深度报告-20260727-东吴证券-汽车行业深度报告_AI系列深度01期_从数字AI通用底座到物理AI真实世界闭环_38页_2mb

汽车行业深度报告总结

核心内容

本报告聚焦 AI 在数字与物理世界的演进路径，重点分析了数字 AI 与物理 AI 的发展差异与融合路径。数字 AI 以 Transformer 架构为核心，通过语言、视觉与多模态任务的统一建模，已形成通用基础模型。物理 AI 以智能驾驶为典型场景，强调在真实世界闭环中的“感知—行动—反馈—优化”过程，其发展路径与数字 AI 有所不同，但存在技术同源性。

主要观点

• 数字 AI 通用底座模型：Transformer 通过注意力机制和位置编码，实现了跨模态统一建模，成为语言、视觉与多模态任务的通用计算底座。
• 物理 AI 真实闭环构建：物理 AI 需要构建“感知—行动—反馈—优化”闭环，与数字 AI 在表征、数据与学习范式上存在系统性差异。
• 技术同源性：数字 AI 与物理 AI 共享 Transformer 架构，但物理 AI 更加关注真实世界中的连续、实时与安全约束。
• 世界模型与强化学习：世界模型作为数据工厂，通过自监督学习生成 Corner Case；强化学习则成为物理 AI 的关键训练范式，推动闭环优化。
• VLA 范式演进：从端到端到视觉语言动作模型（VLA），VLA 架构逐步整合多模态信息，提升智能驾驶的决策与控制能力。
• 厂商路径分化：头部厂商在 VLA 架构与表征方式上出现分化，部分采用语言推理，部分转向端到端视觉—动作模型。

关键信息

数字 AI 发展路径

• 第一次爆发：CNN 和 RNN 分别攻克视觉与语言任务，但受限于归纳偏置与样本效率。
• 第二次爆发：Transformer 以注意力机制和位置编码实现跨领域通用建模，推动语言、视觉、生成与多模态任务的统一。
• Scaling 规律：随着模型规模扩展，性能呈幂律提升，但数据质量与训练流程成为新的优化方向。
• 表征与数据：数字 AI 表征以 Token 化为主，数据获取依赖互联网存量；物理 AI 表征需构建三维空间模型，数据获取需制造长尾与极端场景。

物理 AI 落地路径

• VLA 范式：从端到端到动作生成，VLA 架构逐步整合多模态输入，提升决策与控制能力。
• 表征演进：从像素→BEV→占用→矢量化→多模态 Token→潜在状态，逐步构建可预测的物理世界模型。
• 世界模型：通过预测未来，为物理 AI 提供自监督训练信号，成为生成式数据工厂的核心。
• 强化学习：作为物理 AI 的关键环节，强化学习在安全与闭环优化中发挥重要作用。
• 数据制造：物理 AI 数据稀缺且成本高，需通过仿真与生成模型制造关键场景。

技术对比

结论

• 数字 AI 价值在确定性：已形成统一模型架构，具备广泛迁移能力。
• 物理 AI 增量在闭环：通过世界模型与强化学习构建闭环，形成独立而统一的发展路径。
• 未来增长点：物理 AI 有望成为 AI 发展当前阶段最具成长弹性的方向，特别是在智能驾驶与机器人领域。
• 风险提示：技术迭代不及预期、大模型厂商 ARR 增速放缓、云服务商资本开支不及预期、智能驾驶及机器人商业化落地不及预期。

图表与模型演进

• Transformer 技术演进：从语言建模扩展至视觉、生成与多模态任务。
• VLA 范式演进：从端到端到统一策略，再到推理增强。
• 世界模型发展：从强化学习辅助预测到生成式数据工厂。
• 数据获取差异：数字 AI 依赖存量管理，物理 AI 需要增量制造。

厂商实践

• Waymo EMMA：基于 Gemini 构建多模态模型，实现端到端规划。
• 理想 MindVLA：采用 3D 高斯与 Diffusion 解码器，实现车端实时推理。
• 小鹏 第二代 VLA：设计原生多模态 Tokenizer，实现视觉—动作直接映射。
• 元戎启行 40B VLA：构建三角色模型，实现数据闭环优化。
• 千里 CoWorld-VLA：通过四类专家 Token 构建隐空间表征，实现规划与控制。

总结

数字 AI 以 Transformer 为核心，实现语言、视觉与多模态任务的通用建模；物理 AI 在此基础上，通过世界模型与强化学习构建真实世界闭环。物理 AI 与数字 AI 存在表征、数据与学习范式的系统性差异，但共享通用架构。智能驾驶作为物理 AI 典型场景，正逐步从端到端向 VLA 范式演进，未来有望实现大规模落地。