📰 研报摘要
查看全文 ➔本报告深入探讨物理AI（Physical AI）的技术演进及其在智能驾驶场景的落地路径。报告指出，数字AI通过Transformer已实现通用底座跑通，但其与物理世界存在表征、数据范式及学习目标的系统性差异。物理AI的核心在于构建“感知—行动—反馈—优化”的真实世界闭环，而非简单的数字AI能力外溢。
核心研究观点包括：1. VLA（视觉-语言-动作）范式正从模块化转向端到端动作生成，成为智能驾驶的主流演进方向；2. 世界模型正成为突破瓶颈的关键抓手，通过提供高保真环境支持强化学习，解决长尾场景难以采集的难题；3. 数字AI的红利在于确定性，而物理AI的增量在于通过底层能力补齐，实现大规模落地。报告认为，物理AI在表征向潜在状态收敛、VLA演进及云车部署成熟的驱动下，有望成为AI发展当前阶段最具成长弹性的方向。