问题——从“能用”到“敢用”，智能驾驶仍存信任鸿沟；当前，市场上多种辅助驾驶功能已进入规模化装车阶段，但不少用户的体验仍停留“随时准备接管”的紧张感：手不敢离方向盘、视线不敢离开路面，系统在复杂路况下也容易出现犹豫、急刹或策略偏保守等情况。业内普遍认为，智能驾驶若要真正提升通勤效率并拓展安全边界，必须在稳定性、可预测性以及异常场景处理能力上实现系统性提升。 原因——复杂道路环境叠加技术路线差异，决定能力上限与迭代效率。小鹏上介绍，第二代VLA采用更直接的视觉输入到车辆控制的端到端路径，减少传统链路中的多级转换和模块间误差累积，以提高决策速度与控制一致性。该路线的关键于：对海量视频与传感数据进行更高效的表征与训练，并在车端实现高可靠部署。企业披露，其通过自研多模态“Tokenizer”和“视觉思维链”等方法提升连续画面理解与推理效率——同时重构工程侧体系——包括优化模型底座、重建编译器与算子链路，以释放车端芯片的有效算力。在研发节奏上，小鹏对应的负责人表示，模型与软件迭代保持高频推进，并通过数据闭环持续改善长尾场景表现。企业也坦言，基座模型的训练与验证投入巨大，需要长期的资金、算力与组织能力支撑。 影响——从产品竞争转向体系竞争，产业分工与投入强度被重新定义。智能驾驶竞争正在从单一功能点比拼，转向数据、算力、算法、工程与验证体系的综合较量。企业在基座模型、编译器、芯片适配等环节加大投入，意味着传统“供应链集成”的模式正向“全栈协同优化”延伸。对消费者而言，更直观的变化将体现在驾驶平顺性与策略稳定性提升。企业称内部测试显示综合体验较上一代明显提升，并强调量产推送版本将更稳健，且不存在“特供版”。对行业而言，若该路线验证有效，可能加速端到端方案在中高阶辅助驾驶中的普及，同时推动安全评测、数据合规以及软硬件冗余标准同步完善。 对策——以安全为底线，推进“技术验证+责任规则+道路管理”协同。针对“跳过L3直指L4”的表态，业内人士指出，L3与L4的差异不仅是能力等级，更在责任主体与运行设计域边界：L3通常仍要求驾驶员随时接管，L4则在限定场景内由系统承担主要驾驶任务。要从“功能可用”走向“责任可落”，需要更严格的安全验证机制，包括覆盖极端与罕见场景的测试体系、可追溯的数据记录、明确的人机交互规则以及面向公众的透明说明。小鹏上表示，将就L4相关法规与标准完善提出建议。另外，多地已开展自动驾驶道路测试与示范运营，国际层面的相关规则也推进，为我国在安全前提下探索分级开放、先行先试提供参考。 前景——L4落地仍是系统工程，关键在“长尾场景”与社会共识。企业在直播与案例展示中也提示，极端场景处理与地图信息滞后等问题仍需持续攻关：一上，系统对异常目标与复杂交通参与者的识别、避让与风险控制需要更精细；另一方面，施工改道、临时封路等信息不完备的情况下，车辆要具备更强的自主推理与稳健决策能力。未来一段时间，智能驾驶的重点仍将集中在长尾场景覆盖率、车端算力效率、数据闭环质量，以及法规与保险配套诸上。若监管规则、道路基础设施与企业安全能力形成合力，稳定性更高、责任边界更清晰的自动驾驶有望在限定区域、限定时段、限定道路内逐步扩大应用范围。
智能驾驶的竞争，看似是功能更新，实则是对复杂现实世界的理解能力与工程落地能力的较量。越接近更高等级自动驾驶，越需要技术进步与制度供给同步推进：企业用更稳健的产品兑现承诺，监管用更清晰的规则划定边界，社会以更理性的预期看待阶段性能力。只有守住安全底线、持续迭代，并在规则框架内进行，智能驾驶才能真正从“尝鲜”走向“常用”。