智能助手正从汽车中控屏上的一个功能模块，进化为整个出行体系的“神经中枢”。在2026世界智能网联汽车大会的主题演讲中，小鹏汽车董事长何小鹏以罕见的系统性思考，为行业描绘了自动驾驶下半场的完整图景。在他看来，真正的分水岭并非算力堆叠或传感器军备竞赛，而是AI技术与最新科技如何把安全、体验和商业收益拧成一根可持续的绳索。这场演讲的价值不仅在于预测，更在于提出了可量化的衡量标准——下半场比拼的不再是概念，而是数字化指标和商业闭环能力。
智能网联汽车的下半场，本质是一场认知革命
何小鹏的发言值得反复咀嚼：“下半场”这个提法本身就否定了过去十年靠高精地图堆规则、靠人工代码写驾驶逻辑的技术路径。当电动化红利逐渐见顶，智能化成为唯一的增量支点，行业共识正在从“软件定义汽车”转向“AI定义汽车”。这一转向的关键并不在于安装了多少颗芯片，而在于汽车是否具备持续学习和自我进化的能力。
传统辅助驾驶系统的架构根植于规则代码，工程师需要对每一个路口、每一条车道线都进行人工标注和逻辑编写。这种模式在限定场景下尚可运转，一旦进入城市复杂路况，长尾问题便呈指数级爆发。何小鹏的判断非常直接：软件形态必须从代码转向AI模型与数据，硬件形态则要从局部ECU转向覆盖芯片、底盘、座舱、自动驾驶到整车的全能力耦合。这实际上宣告了一个新时代的到来——自动驾驶的竞争本质已经从“编程能力”转变为AI Agent技术的工程化落地能力。
值得注意的是，何小鹏提到的“全能力硬件耦合”并非简单的堆料。在小鹏的规划中，自动驾驶需要与底盘线控、座舱交互、整车热管理形成实时联动，这意味着车企必须拥有从底层芯片到应用层算法的全栈自研能力。过去的供应链关系是“买零件组装”，而未来的关系更像是“基因编辑”——车企要对每一个硬件节点的数据流速、算力冗余和失效模式有精确掌控。这场认知革命，比技术升级本身更值得行业警醒。
正是这种认知上的位移，让“自动驾驶下半场”从一个时间概念演变为一个能力概念。没有AI模型训练体系的车企，没有数据闭环能力的品牌，即便拥有再先进的传感器也会在下半场掉队。何小鹏的演讲实际上给全行业画出了一条隐性门槛：下半场的入场券，是对大模型训练全流程的深度理解。
三大变化重构底层逻辑，从“软件定义”到“AI定义”
何小鹏将下半场的变化归纳为三个层面，每一个都对应着行业底层逻辑的某种断裂式更新。
第一个变化是技术载体形态的迁移。过去自动驾驶的迭代靠OTA推送软件版本，工程师写代码修复缺陷；现在迭代靠数据和模型训练，每一条corner case的发现都会直接进入训练集，成为模型权重的一部分。软件变成了“活的生命体”，硬件也从局部智能走向整车智能。从AI芯片、底盘域控、智能座舱到自动驾驶系统，全部耦合在一个统一的架构之下。这种结构性变化带来的直接后果是：汽车行业的人才需求正在从“软件工程师”向“AI训练师+系统架构师”双重角色转移。
第二个变化是法规与场景重心的全球化跃迁。此前只有中国和少数国家在推动辅助驾驶相关法规，产业碎片化严重；未来全球范围内将逐步建立L2、L3、L4的立法框架，并进一步探索L4、L5在哪些具体场景可以落地。这不仅是法规进步，更是市场地理的重新定义。对出海意愿强烈的中国车企而言，这无异于打开了新的机会窗口。无论是企业数字化转型过程中积累的数据治理经验，还是智能网联汽车测试区的运营能力，都将成为全球竞争中的隐形资产。
