深度报告-20260807-东吴证券-汽车行业深度报告_AI系列深度25期_从模仿学习到强化学习的范式跃迁_13页_841kb

汽车行业深度报告总结

核心内容概述

本报告聚焦于人工智能在自动驾驶领域的发展路径，重点分析了从模仿学习到强化学习的范式跃迁趋势，以及世界模型与强化学习在物理闭环任务中的协同作用。报告指出，随着自动驾驶技术向L4级别演进，强化学习正从辅助工具转变为关键环节，成为突破模仿学习局限、提升系统安全与性能的核心手段。

主要观点

1. 模仿学习与强化学习的角色分化

• 数字 AI（如大语言模型）以互联网级语料为基础，模仿学习能覆盖多领域知识，形成高能力底座，强化学习则用于偏好对齐与推理增强。
• 物理 AI（如自动驾驶）以人类驾驶轨迹为模仿对象，能力上限受限于数据质量和覆盖范围，难以自发超越人类安全水平。因此，强化学习成为突破模仿上限、筛选安全行为的关键。

2. 强化学习在物理闭环任务中的关键地位

• 强化学习在自动驾驶中不仅用于事后增强，更成为突破能力上限的核心环节。
• 它通过设置奖励机制，引导模型学习安全、高效、舒适的行为，避免不良驾驶行为。

3. 世界模型与强化学习的双向共生

• 世界模型提供高保真闭环试错环境，支持强化学习的训练、验证与优化。
• 真实数据反向校准世界模型，形成“强化学习 → 世界模型 → 真实数据”的闭环循环。
• 当前主流工程方向为生成式与重建式世界模型的结合，以兼顾泛化能力与物理约束。

关键信息

模仿学习的局限性

• 协变量漂移：模仿学习在训练分布外表现不稳定，误差会随时间累积。
• 长尾场景缺失：危险、异常场景难以通过真实道路采集，限制模型泛化能力。
• 人类驾驶不完美：复杂低频场景样本稀缺，模仿学习难以覆盖。

强化学习的突破作用

• 强化学习用于提升驾驶行为的安全性与可靠性，尤其在L4级别自动驾驶中，需远超人类表现。
• 强化学习在自动驾驶中的作用包括：行为筛选、策略优化、闭环训练。

世界模型的作用

• 世界模型是强化学习训练的基础，提供可控、可重置、可注入危险事件的仿真环境。
• 世界模型分为重建式（基于真实数据）和生成式（泛化能力强），两者结合是当前主流趋势。

产业实践分析

技术路线分化

共性与分歧

• 共性：多数厂商围绕“端到端+世界模型+强化学习”构建技术链路，强化学习普遍用于闭环训练。
• 分歧：
  • 是否以语言为中介（如小鹏、理想、元戎、千里浩瀚 G-ASD 偏向 VLA，华为、地平线、Momenta 弱化语言中介）；
  • 强化学习的披露程度（部分厂商对 RL 技术细节公开有限）；
  • 落地形态：量产辅助驾驶强调成本与部署，L4 Robotaxi 强调安全冗余与性能超越。

结论

强化学习正从可选增强转变为高物理闭环任务中的关键环节，尤其在自动驾驶领域，其作用在于突破模仿学习的天花板，提升系统在复杂、危险场景中的表现。随着世界模型与强化学习的双向共生，行业正在向高保真仿真环境与闭环训练机制演进，未来技术路线将更趋收敛，但语言中介、数据规模与算力投入仍是关键变量。

风险提示

1. 技术迭代不及预期：数字 AI、物理 AI 技术进展低于预期，任务或应用场景拓宽速度低于预期。
2. 大模型厂商 ARR 增速放缓：若客户增长、续费率或客单价不及预期，可能影响 ARR 增速。
3. 云服务商资本开支不及预期：若 AI 算力需求及投资回报低于预期，云服务商可能下调资本开支。
4. 智能驾驶及机器人商业化落地不及预期：产品可靠性、成本下降或用户需求低于预期，可能影响商业化进程。

免责声明

本报告仅供东吴证券客户参考，不构成投资建议。报告内容基于公开信息整理，分析师力求准确但不保证其完整性。报告版权归东吴证券所有，未经书面许可，不得翻版、复制和发布。