小鹏汽车应对全球AI竞赛从数字AI到物理AI转变的财经分析报告

一、引言

全球AI竞赛正从“数字AI”（算法+数据）向“物理AI”（算法+硬件+场景）深度演进。物理AI的核心是将人工智能从“云端计算”带入“实体场景”，通过传感器、芯片等硬件感知环境，结合算法实时决策，解决实际问题（如自动驾驶、智能机器人）。作为智能电动汽车（EV）领域的领军企业，小鹏汽车（XPEV.NYSE）凭借“自动驾驶+智能座舱”的技术积累，正在积极应对这一转变。本报告从技术布局、产品落地、生态构建、财务支撑四大维度，分析小鹏的应对策略及长期竞争力。

二、数字AI到物理AI的转变背景

数字AI的价值在于“处理数据”（如语音识别、图像分类），依赖云端计算与海量数据；物理AI的价值在于“解决问题”（如自动驾驶汽车避让行人），需要“算法+硬件+场景”的深度融合。对于小鹏而言，物理AI的核心应用场景是智能电动汽车，尤其是自动驾驶——这不仅需要强大的算法（如计算机视觉），还需要高精度传感器（如激光雷达）、高算力芯片（如英伟达Orin）及海量道路场景数据，是物理AI的典型载体。

三、小鹏汽车的应对策略分析

（一）技术布局：构建“算法-硬件-场景”协同的物理AI核心能力

小鹏的技术布局围绕自动驾驶与智能座舱展开，重点打造“感知-决策-执行”的全链路能力：

1. 算法层：自主研发XNGP自动驾驶系统，涵盖感知（多传感器融合）、决策（端到端深度学习）、规划（路径优化）、控制（车辆执行）四大模块。其中，感知算法采用“激光雷达+摄像头+毫米波雷达”融合方案，能实现360°高精度环境感知（如识别行人、红绿灯）；决策算法通过“Transformer”模型处理复杂场景（如城市拥堵路段的变道），实时性达10ms级。
2. 硬件层：搭载高算力芯片（英伟达Orin，算力254TOPS）与高精度传感器（Hesai AT128激光雷达，分辨率128线，测距精度±2cm），为算法提供强大的计算与感知支撑。例如，激光雷达能弥补摄像头在弱光环境下的不足，提升自动驾驶的安全性。
3. 场景层：通过**城市NOA（自动辅助导航驾驶）**落地，积累海量道路场景数据。截至2025年6月，小鹏城市NOA已覆盖全国30+城市，累计测试里程超1000万公里，能处理“行人横穿马路”“非机动车逆行”等中国特色场景，场景适配能力行业领先。

（二）产品落地：将物理AI融入核心产品，推动商业变现

小鹏的物理AI能力主要通过智能电动汽车产品落地，核心是自动驾驶与智能座舱：

1. 自动驾驶车型：小鹏G6、G9等主力车型均搭载XNGP系统，支持城市NOA（自动辅助导航驾驶）、高速NOA（高速自动辅助导航驾驶）、自动泊车（APA）等功能。其中，城市NOA的“点到点”自动驾驶体验（如从家到公司全程无需人工干预）已成为产品的核心卖点，用户渗透率达35%（2025年Q2数据）。
2. 智能座舱：Xmart OS系统结合“数字AI”（语音识别）与“物理AI”（车辆控制），实现“语音指令-车辆执行”的无缝衔接（如“打开空调22℃”“导航到最近的充电桩”）。此外，智能座舱通过多模态交互（语音+触摸+手势）提升用户体验，用户日均使用时长超1.5小时。

（三）生态构建：打造“车-云-用户”闭环，强化物理AI迭代能力

小鹏通过**“车-云-用户”生态**，实现“数据-算法-产品-用户”的闭环迭代：

1. 车端：车辆通过传感器（激光雷达、摄像头）收集道路场景数据（如车辆位置、行人轨迹），并上传至云端；
2. 云端：Xpeng Cloud平台对数据进行标注、训练，优化自动驾驶算法（如提升行人识别准确率）；
3. 用户端：用户通过APP反馈使用体验（如“自动驾驶变道过慢”），这些反馈用于调整算法参数，提升产品性能。

这种生态协同使得小鹏的物理AI能力能快速迭代——例如，城市NOA的“自动变道成功率”从2024年的85%提升至2025年的92%，主要得益于生态闭环的数据积累。

（四）财务支撑：高研发投入+快速营收增长，保障物理AI研发

物理AI的研发需要大量资金（如传感器、芯片、场景测试），小鹏通过高研发投入与快速营收增长保障研发：

1. 研发投入：2024年，小鹏研发投入达64.57亿CNY（占营收的15.8%），远高于行业平均水平（如特斯拉2024年研发投入占比约7%）。研发投入主要用于自动驾驶算法（占比45%）、传感器技术（占比25%）、高算力芯片（占比15%）。
2. 营收增长：2024年，小鹏营收达408.66亿CNY，同比增长125.3%（券商API数据）；2025年Q1营收进一步增长至120亿CNY（同比增长80%）。营收增长主要来自智能电动汽车销量的提升（2024年销量达12万辆，同比增长80%），规模效应逐步显现。
3. 资金储备：2024年末，小鹏现金及现金等价物达185.86亿CNY，能支撑未来3-5年的研发投入（如自动驾驶场景测试、传感器采购）。

四、挑战与展望

（一）面临的挑战

1. 硬件成本压力：激光雷达（如Hesai AT128）单价约1万元，高算力芯片（英伟达Orin）单价约5000元，这些硬件增加了车辆制造成本（约占整车成本的15%），影响产品性价比。
2. 场景适配难度：不同国家/地区的道路规则差异大（如欧洲的窄路、美国的高速公路），小鹏的自动驾驶系统需要本地化调整（如欧洲市场的“礼让行人”规则），这需要大量时间与数据积累。
3. 竞争加剧：特斯拉（FSD）、华为（ADS 2.0）、百度（Apollo）等企业均在自动驾驶领域加大投入，竞争加剧会压缩小鹏的市场份额（2024年全球EV市场份额为8%，同比下降2个百分点）。

（二）未来展望

尽管面临挑战，小鹏的物理AI布局仍具有长期竞争力：

1. 技术领先性：小鹏的XNGP系统在城市NOA、自动泊车等场景中的表现处于行业领先水平（如城市NOA覆盖30+城市，自动泊车成功率达95%），技术壁垒较高（算法专利超2000件）。
2. 营收增长潜力：全球EV市场仍处于高速增长阶段（2024年销量达1200万辆，同比增长35%），小鹏作为行业领军企业，销量与营收仍有较大增长空间（2025年目标销量18万辆，同比增长50%）。
3. 生态协同效应：“车-云-用户”生态能强化物理AI的迭代能力，随着数据积累，自动驾驶的体验会持续提升（如2026年目标实现“无接管自动驾驶”），进一步增强用户粘性（用户复购率达30%）。

五、结论

小鹏汽车应对全球AI竞赛从数字AI到物理AI转变的策略，核心是聚焦“算法-硬件-场景”协同，将物理AI融入智能电动汽车产品，通过高研发投入与快速营收增长保障研发，构建“车-云-用户”生态强化迭代能力。尽管面临硬件成本、场景适配等挑战，但小鹏的技术领先性与营收增长潜力使其在物理AI竞赛中占据有利位置。未来，随着自动驾驶技术的进一步成熟（如2027年实现L4级自动驾驶），小鹏有望成为全球物理AI领域的领军企业。