报告概述
本报告为东吴证券2026年3月发布的小鹏第二代VLA专题试驾报告。研究对象为小鹏第二代VLA智驾系统，覆盖城市NOA体验及模型架构。报告基于上海、广州等地35场共超260公里路测，从全场景能力、丝滑拟人程度、应急处理三个体验维度，以及泛化性、可解释性、时延性三个模型维度，评估小鹏第二代VLA的表现，并与行业第一梯队及Robotaxi方案商横向比较。此外，报告梳理了小鹏智驾从2024年至2026年的纵向演变。对关注高阶智驾发展、小鹏技术路线及C端体验优化的投资者和行业人士有重要参考价值。
报告的核心结论
2026年C端智能化主要矛盾从覆盖面向体验优化切换。
报告指出，主要智驾厂商已实现环岛、掉头、车位到车位等高阶功能，后续优化聚焦于Corner Case处理，以提升乘客与安全员的驾驶体验。
小鹏第二代VLA提升了全场景能力和拟人化程度。
路测显示，第二代VLA能处理内部路场景，抬杆、内部环路能力初步体现，实现无导航自主漫游；博弈环节自然，无效变道减少，窄路会车可精确控制横向距离向前蠕行。
小鹏第二代VLA仍存在选道和鬼探头处理待加强。
报告指出，系统在直行分岔路口有时选错车道，变道无法加塞时可能出现在非对应车道过红绿灯的情况，同时应对鬼探头的突发能力有待提升。
报告回答的关键问题
小鹏第二代VLA路测表现如何？
报告基于35场路测综合评分3.87分（满分5分），平均接管1.66次/场。在环岛、内部路等复杂场景表现优秀，平稳性极佳，掉头场景仍有优化空间。横向对比中，小鹏第二代VLA在常规路线零接管，复杂路线接管2次，优于某智驾第一梯队的7次接管。
智能驾驶的“不可能三角”是什么？
报告总结了智能驾驶经验性的“不可能三角”，在体验维度表现为全场景能力、丝滑拟人程度、应急处理能力；在模型层面分别为泛化性、可解释性、时延性。这三个指标往往难以同时达到顶尖水平，例如VLA模型可解释性高但时延性较高。
小鹏第二代VLA架构相比上一代有哪些改进？
小鹏将标准VLA的V→L→A架构改为省略语言中间层转译的创新架构，降低信息损耗，推理效率更高、反应更快。车端自研图灵芯片，有效算力接近10个Orin X；云端GPU训练效率提升超1000%，硬件利用率从40%提升至90%。
报告中的代表性数据
路测综合评分
2026年3月，基于35场专业投资者路测，采用语义转数值0-5分制评估小鹏第二代VLA整体表现。
以上数据根据报告摘要整理，具体统计口径和数值请以完整报告原文为准。
完整报告包含什么
- 智能化路测【不可能三角】的详细定义：从体验维度和模型维度分别解读全场景能力、丝滑拟人程度、应急处理能力，以及泛化性、可解释性、时延性三个技术指标，并对应Rule-based、E2E、VLA、WAM四种模型的理论与实测表现。
- 小鹏第二代VLA架构迭代细节：包括原生多模态Tokenizer设计、32倍超密视觉推理思维链技术、多模态输出能力，以及算力侧车端图灵芯片与云端训练效率的量化提升。
- 规模化路测结果：基于35场共超260公里路测的详细评价，包含总体评价、接管次数、平稳性、行驶效率、环岛/掉头/博弈/内部路场景的评分雷达图及稳定度得分。
- 广州&上海深度路测定性定量分析：两条基准路线（上海四牌楼路-肇方弄-旧仓街，广州多城区路线）的深度测试，分基础运行、核心博弈、复杂场景三个维度评分，并列举具体扣分原因。
- 横向比较结果：小鹏VLA 2.0与某智驾第一梯队及某Robotaxi方案商的同路线对比试驾，包括接管分布、驾驶体感、通行效率等详细差异。
- 纵向演变与投资建议：2024年5月至2026年3月小鹏智驾基于固定路线的接管次数变化、场景表现均值趋势，以及报告给出的投资建议与风险提示。
本页内容由川海智库整理，用于帮助读者快速了解报告主题、核心观点和主要内容。由于报告量大、人工能力有限，部分观点、数据、统计口径或表述可能存在偏差，具体内容请以完整报告原文为准。
