📰 研报摘要
查看全文 ➔本报告深度解析了人工智能领域的“表征”概念，将其拆解为数据编码、模型特征与哲学意义三个层面。通过回顾从符号 AI、特征工程到深度学习及基础模型的四次演进，指出表征方式决定了机器组织世界的能力。报告重点探讨了当前人工智能在生成与学习、符号与分布式、离散与连续、显式与隐式世界模型四组路线上的分歧。在物理 AI 领域，报告对比了自动驾驶与机器人在架构选择、数据来源及世界模型部署上的不同路径，认为智能驾驶作为最先跑通闭环的场景，具有较高投资价值。结论强调表征革命是 AI 范式演进的主线，未来应重点关注统一世界表征、可解释性技术及高质量物理交互数据的闭环建设。