📰 研报摘要
查看全文 ➔本文深入探讨了 AI 模型表征学习的三类核心基础机制：嵌入（Embedding）作为表征的工程化形态，将对象映射为数字向量以实现语义检索与 RAG 应用；自监督学习通过掩码预测、对比学习和下一个 token 预测，实现了在海量无标注数据上的规模化通用能力学习；CLIP 则通过图文配对的对比学习，将不同模态的表征对齐至统一语义空间，成为多模态大模型的重要底座。报告认为，数字底座模型在物理世界建模上存在局限，物理 AI 将成为未来更大的增量方向，而智能驾驶是目前最先跑通闭环的代表性场景，建议重点关注。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和机器人商业化落地不及预期。