小鹏汽车自动驾驶中心的内部信打破行业平静：李力耘卸任负责人职务，世界基座模型负责人刘先明接棒。这是继 2023年8月吴新宙离职后，小鹏智驾部门的又一次关键人事调整。
从吴新宙到李力耘，再到刘先明，一年多时间里的两次换帅，折射出的不仅是小鹏的组织迭代，更是中国车企智驾竞争从"功能落地"向"AI模型"跃迁的必然选择。
从"落地派"到"模型派"的转向
此次交接的两位核心人物，代表着小鹏智驾发展的两个关键阶段。李力耘的"量产基因"与刘先明的"AI底色"形成鲜明对比，这种切换绝非偶然。
李力耘的履历堪称"落地专家"的范本。清华本科加纽约大学博士的学历背景，叠加AT&T、LinkedIn、百度等跨领域经历，让他既懂技术原理又通工程落地。2019年加入小鹏后，他从高速NGP到城市NGP，一步步主导核心智驾功能的量产落地。
2023年接手智驾团队后，更是在短短一年间完成两大突破：将城市NGP扩展至国内数百座城市，推动行车全功能端到端方案量产上线。这种"痴迷于量产自动驾驶的技术落地"的特质，正是吴新宙离职后，小鹏急需的"守成之力"。
相比之下，刘先明是典型的"前沿技术派"。伊利诺伊大学博士毕业的他，在Meta和Cruise积累了机器学习与计算机视觉的前沿研究经验，这两大平台正是全球AI大模型和自动驾驶技术的策源地之一。2024年3月加入小鹏后，他直接向何小鹏汇报，主导的世界基座模型研究已开始为芯片、具身团队提供技术支撑——这种跨部门的技术辐射能力，恰好契合了AI大模型时代的协同需求。
小鹏官方的回应点出了核心逻辑：VLA大模型只是基座模型的应用，更关键的是让模型具备"世界推演能力"。显然，从"把功能造出来"到"让系统变聪明"，小鹏需要的掌舵人已经变了。
量产功臣的时代局限
评价李力耘的任期，需要放在特定的行业坐标系中。他完成了小鹏智驾的"承上启下"，却也遭遇了技术迭代的"天花板"。
他的功绩集中在"规模化落地"与"技术过渡"两大维度。在规模化上，他将小鹏的城市 NGP 从少数试点推向全国，解决了智驾功能"有了但用不上"的痛点，这是用户感知最直接的价值。
在技术过渡上，他主导的端到端方案落地，打破了传统模块化架构的局限，让小鹏在从 "规则驱动" 向 "数据驱动" 的转型中站稳了脚跟。何小鹏曾强调"XNGP一直是力耘负责"，这既是肯定也是事实，所以李力耘守住了小鹏智驾的基本盘。
但行业竞争的烈度远超预期。2024年以来，理想凭借"端到端+VLM"双系统弯道超车，9月又实现VLA方案全系搭载；华为的ADS 4.0以更强的泛化能力持续领跑；蔚来也在加速世界模型研发。这些对手的共同特点是：以大模型为核心重构智驾体系。
反观小鹏，尽管率先落地端到端，但在模型规模、推理能力上逐渐失势，昔日"智驾一哥"的光环不再。
李力耘的局限并非个人能力问题，而是技术背景的必然。他擅长将成熟技术转化为量产产品，但面对720亿参数基座模型这样的前沿探索，缺乏AI大模型的深度研究经历成为短板。当行业竞争从"谁能落地"升级为"谁的模型更强"，人事调整就成了小鹏的必然选择。
基座模型的破局之战
刘先明的上任，本质上是小鹏将智驾研发的核心从"功能迭代"转向"模型攻坚"。他肩上扛着三个关键任务，每一个都关乎小鹏智驾的未来。
首要任务是加速世界基座模型的量产应用。这个耗时一年多研发的720亿参数模型，是小鹏智驾的"核武器"。与理想22亿参数的MindVLA不同，小鹏采用"云端训练+车端蒸馏"的路线：先在云端用海量数据训练超大模型，再将核心能力提炼成小模型部署到车上。刘先明在CVPR 2025上透露，小鹏已训练40万小时视频数据，GPU利用率达85%，这种极致的算力压榨能力，正是基座模型落地的关键。