第三个变化是评价体系的重构。自动驾驶过去的主要评价指标是“接管次数”和“测试里程”，这两个指标本质上无法反映真实用户体验。何小鹏给出的替代方案是三个核心指标：安全碰撞里程、用户全场景覆盖率、用户愿意付费的比例。这套评价体系的最大特点是把技术验证和商业验证放在了一起——安全是底线，覆盖率是能力，付费意愿则是市场的直接投票。三个指标合在一起，才构成一个完整的商业闭环，指引下半场“不仅实现更好的体验、更好的安全，也带来更好的收益”。
三个核心指标，把安全变成一门好生意
安全碰撞里程、用户全场景覆盖率、用户愿意付费的比例——这三项指标放在一起审视，会发现它们暗含了一条从技术伦理到商业模式的进化路径。
安全碰撞里程衡量的是系统在真实事故临界点上的表现。过去行业常用“零事故”这种绝对化表述来营销，但实际上，从L2到L4的过程中，系统需要在数十亿公里的行驶中处理无穷无尽的长尾场景。安全碰撞里程不是用来证明“永远不撞”，而是用来证明“当碰撞不可避免时，系统能把伤害降到最低”。这个指标的本质是概率思维，它比空洞的“安全第一”口号更能指导工程决策。
用户全场景覆盖率则是对“过度自信”的纠偏。很多厂商在宣传自动驾驶时往往会选择阳光明媚的加州道路或封闭的高速测试场，而用户真正面对的可能是暴雨夜的城市街道、施工改道的乡间小路、鬼探头频发的老旧小区。全场景覆盖率要求系统主动暴露短板，而不是用OTA悄悄修复问题。何小鹏这次特意强调，下半场的指标必须同时服务体验和收益，这也意味着自动驾驶的竞争不再是技术人员的自嗨——汽车产品本身就是一种审美表达，而AI技术的应用让这种表达有了全新的维度。正如设计师可以用AI画图快速生成数百种内饰方案，自动驾驶场景中的决策逻辑也可以用可视化工具来碰撞灵感。对于行业观察者和产品经理来说，AI工具导航中的许多效率工具，其实也正在被一线工程师用于数据标注和场景模拟。
付费意愿比例这个指标最尖锐，也最诚实。在汽车行业一百多年的历史中，消费者买的是产品功能，很少直接为软件能力持续付费。自动驾驶能否像订阅服务一样创造稳定现金流，决定了这个行业的长期估值。小鹏敢于把付费意愿作为核心指标，背后是对产品体验的自信，也是对未来商业模式的前瞻判断。
Robotaxi的奇点时刻：云端接管跑通全流程
如果说三项指标是下半场的“标尺”，那么Robotaxi就是最严苛的“考场”。何小鹏给出了一个极具冲击力的时间表：搭载第二代VLA（视觉-语言-动作模型）的前装量产Robotaxi已在广州完成超2000次内测订单，跑通了载人示范运营的全流程，目标在明年实现无安全员的载客运营。
这一进展的行业意义需要放在特定语境中理解。“无安全员”三个字是整个自动驾驶行业梦寐以求的圣杯。一旦安全员从驾驶位上消失，Robotaxi的运营成本结构将彻底改变，商业模式从“demo”变成“印钞机”。何小鹏特别提到，公司已完成云端接管的平台开发——这套系统不仅能在极端场景下对车辆进行远程协助，还能通过云端调度实现车队级的路径规划和能源管理。
更值得关注的是全球化战略的提速。为了加速物理AI技术的商业化，小鹏组建了集团级的BD团队，正在与海外和国内伙伴积极洽谈，目的只有一个：让图灵AI芯片、第二代VLA模型、Robotaxi和人形机器人技术更快走向全球市场。这种“技术出海”的姿态，与上一阶段中国汽车品牌单纯输出整车的模式截然不同。某种程度上，这已经超越了汽车行业的范畴，演变为文生图能力之外的另一种生成式创造——把数据采集、模型训练、运营体系打包成一套可复制的范式输出到全球。
