# 小鹏新上任的刘先明首次访谈：Language是毒药、拆掉L、简单即美、换帅、小鹏的AI转型

> 张小珺商业访谈录 No. 120 精读

- 发布日期：2025-11-18
- 主持：张小珺
- 原节目：https://www.xiaoyuzhoufm.com/episode/691c3670cbba038b421f74a4
- 网页版：https://zhangxiaojun.qiaomu.ai/ep/691c3670cbba038b421f74a4.html
- 精读字数：约 5687 字（阅读约 13 分钟）

> 本文为 zhangxiaojun.qiaomu.ai 基于节目转写的 AI 整理精读，不是逐字稿；引用请注明出处并链接网页版。

2025年10月9日，小鹏汽车宣布李力耘卸任自动驾驶中心负责人，世界基座模型负责人刘先明接任。三周后，10月30日，刘先明坐在张小珺的访谈里，第一次以外界可见的一号位身份，讲自己接手后的技术判断。此前他在Facebook做机器学习与计算机视觉，在Cruise做Robotaxi，在地平线北美办公室工作，2024年3月加入小鹏。

这期访谈的主线很硬：小鹏把VLA里的Language拆掉，让视觉与语言联合输入直接输出Action；公司层面则从自动驾驶战略转向物理AI战略。刘先明反复提两个词，简单和scaling。拆掉激光雷达、拆掉规控规则、拆掉端到端里的中间结构，最后连语言这个中间层也拆掉。

外界更关心换帅。小鹏自动驾驶经历了谷俊丽、吴新宙、李力耘，刘先明是第四任负责人。刘先明在访谈里给出自己的版本：技术路线走到数据瓶颈，组织需要集中资源，老板敢在没demo时给预算。下面按音频时间整理，保留关键数字、案例和结论。

## 从Facebook到Cruise，再到小鹏 0:02:17

刘先明是UIUC 2016年博士，毕业后去Facebook。他所在的connectivity lab做高空无人机激光通信，也做卫星图像分析。海地地震后，团队接到任务，不到两天交出地震前后人口分布和建筑分布数据，给红十字会救援使用。这段经历让他一直对“能改变很多人生活”的事情有执念。

2018年离开Facebook，他去地平线北美办公室。2020年去Cruise，做Robotaxi。Cruise当时是第二名，刘先明说加入第二名再逆袭的故事让人兴奋。到了Cruise他发现两件事：技术栈比想象中差，把Robotaxi从demo做成规模化产品的难度也比想象中大。

Cruise留给他的技术遗产有三样：**极致的简化、大规模infra、持续学习机器**。当时Cruise有几百人的infra团队，做数据、训练、仿真链路。内部开玩笑说，所有人躺在夏威夷海滩上等Cruise coin从树上掉下来，靠数据迭代解决一切。刘先明后来看自动驾驶行业，发现大家做的事仍围绕这三样：更大规模的infrastructure、升级scaling、用数据驱动解决问题。

2024年1月，何小鹏在办公室和他聊了一个小时。何小鹏问的问题很直接：想做下一代，远远甩开当前对手，这一代应该怎么做？刘先明说，聊完感觉不像面试，更像两个人在讨论同一件事怎么做。他出来就跟HR说准备offer，3月加入小鹏。

他把自动驾驶技术分成几个阶段。软件1.0从DARPA挑战赛开始，激光雷达做聚类，感知加简单检测，规控靠传统数学优化。软件1.5是一半模型一半规则，感知用检测分割，规控仍靠规则代码，上限卡在规则上。软件2.0是端到端，用神经网络和数据迭代。软件3.0是更大模型、更大参数、更大数据，云端工厂训练大模型，再蒸馏量化部署到车端。刘先明认为，这条路径在当下最可靠。

## 把Language拆掉，输入V-L，输出Action 0:19:00

VLA的常见做法，是把传感器信号翻译成中间language token，再decode出轨迹。刘先明认为这里有一个瓶颈。语言是离散空间，要tokenize，要用codebook；物理世界的输入是连续视觉信号和传感器信号，输出是连续控制量，车的纵向加速度、曲率、方向盘转角，机器人的电机控制量。中间插一层语言，再翻回连续控制，效率很低。

他还有一个更实际的判断：语言监督会引入人的标注和质检。即使让大模型打标签，仍要人工判断、质检、refinement。数据规模一大，这一步拖慢整个循环。**拆掉Language，让V-L联合语料直接输入，模型直接输出Action**，数据才能像燃料一样持续流进机器。

> 模型是机器，燃料是数据。

拆L不意味着语言理解被丢掉。用户意图、导航意图仍要进来，语言仍作为输入的一部分。变化在于，语言不再充当中间监督信号，不再做那个离散的bottleneck。刘先明说，团队也试过用开源模型生成语言标签，后来发现会像毒药一样越用越依赖，能力受限于别人，数据效率也上不去。

拆掉语言后，模型从极高维输入空间直接落到极低维动作空间，容易遇到“维度灾难”。小鹏的做法是加世界模型：先让模型理解世界怎么运行，再让它输出动作。可以把它理解成隐空间里的CoT，不用文字做推理链，用生成视频、鸟瞰图、中间表征来做推演。VLA2.0把世界模型里复杂的生成部分砍掉，只保留中间推理和最终动作，直接上车。

