「理想的减法与小鹏的加法」

目录

01   理想的答案

02   小鹏的答案

03   两种工程选择的真实差异

04   芯片决定路线的天花板

05    路线没有标准答案

---

2026年6月，理想和小鹏同时在推进车端模型的部署。

理想把模型压到1.55亿、跑220帧做几何感知；小鹏把720亿蒸馏到30亿、塞进量产后推送给用户。

1.55亿和30亿，中间差了将近20倍。

车端算力到底应该“尽力用满”，还是“能省则省”？

智能驾驶的模型，应该往大了做、一统天下，还是往小了做、各司其职？

理想和小鹏，在这个月给出了截然不同的答案。

01   理想的答案

先看GeoX。这是理想6月初挂上arXiv的工作，读完的第一个感受是：它把事情做得很"窄"，但正是在这种窄里体现出了技术判断。

图| LiAuto-GeoX总览

GeoX是底层感知底座。它只做一件事：把稠密3D几何表征搬到车端，跑得够快、够准。

现有视觉几何大模型（VGGT、π3等）参数量动辄10亿级别，推理延迟破百毫秒，只能当离线重建工具。

GeoX的路线是“大模型蒸馏小模型”：先训一个高容量教师，再用两个蒸馏模块——掩码引导深度感知蒸馏（管局部精度）和相对位姿关系蒸馏（管跨视角一致性），把几何能力压缩到1.55亿参数的学生模型里。推理时蒸馏模块被丢弃，零额外开销。

效果上，1.55亿参数、1.75GB显存、KITTI 220 FPS，在DDAD上重建精度超越包括π3在内的所有对比方法。下游任务上：NAVSIM轨迹预测+0.3 PDMS，Occ3D占据预测+0.5% mIoU，增幅小但来源干净（骨干冻结，仅训练轻量规划解码器，增益纯来自几何表征本身质量）。

图| 各类自动驾驶数据集的比较

详细解读：理想最新的工作LiAuto-GeoX，端侧部署的稠密 3D 几何，终于跑起来了！

MindVLA-o1是上层决策大脑。3月GTC发布的原生多模态MoE Transformer架构，统一空间理解、思考推理、驾驶行为三个维度，同一套模型同时控制车辆和机器人。技术亮点包括前馈式3DGS场景表示（动静分离建模）、自监督未来状态预测、System-2显式推理机制、以及隐空间内的场景推演。

参数量至今未公开。理想在这件事上的态度是：上层模型不强调“大小”，强调推理能力和跨智能体复用。

图| MindVLA-o1:具有统一VLA模型的范式

GeoX + MindVLA-o1，这对组合恰好构成了理想对"车端智能"的完整理解：

底层用极高效的小模型做几何感知（看得准），上层用强推理的大模型做决策（想得深）。不是在一个模型里解决所有问题，而是分两层、各有各的评价标准。

02   小鹏的答案

小鹏VLA 2.0走的路完全不同。它本质上是一个单体解决一切的策略：从视觉感知到语言推理到控制指令，全在一个模型框架内端到端完成。小鹏自己管它叫"原生多模态物理世界基座模型"。

云端基座720亿参数（基于阿里云3万卡集群，每5天全链路迭代），蒸馏到车端保留约30亿参数，能力保留率宣称超90%。硬件依赖自研图灵AI芯片，Ultra版三颗共2250 TOPS算力。

何小鹏在2025年科技日上说"搭载数十亿级参数规模的第二代VLA，而行业普遍车端模型参数量仅为千万级规模"。

小鹏的逻辑很清晰：一个模型做所有事，避免模块间的信息损失。30亿参数只是一个起点，芯片预留了足够的扩张空间。

而VLA 2.0不只是停留在论文里。

2026年3月发布后，5月31日起OTA 6.2.0分批推送，6月15日前完成全覆盖。新增“无导航NGP漫游”功能——车辆不需要导航目的地也能自主行驶，从公开道路扩展到园区和地库。推送首月数据显示，智驾里程占比首次突破50%。

VLA 2.0已经开始在真实用户端跑了，而不只是Demo。

而理想这边，GeoX是6月刚挂上arXiv的学术工作，从论文到芯片部署再到OTA推送还有距离。MindVLA-o1在3月GTC发布后，OTA 8.5在5月上线，但核心更新是手机遥控泊车等功能增强，而非MindVLA-o1的架构级上车。