从2000次内测到常态化L4公开道路测试，再到明年无安全员载客运营，小鹏的节奏感体现出一种工程上的克制。自动驾驶领域从来不缺激进宣传，缺的是把每一小步验证扎实的能力。何小鹏的演讲之所以能引发业内强烈共鸣，正在于他没有用宏大叙事掩盖执行细节的残酷。
物理AI：从座舱助手到人形机器人的同源进化
“智能助手”这个概念在何小鹏的演讲中得到了前所未有的外延拓展。在传统认知里，智能助手是语音交互、导航播报、空调控制这样的边界清晰的能力集合；但在物理AI的视野下，智能助手将突破屏幕的约束，长出现实世界的“身体”——无论是四个轮子的汽车，还是两条腿的人形机器人。
小鹏的布局清晰地显示，Robotaxi和人形机器人共享同一套技术底座：图灵AI芯片提供算力，第二代VLA模型提供认知能力，云端接管平台提供安全兜底。这种“同源进化”的战略逻辑意味着，每一次Robotaxi的路测数据回传，都会同时强化人形机器人的感知和决策能力；而机器人领域的每一次交互反馈，也会反哺自动驾驶场景的理解深度。这种“一个大脑，多种形态”的路线图，正是AI工具箱不断进化后最具想象力的落地形态。
物理AI时代的到来，也让AI技术的最新科技真正从代码走进了物理世界。何小鹏提出的“全能力硬件耦合”，本质上就是让芯片不再只是计算工具，而是整个智能体的神经末梢。底盘响应、电池热管理、座舱声学、自动驾驶决策——这些过去各自独立的子系统，未来将在AI模型指挥下形成协同。对用户而言，这意味着“智能助手”不再只是被动的服务提供者，而是一个能主动感知路况、预判乘坐需求、甚至理解车内情绪状态的出行伙伴。
智能助手重新定义付费体验，出行生态迎来价值重估
当智能助手从“可用”变成“好用”，它就不再是成本中心，而是利润中心。何小鹏列出的三个核心指标中，“用户愿意付费的比例”最具颠覆性——它要求智能助手直接创造可感知的价值。
这并非天方夜谭。事实上，越来越多的消费者已经开始为软件体验付费：自动泊车、高速领航辅助、记忆行车、AI代驾等功能的选装率持续攀升。何小鹏的洞察在于，这些付费功能必须嵌在一个连续、稳定、可预测的体验闭环中。如果用户每天通勤的路线覆盖率不高，哪怕偶尔一次接管也会极大打击信心，进而影响下一次付费决策。这也是为什么“安全碰撞里程”和“全场景覆盖率”要放在“付费比例”前面——它们是商业模式成立的必要条件。
智能助手带来的体验增量还体现在个性化维度。未来每位车主都将拥有独一无二的AI驾驶风格、座舱美学和交互习惯。一个有趣的场景是：当智能助手足够了解你时，它甚至可以根据你的驾驶偏好自动调整氛围灯色温、建议不同的通勤路线，甚至在长途驾驶时自动生成一份{“LINK:AI网名”}风格的车主社区身份档案。这些细小的交互触点，共同构成了用户愿意持续付费的情感理由。
从更宏观的视角看，何小鹏的三个变化和三个指标叠加起来，正在重塑出行生态的价值分配体系。过去汽车行业的利润主要来自销售环节，未来则来自智能助手产生的持续服务收入。当最新科技的发展让AI技术不再仅仅服务于驾驶本身，而是扩展到能源管理、共享出行、物流配送等相邻市场时，汽车企业的估值逻辑也将面临全面重估。智能助手，正是这场重估中最重要的那个变量。
这是一场关于“下一步”的坦诚对话，也是一次对行业焦虑的正面回应。自动驾驶下半场没有捷径，只有一条一条安全碰撞里程的积累、一个百分点一个百分点的场景覆盖、一分钱一分钱的付费验证。何小鹏的理论框架能否兑现，时间会给出答案；但他所定义的这些问题本身，已经让智能助手从一个营销词汇变成了一个严肃的工程对象。