深度报告-20260807-东吴证券-汽车行业深度报告_AI系列深度24期_世界模型作为_数据工厂_15页_733kb

汽车行业深度报告总结

核心内容

本报告聚焦于世界模型在智能驾驶领域作为数据工厂的核心作用，分析其在物理 AI 与数字 AI 数据获取方式上的差异，并探讨其在生成 Corner Case 场景中的潜力与挑战。

主要观点

• 数据范式转变：物理 AI 需要主动构造稀缺、危险、未观测的长尾与极端场景，而数字 AI 则依赖已存在的文本、图像等语料。世界模型正从“复现场景”转向“生成世界”，成为物理 AI 数据供给的关键基础设施。
• 世界模型作为数据工厂：世界模型不仅用于预测未来状态，还用于生成合成训练数据，支撑自动驾驶系统的仿真推演与策略评估。其价值在于能制造现实中难以获取的边界样本，提升系统的泛化与安全性。
• Corner Case 制造与约束：世界模型被寄望于规模化生成 Corner Case，但其在长尾、分布外与长时域区域的可靠性也面临挑战。业界采取两种策略缓解该问题：外生受控生成与内生问题驱动生成。
• 技术路径与布局：特斯拉、Waymo、NVIDIA、Wayve 等机构和公司已将世界模型应用于自动驾驶训练，中国大厂与创业公司也在视频生成技术上快速追赶，为世界模型提供技术底座。
• 行业趋势：物理 AI 的数据问题与数字 AI 不同，其解决路径更依赖于约束生成与样本有效性提升，而非无差别扩大生成规模。

关键信息

数据获取差异

世界模型演进路径

• 特斯拉：提出基础世界模型，用于预测并生成未来多摄像头画面，提升物理建模能力。
• Waymo：从 Carcraft 回放转向生成式世界模型，2026年发布 Waymo World Model，用于仿真推演与策略评估。
• NVIDIA Cosmos：生成照片级真实感、物理一致的合成数据，支持训练与评估。
• Wayve GAIA-1 & GAIA-2：支持多视角、时空一致的可控生成，覆盖英美德等地，可生成分布外危险场景。
• DrivePTS：通过渐进式学习与互信息约束，提升几何可控性、语义约束力和前景结构保真度。
• DriveDreamer4D：将世界模型先验引入4D重建，通过真实轨迹扰动与结构约束生成新样本。
• 理想 MindVLA：基于重建与生成的统一世界模型，提升场景重建效率，支撑闭环强化学习。
• 小鹏云端世界基座模型：通过强化学习与模型蒸馏构建云到端的迭代流程，专注于生成高价值训练数据。

中国大厂与创业公司布局

• 阿里：开源通义万相 Wan，布局 Seedance。
• 字节跳动：推出 PixelDance、即梦。
• 腾讯：开源 HunyuanVideo，约130亿参数。
• 智谱 AI：开源 CogVideoX、清影。
• MiniMax：推出 Hailuo 2.3 版本。
• 生数科技：推出 Vidu。
• 快手：推出可灵 Kling。
• 百度：发布 Apollo ADFM 与萝卜快跑运营。

Corner Case 生成策略对比

风险提示

• 技术迭代不及预期：数字 AI、物理 AI 技术进展低于预期。
• 大模型厂商 ARR 增速放缓：客户增长、续费率或客单价不及预期。
• 云服务商资本开支不及预期：自由现金流承压，AI 算力需求及投资回报低于预期。
• 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。

结论

世界模型是物理 AI 数据范式转变的核心基础设施，其价值在于生成稀缺、危险、未观测的 Corner Case 场景，但自身在长尾与长时域区域的可靠性也面临挑战。业界正通过约束生成与问题驱动提升生成的有效性与安全性，而非单纯追求规模。未来，智能驾驶作为最先跑通闭环的场景，应重点关注世界模型的发展与应用。