理想现有的量产系统还在端到端+VLM双系统的框架下运行，下一代架构的落地时间尚未公布。

03   两种工程选择的真实差异

把两家的方案放在一起看，本质差异在于对三个问题的不同回答：

第一，车端智能应该分层还是统一？

理想选择分层：感知底座一个模型，决策推理另一个模型。好处是每个模块可以独立优化，GeoX追求极致的效率，MindVLA-o1追求推理深度。代价是需要两套系统协同，级联误差和接口开销不可避免。

小鹏选择统一：一个模型端到端输出。好处是避免了模块间的信息损失，代价是30亿参数的实时推理延迟（小鹏称80ms）和自研芯片的高度绑定。

第二，几何感知要不要单列？

GeoX的做法是把几何感知做成一个独立的、通用的底座，可供轨迹预测、占据预测、未来帧预测等多类下游任务调用。这个思路和CV领域"预训练基础模型+下游微调"的逻辑是一致的。

小鹏VLA 2.0没有单独剥离几何感知模块，而是在端到端框架内隐式地处理所有表征，包括几何理解。

哪种做法更好，目前没有结论。GeoX的下游任务增益确实存在，但+0.3/+0.5%的幅度也让这种"底座可迁移"的叙事显得有些谨慎。

第三，大应该大在云端还是车端？

两家都用了蒸馏，但方向相反。

理想GeoX是从10B级教师蒸馏到155M学生。蒸馏的目的在于压缩，用最小的参数保留最高的几何精度。

小鹏VLA是从720B教师蒸馏到30B学生——蒸馏的目的在于保留（能力保留率90%），让车端小模型尽可能接近云端大模型的上限。

这里需要澄清一个容易混淆的点：小鹏的30亿和理想的参数并不是同一个统计口径。

小鹏30亿是一个统一模型的全部参数；理想的端到端+VLM双系统架构中，VLM部分（约22亿参数）和端到端快系统是分开的，两者并不对应同一个统计维度。

04   芯片决定路线的天花板

两条路线背后还有一场看不见的竞赛：芯片。

小鹏图灵芯片已累计出货超20万片，2026年目标出货量接近100万片。单颗可支持300亿参数大模型本地运行——30亿不是天花板，芯片预留了扩张空间。

理想马赫M100芯片采用5nm车规级工艺，单芯算力1280 TOPS，实际运行效率超82%。搭载双马赫M100的理想L9 Livis整机总算力达2560 TOPS。理想强调的不是“算力大”，而是“同样算力下跑得更高效”——数据流架构让利用率从行业平均的50-60%拉到82%。但具体能跑多大模型，尚未公开。

芯片差异直接影响模型架构选择。小鹏选择往大了做，因为芯片预留了足够的算力空间；理想选择分层做、精度高的部分尽量压缩，可能是基于对车端电力、散热、成本更保守的判断。

一旦芯片能力拉开，模型路线的优劣可能瞬间逆转。

05    路线没有标准答案

“谁更靠谱”不是好的提问方式。

两条路线各有各的假设和成本约束，适用场景不同，判断标准也不同。

理想的减法，赌的是“车端算力永远不够用”：能省则省，把最必要的事情用最小的代价做好。

小鹏的加法，赌的是“算力会越来越便宜”：尽力用满，用一个统一的模型覆盖所有事情。

也有可能，两条路最终会交汇：理想把GeoX的蒸馏方法论用到了MindVLA-o1的压缩上，小鹏在VLA 3.0里开始引入分层架构。

在那一天到来之前，这两家之间没有标准答案，只有不同的赌注。

本期就聊到这里，我们将持续跟踪两家在后续OTA更新、芯片进展、以及实际路测中的对比数据，带来更直观的对比与深度解读。

Ref

• LiAuto-GeoX: Efficient Grounded Driving Transformer. arXiv:2606.05774, 2026.
• 理想汽车MindVLA-o1官方发布，NVIDIA GTC 2026.
• 小鹏汽车OTA 6.2.0升级说明，2026年6月.
• 何小鹏2025小鹏科技日演讲，2025年11月.
• Xiaopeng: https://www.xiaopeng.com/news/company_news/5539.html
• GeoX Project: https://ljwwwiop.github.io/GeoX/