数据规模是这套方法的地基。刘先明给出一个数字：训练一个模型大约用27万到30万小时纯V数据，每个季度以30%到40%的速度增长，全部是真实数据。Corner case靠影子模式、用户接管数据、数据分布分析来收。前提是上一代系统已经跑起来，否则收上来的大量数据是无效数据。

拆L的讨论发生在今年上半年到年中，阻力很大，因为公开paper的常识都说language重要。真正卡住他们的，是加数据看到瓶颈，以及部署时language输出太慢。拆掉后，他们担心红绿灯、代表区会出问题，结果没有出现，模型自然过去了。之前有模态混淆，language依赖太高，Action不够灵活，拆掉后改善明显。

> 简单的东西一定是好的东西。

拆规则比拆语言更难。模型某些情况表现不好，人的自然反应是加loss function、加规则。刘先明要团队顶住这个冲动，继续做scaling和极简。他说自己看起来性格好，也拍过桌子、发过火。到访谈时，小鹏实车上最后一点规则也拆了，模型直接出控制信号。

## 小鹏为什么把自己改写成物理AI公司 0:33:53

小鹏在去年十周年时提出，自己本质上是一家AI企业，更准确说是一家物理AI企业。做车、做机器人、做飞行汽车、做芯片，归结起来是两件事：做芯片和大脑，做与物理世界交互的device或agent。刘先明认为，这个转型是自然过渡，并非临时蹭热度。

转型先改mindset，再改资源投入和团队架构。刘先明记得，去年他跟何小鹏说要去做大模型，当时没有demo，没有结果。何小鹏问，这么多GPU、这么多钱，怎么办？何小鹏的回答是“好就完了”。刘先明说，很难找到一家企业的一号位能有这样的视野，敢在看不到结果时承担风险。预算申请到目前没有被否过，老板会问够不够，也会问为什么花这么多钱。

自动驾驶企业和AI企业的区别，刘先明用KPI来说明。传统自动驾驶关心车在路上跑的接管率、用户体验，老板坐一趟车觉得好，就推给用户。AI企业还要看更底层的技术指标，甚至一些risky的长期指标。做模型不可能一个季度做完，组织要接受这一点。**AI对小鹏是乘法因子**，硬件制造、芯片、模型协同，缺一个都很难向前。

刘先明的短期KPI，是把物理AI在自动驾驶上显形，做成产品化的东西。明年的KPI主要是全球泛化，在不同市场、不同产品形态、不同业务线上有明确收益。长线KPI仍是探索下一代，解决未知问题。他提到几个未解难题：language怎么用，原生多模态怎么做，世界模型怎么更好使用，强化学习怎么更generic。

组织上，他描述一个从分到合、再从合到分的过程。过去小鹏同时做机器人、车、芯片，现在先形成合力，把物理AI这件事做好。模型足够强之后，再分出去做应用。刘先明说，AI企业需要集中资源、稳定核心团队、强infrastructure，不能把资源像撒芝麻一样分到每个人头上。2025年小鹏在AI相关投入45亿元，他笑称差不多花完了。人才策略也在变，更多招年轻人，带进来fresh new brain，跳出已有框架。

## 换帅背后：拆规则、拍桌子、头铁 0:54:30

刘先明上任后的前三个星期，体感像只过了几天。他做的最重要一件事是简化：简化流程，简化研发工序，合并重复做的事，暂停不必要的事。他不太喜欢听汇报，会直接去debug日会、问题日会看最前面的问题。外部给他贴过micromanagement、头铁的标签，他说自己看起来性格好，但拍过桌子，也发过火。

拆规则和拆loss最难。模型在某个场景表现不好，团队自然想加特定loss或规则，这在传统研发里很常见。刘先明认为这与最终目标相悖，要顶住压力，坚持做scaling和极简。去年底做端到端、拆规则时，内部有很多debate。外部看端到端拆规则像共识，真正做起来很难，路上出事故时压力更大。何小鹏的判断是，长期有利就做，短期可能回退，靠数据迭代和OTA拉回来，上限会更高。

拆L的阻力同样大，因为它反paper里的常识。刘先明说，所有公开材料都告诉你language很重要，你为什么觉得它不重要？他的答案来自数据瓶颈和部署效率。加一个东西，增加几百个token，只增加很少的信号，不make sense。语言对人类长推理有效，对实时控车并不高效。

何小鹏在这件事上的角色，刘先明称为理性的技术直男。你说这件事，他觉得自然，就应该这么做。2024年1月那场一小时对话，何小鹏没有架子，坐下来讨论问题，能听懂，也能问到点上。上任通知是何小鹏找的。何小鹏会问很sharp的问题，最近问为什么花这么多钱，刘先明到现在还没回，后来当面说不需要了。何小鹏没有骂过他。

