小鹏发布第二代VLA，可以从视觉直接到动作，不用中间的语言转译，其本质其实也是世界模型。 为了训练第二代VLA，小鹏用了1亿视频训练数据，相当于一个人开车65000年遇到的场景总和。 有点夸张【来自懂车帝车友圈】
