最近我听gemini 姚顺宇的访谈，印象最深的一句话是： 我们现在很少问AI能不能解决一个问题，真正关心的是这个问题是否被良好定义。有段时间，很多从业人员对于辅助驾驶新国标的难度非常担忧，认为很多市面上的系统很难通过。当我们把一个个场景当成单一的实验时，确实，一个个场景需要特调，满足近乎严苛的运行条件非常困难。而且场景也不能只局限在新国标的几个推荐场景中，那么我们能看到显而易见的维度爆炸。

这些问题，怎么解决？ 如果我们把问题限定在“ 某几个难场景的解决”，在AI时代，这其实就不是一个良好的定义。而小鹏把问题定义成了 ， 物理世界的理解。小鹏的解法是用视觉为核心的大模型，去掉“语言转译”模块，获得更快的推理效率。真正的问题，从来不是某个具体的场景，而是对世界的理解和快速反应。能力=模型X算力X数据。得到一个波澜不惊的的平稳运行结果。这两天，小鹏进行了一场在新国标落地前，参考国标，开展了一次全场景智能安全的测评。

表现也显而易见，小鹏定义清楚了问题之后，自然也就得到了好的结果。提前减速，平稳避让，风险处置时间类人，提前规避风险，而不是最后1s 来惊险救车。

同时，同样的模型和软件，也和Robotaxi 同源，此次所有场景，驾驶员失能靠边停车，鬼探头，光线突变识别，极端天气应对，GX 全部通过。

当有一些人认为国标太难，不适应现在的辅助驾驶现状的时候。那么我们可能需要问一句，你要解决的问题，真的被定义清楚了吗？新华社10大场景实测小鹏GX智驾安全、新华社新媒体直播实测小鹏第二代VLA