10 月 22 日，小鹏汽车宣布第二代 VLA 大模型完成升级，获得更强的时序理解与未来行为预测能力，并已端侧落地到人形机器人 IRON 上。官方给出的两个量化描述是：每 0.2 秒根据眼前画面重新推理一次，以及预测 6 秒内的动作变化。
这两个数字管的是两件不同的事。0.2 秒是刷新率——决定机器人多快能发现「情况变了」；6 秒是预测视野——决定它能提前多久开始准备动作。前者是反应，后者是预判；只有反应没有预判，机器人永远慢半拍；只有预判没有刷新，预测错了就一路错到底。
要提醒的是，这两个数字目前没有配套的评测条件——官方未披露测试场景、样本量、成功率基线，也未说明 0.2 秒是端到端延迟还是模型推理节拍。这类数字在缺少条件说明时，只能当作能力方向的指示，不能当作验收指标。
官方把演示重点放在了三个极其简单的交互上：握手、碰拳、击掌。为什么是这三个？因为它们的结构是你来我往。
官方对难点的描述很准确：人不会按机器人的节奏出招。一次编排好的迎宾动作，流程是确定的——挥手、转身、递物，节拍写死即可。但握手不是：对方的手伸到一半突然握拳，或者击掌位置临时抬高，这套动作就没有「标准答案」了。
编排式交互：识别手势 → 查表 → 执行成套动作。优点是可预判、成功率高；缺点是对方一改招就断，常表现为「卡住后重来一遍」。
持续推理式交互：一直观察 → 实时判断 → 持续调整。优点是能跟住变招；代价是对算力和端侧延迟的要求高一个量级。
官方对 IRON 的表述是后者：不是识别一次手势、做完一套动作才反应，而是一直观察、实时判断、持续调整，让「看到什么」和「身体怎么动」连成实时闭环。两个被点名的具体场景是——手掌突然握拳，它随即调整回应；击掌位置改变，它也能换手配合。
这套端侧能力跑在什么上面，同样值得看。IRON 于 2025 年 11 月 5 日小鹏科技日发布，官方介绍其拥有「骨骼—肌肉—皮肤」结构：仿人脊椎、仿生肌肉、全包覆柔性皮肤、头部 3D 曲面显示、仿生灵动双肩，以及实现 22 个自由度的灵巧手。
算力侧，IRON 搭载3 颗图灵 AI 芯片，构建 VLT+VLA+VLM 的高阶大小脑能力组合，官方称可实现对话、行走、交互等高阶智能，并搭载物理世界大模型。
| 项 | 官方口径 | 本稿标注 |
|---|---|---|
| 灵巧手自由度 | 22 个 | 发布日口径（2025-11-05） |
| 端侧算力 | 3 颗图灵 AI 芯片 | 未披露算力数值与功耗 |
| 模型组合 | VLT + VLA + VLM | 未披露各模块参数量 |
| 重推理间隔 | 0.2 秒 | 单一信源，无测试条件 |
| 量产 / 交付 | 2026 年底量产 / 2027 上半年交付 | 公司计划，非承诺 |
把 22 自由度灵巧手和 0.2 秒重推理放在一起看，会发现一个隐含要求：变招不只是「决定换手」，还要「换得了手」。决策层给出的是意图，执行层要能在零点几秒内把另一只手的轨迹重算完。灵巧手自由度越高，可执行的变招越多，但实时重规划的算力压力也越大——端上 3 颗芯片的取舍大概就在这一层。
按官方计划，小鹏将在 2026 年底实现人形机器人量产，2027 年上半年开启交付，率先落地门店、商场等商业场景，并逐步拓展至工业及家庭场景。
这个顺序不是随口排的。门店和商场的共同特点是：环境半开放、人流可控、任务短、失败成本低。握手没接上，最多是尴尬；工业抓取失败一次，可能是一批工件或一次停线。把「持续推理式交互」这种尚未经大规模验证的能力放在失败成本最低的场景里磨，是合理的工程路径。
判断：对做商演与展台运营的团队来说，这条路线值得盯。过去两年人形机器人在商业场景里的主流形态是「编排式表演」——舞蹈、格斗、列队，靠的是运动控制而不是交互。IRON 这次把资源压在实时接招上，如果真能在量产机上稳定复现，商演的产品形态会从「看它表演」转向「和它互动」，客单价结构和现场人员配比都会跟着变。但在第三方实测出现之前，这一切都还是官方口径下的可能性。