第二个任务是推动"纯视觉+大模型"路线的验证。小鹏敢于摘下激光雷达，核心底气来自刘先明团队的技术突破：通过800万像素摄像头+Lofic技术，感知距离提升 125%，识别速度提升40%；去激光雷达后节约20%感知算力，端到端延时降低近一半。但这条路线争议巨大，毕竟小米、理想等对手都在加码激光雷达。刘先明需要用实际表现证明，"聪明的大脑"比"更多的眼睛"更可靠。
第三个任务是打通AI技术的协同壁垒。小鹏的野心不止于汽车，飞行汽车、机器人等业务都需要基座模型支撑。刘先明此前的研究已为芯片、具身团队提供支持，未来他需要让基座模型成为跨业务的技术底座，这也是何小鹏频繁与其深谈的核心原因 —— 只有统一的大模型，才能支撑小鹏的"AI帝国"构想。
智驾竞争进入"模型淘汰赛"
小鹏的人事调整不是孤例，2024年已成车企智驾团队的"调整大年"。理想拆分为11个二级部门专攻大模型，吉利关停内部团队引入外部供应商，蔚来一年内三次调整组织架构。这些变动指向同一个趋势：智驾竞争已进入"模型淘汰赛"。
这场竞赛的核心是"算力、数据、模型"的综合比拼。在算力上，小鹏已建成万卡规模集群，2025 年还将投入45亿元加码；理想、华为也在疯狂扩充算力储备。在数据上，小鹏的"云端模型工厂"5天就能完成一次迭代，理想则依靠海量用户数据优化VLA模型。但最终的胜负手，还是落在模型能力上。
当前行业形成了两种技术路线：理想代表的"务实派"，选择在车端部署中等规模模型，追求快速落地；小鹏代表的"激进派"，押注超大基座模型，追求长期代差。刘先明的任务，就是证明小鹏的路线能更快转化为用户体验。比如在极端场景处理上，基座模型通过强化学习能生成人类未经历过的避险策略，这种能力是小模型无法企及的。
对用户而言，这场竞争的价值显而易见：智驾系统将从"能开车"升级为"会思考"。当基座模型能像人类一样进行长时序推理，面对施工路段、潮汐车道等复杂场景时，决策会更从容；当世界模型能精准预测其他交通参与者的行为，事故风险将大幅降低。而对车企来说，这是一场生死战——跟不上模型迭代的玩家，终将被淘汰。
AI驱动小鹏的二次创业
从李力耘到刘先明，小鹏的人事调整本质上是一场豪赌：押注AI大模型能重新定义智驾竞争格局。这场赌注背后，是小鹏的生存逻辑。在电动化同质化的今天，智驾是唯一的差异化护城河。
但风险同样巨大。首先是技术风险，基座模型的落地效果仍待验证，纯视觉路线能否应对所有极端场景，没人能打包票。安徽小米SU7事故后，行业对纯视觉的质疑声明显增多，理想CEO李想甚至直言"马斯克来中国也会加激光雷达"。其次是时间风险，理想的VLA已量产，华为的ADS 4.0持续进化，小鹏若不能快速将模型能力转化为产品优势，将错失窗口期。最后是成本风险，万卡算力集群的维护、45亿元的年度投入，对小鹏的现金流是不小的压力。
不过小鹏也有自己的优势。作为最早深耕智驾的新势力，在数据积累、工程落地能力上的底蕴仍在；刘先明这样的AI专家加持，让技术路线更具前瞻性；何小鹏对技术的偏执，也愿意为长期目标忍受短期成本压力。正如他所言，"物理世界的Scaling Law还远未看到尽头。这种对规模效应的信仰，正是小鹏押注大模型的核心逻辑。
写在最后
小鹏的两次人事调整，勾勒出中国智驾的进化路径：从"功能落地为王"到"模型能力至上"。李力耘完成了"从0到1"的量产筑基，刘先明则要开启 "从1到100"的AI跃迁。
这场转型对所有车企都是考验。未来的智驾竞争，不再是比谁的功能多、开城快，而是比谁的模型更聪明、泛化能力更强。谁能掌握基座模型的"主权"，谁就能在新一轮竞争中占据主动。
刘先明的上任，是小鹏给出的答案。但最终能否奏效，还要看今年晚些时候的AI科技日，看基座模型的实际表现，看用户的真实反馈。毕竟在汽车行业，从来都是技术说了不算，产品和市场才是最终裁判。
