小鹏IRON在9月8日刚走下产线,全身76个自由度、3颗图灵AI芯片堆出2250TOPS的端侧算力,何小鹏为此喊出的口号是“不用遥控器、靠语言就能让机器人自主干活”。
但如果翻到机器人大脑的说明书,会发现一个让人困惑的事实:这套自主系统在长程任务上的时序记忆能力有限，而它要完成的家庭服务需要连续作业数十分钟甚至更久。一个试图甩掉遥控器的机器人,脖子上顶着的却是一颗只有30秒记忆的大脑。
VLA架构的30秒天花板,是全自主路线最核心的卡点
小鹏IRON的自主能力来自一套叫VLA的模型架构,它把视觉、语言和动作集成在一起,让机器人自己看、自己判断、自己动手。但VLA的底层是大语言模型,它处理世界的方式是把三维连续空间硬压成一维的离散符号序列——几何、受力、接触这些关键因果信息在压缩过程中就丢了。
小鹏在汽车智驾上引入了Infini-VLA长时序架构，能记住过去30秒的环境数据。这个数字放在自动驾驶里够用——判断前车掉头、等行人通过,几秒到几十秒的窗口已经足够了。
但人形机器人要做的不是开直线,而是“把杯子从厨房端到客厅、顺手把桌上的杂志收进书架”——这类任务的时间跨度是分钟级的,30秒的时序记忆只够完成第一个动作,后续步骤的上下文就断了。
这个缺陷不是小鹏一家的问题,而是整个VLA技术路线的固有局限。何小鹏在财报会上说，Master Agent智能体可以解析自然语言指令、拆解子任务、调度各模块协同执行。但一个时序记忆能力有限的大脑，拆出来的任务链条越长，后面的环节就越容易丢失前提条件。
何小鹏与人形机器人在产线启用仪式现场合影
这就像你让一个人去厨房拿杯子、倒水、端给客人,但他每做完一步就忘了上一步为什么要这么做——杯子拿起来了,忘了要倒水;水倒好了,忘了要端给谁。行业分析指出,小鹏主打的VLA架构在复杂长程任务上缺乏长期记忆与规划机制,实际泛化能力未经过大规模工业场景验证。
灵巧手和训练数据,在这个卡点面前跑成了一个负循环
IRON的灵巧手有21个自由度,整机76个自由度,硬件参数上已经对标人手级别。但灵巧手要完成精细操作,需要上游模型给它连续、精准的指令流——手指展开到多少度、抓取力多大、手腕旋转到哪个角度。
VLA只能提供30秒的连贯指令,灵巧手在30秒后就得重新“猜”自己要干什么,自由度再高也用不上。羊城晚报的报道印证了这一点:硬件的自由度参数已经落地,但机构可靠性未经过大规模场景验证。
更麻烦的是,这个指令断档还锁死了数据飞轮。小鹏想靠机器人进入真实场景后积累数据,反哺模型迭代,形成“数据-模型-应用”的正向循环。
但IRON目前只有约250台试制品,以VLA当前的时序记忆力,这些机器人在真实场景里能完成的作业链条很短,产出的数据碎片化,对模型泛化能力提升极为有限。
一个更残酷的行业背景是,斯坦福《AI Index2026》报告显示,仿真环境中人形机器人操作成功率89.4%,进入真实家庭场景骤降至12%。
小鹏从汽车自动驾驶搬过来的道路数据,对室内精细操作几乎帮不上忙——自动驾驶处理的是车道线、红绿灯和行人轨迹,室内要处理的是沙发、茶几和水杯,两个世界的物理交互逻辑完全不同。
产线跑起来了,但量产的一致性难题还没解
9月8日,小鹏机器人生产线正式启用,核心制程自动化率超过80%,首台IRON自主走下产线。何小鹏自己也承认,这是一条从零创造的产线,没有成熟先例可以复制。
人形机器人在小鹏自动化产线通道内自主行走
问题在于,这条产线要量产的产品,前序环节的模型泛化能力和硬件可靠性都还没跑通验证——算法泛化性不确定,意味着每一台机器人在不同光照、不同环境下的表现可能有差异;硬件可靠性未经验证,意味着量产样机到稳定商用产品之间还有一段不知道多长的路。
行业里的普遍共识是,人形机器人从“能做出来”到“能稳定、规模化生产”,中间隔着一道不小的坎。而小鹏面对的情况更具体:这道坎不是单独的一道工序问题,是模型、灵巧手、数据、产线四个环节捆在一起往上堆的。
VLA的30秒天花板不突破,灵巧手就练不出真本事;灵巧手练不出真本事,数据飞轮就转不起来;数据飞轮转不起来,产线出来的机器人就只能在极短周期、标准化环境里干活——比如导购,在固定位置回答固定问题,不需要30秒以上的记忆窗口。
但何小鹏的愿景是把机器人带进家庭,而家庭是典型的非结构化、长周期多步骤场景,和30秒的时序记忆之间有根本性的冲突。
有效边界就在这里,跨过去需要时间
这条路线有一个明确的边界:一旦进入标准化、短周期的固定场景,上述卡点会大幅减弱。这也是为什么小鹏把IRON的第一站放在门店导购,而不是直接进家庭。
人形机器人停放在小鹏品牌门店的展车旁
宇树科技创始人王兴兴的判断是,机器人要能在80%陌生场景中完成80%的任务,理想的窗口是2到3年,但也有可能是5到10年。小鹏自己的公开时间表是2026年底量产后先进门店,2028年开始走向更多家庭。
但前提是VLA的时序记忆问题必须解决——要么魔改VLA架构让它自己长出长期记忆,要么换一条技术路线从头来过。
行业的分歧也在这里:2026世界机器人大会上,已经有观点认为VLA把三维世界压成一维离散序列的做法,天然无法支撑动态变化场景的自主泛化,世界模型可能才是下一代答案。
参会嘉宾在2026世界机器人大会现场发表演讲
但小鹏目前的路线已经绑在VLA上,从芯片到模型到数据体系都是按这个架构搭的,换方向意味着大规模推倒重来,这在量产已启动的时间点上,比技术难度本身更难下决心。
热门跟贴