近日，耶魯大學管理學院舉辦了年度 Responsible AI in Global Business Conference。

作為全球AI領(lǐng)域具有影響力的交流平臺之一，本次大會聚焦AI在真實產(chǎn)業(yè)中的應用與社會影響，匯聚了來自學術(shù)界、政策界與產(chǎn)業(yè)界的多方代表。

小鵬集團受邀參與其中最具技術(shù)深度的板塊——具身智能核心論壇。

代表小鵬參與本次分享的是通用智能中心首席編譯器架構(gòu)師Vijay Raghavan。Vijay擁有超過30年的行業(yè)經(jīng)驗，畢業(yè)于康涅狄格大學并獲得博士學位，曾在SambaNova Systems、Cruise LLC 及MathWorks等公司擔任核心技術(shù)領(lǐng)導角色，并且是 Matlab - Stateflow 的創(chuàng)始工程師。Vijay于2025年加入小鵬，他基于在編譯器、系統(tǒng)架構(gòu)及AI基礎(chǔ)設(shè)施領(lǐng)域的深厚積累，從系統(tǒng)與真實場景落地出發(fā)，在現(xiàn)場系統(tǒng)分享了小鵬在自動駕駛與具身智能方向的實踐。

具身智能是物理AI將智能帶入真實世界的基礎(chǔ)框架，該論壇討論圍繞AI如何從“理解世界”走向“作用于真實世界”展開。這一議題也被視為AI走向更廣泛物理AI階段的重要體現(xiàn)，即從數(shù)字空間延展至對現(xiàn)實世界。圍繞這一方向，來自耶魯、產(chǎn)業(yè)界以及前沿創(chuàng)業(yè)公司的專家共同探討了：

從“生成內(nèi)容”到“驅(qū)動物理世界”的技術(shù)躍遷

模型能力、工具鏈與硬件之間的協(xié)同演進

AI在真實環(huán)境中落地時所面臨的可靠性與安全性挑戰(zhàn)

具身智能為什么當前會如此引人注目，在Vijay看來，人們相信“我們最終能夠在現(xiàn)實環(huán)境中打通感知、推理和行動的閉環(huán)”。在技術(shù)層面，相較此前，如今的多模態(tài)模型變得更強大、仿真做得更好、傳感器和專業(yè)的硬件變得更成熟了。Vijay結(jié)合小鵬在自動駕駛與系統(tǒng)架構(gòu)上的實踐，提出了一個關(guān)鍵觀點：真正的挑戰(zhàn)不在于模型“是否足夠聰明”，而在于系統(tǒng)是否能夠在真實世界中“穩(wěn)定、安全、實時地運行”。這一觀點也引發(fā)了現(xiàn)場廣泛共鳴。

當被問及“機器人從編譯器到芯片的技術(shù)棧，與云端大模型的根本區(qū)別是什么”時，Vijay指出，云端可以用更多基礎(chǔ)設(shè)施去掩蓋效率問題，但在機器人領(lǐng)域這條路行不通。機器人系統(tǒng)始終運行在嚴格的物理邊界內(nèi)——延遲、功耗、內(nèi)存、散熱乃至成本都被硬性限制，同時還要保證行為的可預測性。因此，“從編譯器到芯片”完整技術(shù)棧的重要性不言而喻。

關(guān)鍵問題也隨之改變：不再只是模型在抽象意義上是否足夠準確，而是模型、運行時、調(diào)度器和硬件能否協(xié)同工作，在約束之下實現(xiàn)有界延遲（bounded latency）與可靠執(zhí)行（reliable execution）。在機器人領(lǐng)域，時序本身就是定義“正確性”的關(guān)鍵維度。

至于下一代基礎(chǔ)模型能否端側(cè)運行，答案是可以，但前提不是簡單遷移，而是圍繞系統(tǒng)約束進行重構(gòu)——包括硬件感知的模型設(shè)計、壓縮與量化、選擇性執(zhí)行（selective execution），以及分層架構(gòu)（hierarchical architectures）。本質(zhì)上，安全與實時性定義了系統(tǒng)邊界：模型必須適配系統(tǒng)，而不是讓系統(tǒng)去遷就模型。

小鵬第二代VLA之所以實現(xiàn)顯著的性能躍遷，源于其在“芯片—算子—模型”層面的全鏈路優(yōu)化與協(xié)同創(chuàng)新：基于自研圖靈AI芯片，針對性優(yōu)化算子，讓每一TOPS算力發(fā)揮到極致，實現(xiàn)模型推理效率提升12倍；同時，通過軟硬件協(xié)同，構(gòu)建自研模型編譯器與軟件棧，使得規(guī)模10倍于行業(yè)主流模型的車端模型可以高幀率運行，持續(xù)釋放性能上限。

面向未來，物理AI的競爭正從單點模型能力轉(zhuǎn)向系統(tǒng)級協(xié)同效率。小鵬的實踐表明，只有打通從底層硬件到上層智能的完整鏈路，才能推動物理AI加速走向規(guī)?；⒖沈炞C的現(xiàn)實落地，此次在國際舞臺上分享物理AI落地的思考和實踐，期望為行業(yè)持續(xù)提供可參考的路徑與經(jīng)驗，共同促進物理AI的發(fā)展。