汽车行业3月小鹏第二代VLA专题篇：2026年主流车企城市NOA试驾报告

2026年主流车企城市NOA试驾报告—3月小鹏第二代VLA专题篇证券分析师 ：黄细里执业证书编号：S0600520010001联系邮箱：huangxl@dwzq.com.cn2026年3月23日证券研究报告请务必阅读正文之后的免责声明部分（核心结论2◼ 2026年C端汽车智能化的主要矛盾已经从覆盖面向体验优化切换。主要智能驾驶主机厂/方案供应商已实现包括环岛、掉头等复杂场景的城市NOA落地体验，并完善车位到车位、ETC通行等高阶功能，后续主要优化方向为Corner Case的处理能力，以提升乘客与安全员的驾驶体验。◼ 2024-2026年间，我们通过智能化路测，总结出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（Generalization）、可解释性（Interpretability）与时延性（Real-time/Latency）。从路测经验性维度总结，这三个指标往往难以同时达到顶尖水平。泛化性：处理从未见过的长尾场景的能力，或为目前智驾模型攻克的核心方向。可解释性：系统做出决策的逻辑是否透明，能否告诉用户和工程师“为什么这么开”，可解释性越好，对智驾调整的速度就越快，是智驾能力曲线的一阶导数。实时性：从感知到执行的推理延迟，直接关系到高速行驶的安全，可以保障MPI的下限，但除去模型本身，其表现或能通过硬件提升。◼ 在小鹏第二代VLA的Beta版本，我们在路测体验维度已经感受到了其整体能力的提升。1）全场景能力提升：能够处理内部路场景，应对抬杆、内部环路能力初步体现，实现无导航的自主漫游。2）丝滑拟人程度提升：在博弈环节自然流畅，无法理解的无效型变道减少，方向盘不再出现反复僵硬调整，窄路会车时不再出现急刹停滞，而是精确控制横向距离向前蠕行。3）仍存在的一些问题：选道能力待加强，一是直行分岔路口存在选错岔道情况，二是变道无法加塞时或出现在非对应车道过红绿灯的情况（例如在直行道左转）；应对鬼探头的突发能力待加强。◼ 投资建议：坚定看好小鹏汽车！我们认为小鹏的估值体系将完成由汽车公司向物理AI科技公司切换，第二代VLA大模型提升了实测场景下的接管率、通行效率和能力涌现方面表现，加速了公司在C端智能车、B端Robotaxi以及机器人业务的布局。同时公司将自身定位升级为智能技术解决方案供应商，大众成为第二代VLA首发客户，开创商业化落地第二曲线。◼ 风险提示：全球AI技术创新低于预期；国内L3智能化渗透率低于预期。3智能化路测体验维度的【不可能三角】数据来源：东吴证券研究所绘制应急处理能力全场景能力丝滑拟人程度•技术核心：利用思维链和价值函数推演。•路测对应典型场景：✓窄路会车博弈：狭窄路口会车不再机械死等，会试探性通过自身的动作向对方车辆传递意图，并根据对方反应实时调整策略。✓变道超车决策：不仅是生硬地转动方向盘，而是能理解后车加速意图，以平滑的向心加速度完成切入，而非突兀转向。✓红绿灯预判与蠕行。丝滑拟人程度•技术核心：从背标准答案转向理解规律。•路测对应典型场景：✓临时施工避让：车辆能理解路边临时路锥和摆放杂乱的施工围栏，自主规划出绕行路径 。✓异形障碍物识别：能够识别路面上突然出现的非标准物体。✓乡村/园区无图漫游：在私人园区或复杂乡村小路依靠理解看懂路牌和通行逻辑，自主寻找车位或目的地。全场景能力•技术核心：软硬协同的帧率提升。•路测对应典型场景：✓鬼探头：较高时速行驶中，紧急避让侧向视野盲区冲出的行人或非机动车，或前车突然变道出现的障碍物。