📰 研报摘要
查看全文 ➔本报告为 AI 系列深度研究第 05 期，重点探讨模型学习表征并实现对齐的技术逻辑。文章详细分析了表征落地的三类基础机制：嵌入（Embedding）作为工程化形态将对象映射为数字向量，自监督学习作为规模化学习机制在无需人工标注的情况下学习语义和结构，以及 CLIP 通过图文配对对比学习实现图像与文字的跨模态对齐。报告认为，数字底座模型难以实现物理世界的建模闭环，而物理 AI 将成为未来增量更大的方向，其中智能驾驶作为最先跑通闭环的代表场景应重点关注。风险提示包括技术迭代不及预期、大模型厂商增速放缓、云服务商资本开支下降以及智能驾驶及机器人商业化落地不及预期。