📰 研报摘要
查看全文 ➔本报告探讨 AI 2.0 的本质，认为其核心在于模型能力形成方式从“人工设计”转向基于 Transformer 架构的“规模化学习”。报告详细复盘了大模型演进的三个阶段：模型能力奠基（预训练与规模扩张）、人机对齐与行为优化（SFT、RLHF 等）、以及推理与外部系统赋能（思维链、RAG 及智能体系统）。同时，报告分析了 Scaling Law 的六个演进阶段，指出资源优化已从单纯的参数与数据规模扩展至覆盖训练、推理、对齐与多模态的全链条框架。结论认为，数字 AI 任务已实现架构、任务与模态的三重收敛，而物理 AI 将成为未来的主要增量方向，其中智能驾驶是目前最先跑通闭环的代表场景，应予以重点关注。