两个人也有分歧。最近一次技术产品规划，刘先明想得更激进、更极致，何小鹏更稳妥。前两天再聊，何小鹏改了态度。刘先明解释，技术涌现到一个状态，人的想法会变。决策者在机会和风险之间做平衡，风险远小于机会时，决定自然会变。他不太把功劳归到自己说服，更愿意先把事情做出来。

他还提到一个测试场景。某个时间点，模型性能突然超过规则，测试员在测试时鼓掌。那个时刻之后，规则算法被替换变得顺理成章。刘先明说，如果团队执着于scope和job security，不允许结果更好的方案切换，事情不可能向前走。

## 数据是金矿，供应商拿不到闭环 1:12:36

地平线创始人余凯有一个观点：未来主机厂不会自研自动驾驶，自动驾驶会变成标准化功能，应该交给供应商，主机厂负责给用户提供情绪价值。刘先明回应得很直接：五年后我们再来看吧。他相信主机厂做这件事有道理，这也是他来小鹏的最大原因。

> 数据就是一座金矿。

他的核心逻辑是数据。主机厂有可控的数据链路。模型出现一个问题，可以自动找到数据分布里的single point，知道哪些地方数据缺失，让车队明天收上来数据，马上进入训练闭环。第三方很难规模化拿到想要的数据。**这个闭环只有主机厂能做到**。

他也承认，智能驾驶未来会成为标准化组件。标准化之上仍有不同体验和功能。一辆车可以一个月接管一次，另一辆车二十公里接管一次，体验完全不同。有了很强的能力，才能在上面经营产品定义和功能差异。供应商方案难在闭环和产品形态上做很多变化。

国内智驾还没有明显代际差。刘先明的判断是，很多厂商会在今年底、明年初拿出下一代架构，代际差很快会出现。小鹏会是其中之一，也一定会走到最前面。AI竞争在车企里已经白热化，是下一阶段的重要赛点。做不好，可能被淘汰，只能选供应商；选了供应商，又会在闭环和产品形态上受限。

他还提到Waymo在旧金山的变化。早期Waymo是旧金山旅游景点，很多人去尝鲜。后来每周25万单，从车站出来能看到很多人在等车。刘先明希望自动驾驶也走这条路径：从技术、景点、尝鲜，变成生活的一部分。他带小孩回旧金山看Cruise旧办公室，第一次坐Waymo，小孩在车上大喊robot car。他坐在曾经竞争对手的车上，心里有不甘心，也有较劲。

## AI组织要扁平，下一程是泛化和Robotaxi 1:26:00

刘先明对AI组织的判断很明确：AI一定是严格体系化的东西，自上而下给北极星目标和合理时间预期，技术突破自下而上发生。Meta的问题在于半年考核、频繁重组，快文化适合互联网快速试错，不适合长线AI。Meta人才密度高，创新依赖个体灵光一现；AI需要集中化的小团队、充足资源、强工程体系。大家看到上面一小撮人做模型，背后是步调统一的大规模工程体系。

小鹏团队被他拍得很扁。他直接看一线工程师的代码和实验结果，随时在办公室讨论，快速决策。带宽上，他一次关注两三个事情，和几个人到十几人的团队快速沟通。团队晚上两三点睡，早上七八点起，有人说他不睡觉、每天睡四小时。团队有deep dive，把好实验、坏实验拿出来分享，问spicy问题：为什么结果做成这样，为什么写这么简单又错误的东西，要不要冒这个风险。

他上任后最大的挑战是带宽。之前做内部AI，可以非常聚焦地盯一件事；现在做自动驾驶量产，要处理产品、业务、客户质量、硬件问题，带宽被拉大。他还要在这么大的带宽里，帮团队找到下一阶段该做的事。

明年他要在广州推L4，基于同一套架构。思路是增加车端算力、给更多inference时间、更大模型体积，解决更复杂的问题。L4仍要解决安全下限，可以通过云端teleops、云端接管兜底，核心是降低系统出错概率，降低云端接管频次，降低成本，达到可商用状态。安全对齐在尝试，还没有开始大做。

这套架构也能延伸到机器人。机器人数据比自动驾驶少，解决数据问题是主要难点；控制自由度高，但输入token维度足够高，输出已经降维，自由度不会是大blocker。VLA、世界模型、端到端，刘先明不太想区分名字。他认为大家本质上都在做端到端模型，加入不同多模态数据、不同信号输入，让模型响应。名词很多，做的东西差不多。

他把明年的重点放在两件事：把Robotaxi在广州运行好，规模化推起来；探索更长远的方向，更极致地用多模态数据，把生成和判别用得更好，让模型接近自我博弈。一年后，智能化开始全面介入生活；三年后，物理AI可能走到生活每一步；五年后，他不敢想。世界发展太快，他能做的是基于当前认知把想做的事做好，让孩子学会学习。

读完这期，可以带走三个判断。看一条智驾技术路线，先看它能不能把数据效率做大，再看它有没有真实数据闭环。看一家车企的AI组织，看它能不能集中资源、缩短决策链，敢不敢在业务压力下拆掉旧系统。看一个智驾一号位，看他能不能同时守住安全下限和scaling上限。刘先明的答案很直接：拆掉中间层，让数据流起来，把简单的事做到极致。