📰 研报摘要
查看全文 ➔本报告深入探讨了物理 AI 在汽车行业的演进路径及其与数字 AI 的系统性差异。报告指出，物理 AI 的借鉴层级正从早期的架构理念（如 Transformer、BEV、端到端）向模型层面迁移（如 VLA 范式），但由于物理闭环的复杂性，直接迁移的红利随之收窄。物理 AI 在三个维度与数字 AI 存在显著差异：表征上，物理 AI 需将连续的物理世界编码为可学习的三维空间表征；数据上，由于高价值长尾场景稀疏，世界模型承担了“数据工厂”的角色以生成合成数据；学习范式上，强化学习成为突破平均人类司机能力边界、实现高安全性的关键。报告认为数字 AI 提供能力底座，而物理 AI 补足物理闭环，智能驾驶是目前最先跑通闭环且最具增量空间的代表场景。