> **来源：[研报客](https://pc.yanbaoke.cn)** # 汽车行业深度报告总结 ## 核心内容 本报告聚焦于智能驾驶领域中物理 AI 的表征演进路径，分析了其与数字 AI 的根本差异，以及当前主流技术路线的发展趋势。报告指出，物理 AI 需要将连续的物理世界输入（如图像、点云等）转化为可学习的数值表征，这一过程比数字 AI 更具挑战性，因为缺乏天然通用的 token 化方案。 ## 主要观点 1. **表征的重要性** 表征决定了物理世界如何进入模型。物理世界的输入为连续信号，需要先构建可学习的底座，而数字 AI 的输入（如文本）则天然具备离散性和语义性。 2. **物理 AI 的表征演进主线** 智能驾驶表征演进分为五个阶段：原始像素 → BEV/VectorNet → Occupancy → 多模态 Token → 潜在状态。各阶段在产业中长期并存，且相互叠加。 3. **BEV 与 VectorNet 并行发展** BEV（鸟瞰图）以特斯拉为代表，通过多相机图像统一到三维空间；VectorNet 以 Waymo 为代表，通过矢量化地图与轨迹建模交互关系。 4. **Occupancy 占用网络** 从识别对象类别转向判断空间占据，提供稠密自由空间表示，但对实体关系建模不足。 5. **多模态 Token 与潜在状态** 多模态 Token 尝试将视觉、语言、动作统一为序列建模框架；潜在状态则进一步将世界压缩为可预测空间，为闭环控制提供基础。 6. **世界模型作为自监督训练工具** 在标签稀缺的背景下，世界模型通过预测未来状态、生成场景或学习潜在动力学，成为物理 AI 表征训练的重要手段。 ## 关键信息 ### 表征演进阶段 - **原始像素**：端到端感知，但缺乏结构约束。 - **BEV+Transformer**：将多相机图像统一到三维空间，利用注意力机制建模交互。 - **Occupancy 占用**：以体素占据描述空间，支持未知障碍物识别。 - **矢量化**：将地图与轨迹抽象为矢量，利用图网络建模高阶关系。 - **多模态 Token**：融合视觉、语言与动作，提升模型泛化能力。 - **潜在状态**：将世界压缩为可预测空间，支持更复杂的规划与控制。 ### 表征技术对比 | 维度 | 数字 AI | 物理 AI | |------|---------|---------| | 原始输入 | 离散符号序列 | 连续光子/点云等原始信号 | | 是否有天然通用 Token | 有 | 无，需网络学习 | | Token 化代价 | 轻量 | 重型（如 BEV 编码器、VAE、3D 编码器） | | 世界编码来源 | 人类语言事先完成 | 模型自行构建 | ### 主要厂商表征路线 | 厂商 | 代表阶段/版本 | 表征路线要点 | |------|---------------|---------------| | 特斯拉 | AI Day 2021 / FSD V12-V14 | BEV+Transformer → 占用 → 多模态端到端闭环 | | 小鹏 | XNet 1.0 / 2.0 | 动态 BEV → 引入 Occupancy，三网合一 | | 华为 | ADS 2.0 2023.04 | BEV 底座 + GOD 通用障碍物，无图道路理解 | | 理想 | AD Max 3.0, OTA5.0 | 静态/动态 BEV + Occupancy + NeRF | | Waymo | VectorNet / Wayformer | 矢量化 + 全模态统一 Token、注意力融合 | | Wayve | GAIA-1/2、LINGO | 视频 Token 化器 + 世界模型，潜在状态与 VLA | ### 世界模型类型与定位 | 模型 | 核心定位 | 技术关键词 | |------|----------|-------------| | GAIA-2 (Wayve) | 潜在空间世界模型 | 连续潜在、潜在扩散、动作/文本条件 | | Cosmos (英伟达) | 世界基础模型 | 学习式 Token 化器、连续/离散、潜在扩散 | | DriveDreamer4D | 数据生成器 | 世界模型先验、4D-GS、扩散合成 | | ReconDreamer | 场景重建器 | 在线修复、几何先验 | | GeoDrive | 仿真预测器 | 3D 几何约束、精确动作控制 | ## 风险提示 - 技术迭代不及预期的风险 - 大模型厂商 ARR 增速放缓的风险 - 云服务商资本开支不及预期的风险 - 智能驾驶及机器人商业化落地不及预期的风险 ## 投资建议 报告认为，数字 AI 的发展路径已逐渐清晰，但其难以实现物理世界的建模闭环；物理 AI 将成为物理世界的 AI 解决方案，具有更大的增量潜力。智能驾驶作为最先跑通闭环的代表场景，应重点关注其表征演进与世界模型的发展。