✓过弯后的直行分岔口：车辆过弯后出现需要判断的分岔路口，瞄准正确直行分岔口。应急处理能力4智能化路测模型维度的【不可能三角】可解释性（Interpretability）【智驾能力曲线的一阶导数】VLAE2EWAMRule-basedWAM 世界动作模型理论优势：掌握物理规律，如物体恒存、物理交互，具有上帝视角博弈能力，能生成和修复如盲区、高危碰撞等场景。理论劣势：训练资源/部署成本高。路测倾向：暂未深度路测。E2E 端到端模型理论优势：实时性高低时延，数据无损传输。理论劣势：黑盒，难以追溯决策原因，受限于数据分布。路测倾向：反应迅速流畅性好，可以解决Rule-based时代的“断点”，但会出现无法解释性和安全性接管。VLA 视觉语言动作模型理论优势：CoT推理强，逻辑可解释性高，具备跨模态世界知识理解。理论劣势：Token生成慢，推理实时性面临挑战。路测倾向：意图分析和因果理解强，顿挫减少、拟人感强，处理遮挡和复杂博弈表现稳定，接管分布于选错道（多出现于转弯后的两条直行分岔）和鬼探头。Rule-based 基于规则代码的模型理论优势：逻辑极度确定，高可追溯性，低时延。理论劣势：泛化性极其有限，无法处理未知长尾场景。路测倾向：机械避让，人车博弈能力弱，常出现死等情况。时延性（Real-time/Latency）【保障MPI下限，或能通过硬件提升】泛化性（Generalization）【目前攻克核心方向】数据来源：东吴证券研究所绘制纵向比较：基于固定路线的小鹏智驾路测变化数据来源：东吴证券研究所绘制◼ 2024年5月，我们开启小鹏城市NGP路测。2025年1月起，我们基于上海固定复杂路线持续路测。近2年的时间，我们观察到小鹏呈现出渐进式的变化：➢ 1）固定路线绝对接管次数减少，且接管性质从安全型接管向效率型转变；➢ 2）需要打分的场景在变少，侧面证明行车习惯越来越拟人化；➢ 3）关注点从能否挑战难度场景向正常行驶的舒适性体验转变。5图：2025/1-2026/3小鹏基于上海固定复杂路线场景表现均值（分）图：2024/5-2026/3小鹏接管次数变化02468102025/12025/92026/33.2421012342024/52025/12025/92026/32024/5基于上海随机常规路线，接管次数转化为等效20km次数2025/1-2026/3基于上海固定复杂路线，共20kmXOS 5.1.0E2E大模型上车开启无图量产XOS 5.5.0车位到车位推送XOS 5.7.7自研芯片VLA灰度版本XOS 第二代 VLA第二代VLA Beta目录智能化路测【不可能三角】及经验性总结小鹏第二代VLA架构迭代小鹏第二代VLA路测结果及横纵向比较核心结论及风险提示6一、智能化路测【不可能三角】及经验性总结8智能化路测体验维度的【不可能三角】数据来源：东吴证券研究所绘制应急处理能力全场景能力丝滑拟人程度•技术核心：利用思维链和价值函数推演。•路测对应典型场景：✓窄路会车博弈：狭窄路口会车不再机械死等，会试探性通过自身的动作向对方车辆传递意图，并根据对方反应实时调整策略。✓变道超车决策：不仅是生硬地转动方向盘，而是能理解后车加速意图，以平滑的向心加速度完成切入，而非突兀转向。✓红绿灯预判与蠕行。丝滑拟人程度•技术核心：从背标准答案转向理解规律。•路测对应典型场景：✓临时施工避让：车辆能理解路边临时路锥和摆放杂乱的施工围栏，自主规划出绕行路径 。✓异形障碍物识别：能够识别路面上突然出现的非标准物体。✓乡村/园区无图漫游：在私人园区或复杂乡村小路依靠理解看懂路牌和通行逻辑，自主寻找车位或目的地。全