平台化交付等方向组织研发，服务汽车与机器人业务。
这项调整解释了技术复用如何发生。
不同团队各自建设工具、制定标准、安排更新，容易产生重复投入，也会增加产品之间的协调成本。共同的基础能力由统一团队研发和交付，各业务再围绕具体任务开发，有助于让一次技术改进服务更多产品。
刘先明曾将物理AI能力概括为“模型×算力×数据×本体”。这一判断强调了模型之外的条件：训练需要算力和数据，能力还要通过设备部署、实际运行和反馈才能持续改进。
小鹏此前围绕智驾建设的AI Infra，已经覆盖数据处理、训练、仿真、评估和部署。汽车业务为这套体系提供了长期应用场景，也积累了处理真实问题的经验。
模型会不断更新，企业更难在短期内补齐的，是让更新稳定进入产品的能力。从发现问题到筛选数据，再到完成训练和验证，每个环节都会影响研发速度。物理AI竞争中的差距，也会体现在这段过程需要多少时间和成本上。
芯片也提供了一个具体例子。
根据小鹏披露，IRON搭载三颗自研图灵AI芯片，这款芯片同样用于其智能汽车，并在设计之初考虑了不同终端的需求。机器人业务由此能够利用已有的计算平台，以及相应的软件工具和部署经验。
当芯片、基础模型和训练体系开始服务不同产品，小鹏的研发投入就有机会覆盖更大的市场。汽车销量仍然重要，但用汽车业务一项收入衡量全部AI投入，已经难以反映这些能力的潜在用途。
这也是小鹏物理AI转型的商业逻辑：通过共同研发降低重复建设，让新业务能够调用已有积累。能否缩短开发周期、降低交付成本，将决定这种优势最终有多大。
从产品升级到新业务，价值开始逐步落地
小鹏物理AI的落地，已经呈现出不同进度。
汽车是其中最成熟的应用。第二代VLA通过量产部署和持续更新改善驾驶体验，技术价值进入了现有产品。它对销售和品牌竞争力的贡献，需要放在整车经营中观察，不能直接等同于独立的AI收入，但其应用路径已经明确。
机器人则让这套能力开始进入新的产品和制造环节。
小鹏披露，IRON产线由公司自主设计，核心工序自动化率超过80%。汽车业务形成的供应商管理、测试和质量控制经验，为机器人制造提供了可用基础。
这类积累会直接影响智能能力的实际表现。机器人需要多个关节协同运动，装配偏差和零部件差异会增加控制难度。提高硬件一致性，可以减少逐台调试的负担，也让模型能力更容易稳定地部署到批量产品中。
产线之后，小鹏还给出了具体的应用安排。
按照何小鹏6月内部信披露的规划，小鹏计划在2026年第四季度实现人形机器人量产，2027年正式面向国内和海外上市交付。
何小鹏此前还判断，小鹏机器人将会优先进入线下门店和园区，担任导购导览等工作。在工厂中，小鹏提出的长期目标则是“用机器人造机器人”。
这些仍是公司规划和管理层预期，但它们让物理AI的业务目标有了具体内容：导购对应服务工作，工厂应用对应生产效率，海外则指向进一步拓展的市场。
其中，自有门店和工厂能够为早期部署提供条件。任务是否完成、需要多少人工介入、运行成本如何，都可以在真实使用中被记录和评估，再进入后续训练与产品改进。
物理AI由此形成一条更清晰的商业路径，技术先在产品中运行，再通过使用效果证明价值，并为进一步部署提供依据。设备数量增加只有转化为有效反馈和更好的任务表现，才可能支持业务持续扩大。
结语
从第二代VLA升级到IRON下线，小鹏的转型已经推进到产品和业务层面。汽车承担规模应用，新的终端扩大技术用途，长期投入开始获得更多转化机会。
接下来的关键，是这套共同能力能否让新产品以更低成本、更快速度进入市场。随着门店导购、制造作业等具体任务逐步落地，小鹏物理AI的价值将有机会通过工作效率和业务规模被进一步衡量。
