⁣
📰 [东吴证券]：汽车行业深度报告：AI系列深度01期：从数字AI通用底座到物理AI真实世界闭环 - 发现报告

数字AI已在语言、视觉与多模态任务中实现通用底座，但难以直接完成对物理世界的建模与闭环。物理AI将通过“感知—行动—反馈—优化”的连续、实时与安全约束下的闭环，逐步与数字AI并列成为实际场景的解法。两者在技术源头上存在共性，因此回顾数字AI的发展脉络有助于预测物理AI的演进路径。早期以CNN、RNN为代表的专用架构推动AI第一次爆发，随后Transformer凭借注意力机制与规模效应成为跨领域通用底座，促成语言、视觉及多模态的统一模型趋势。当前物理AI面临三大差异：缺乏天然Token需自建物理表征、极端场景稀缺且采集成本高、模仿学习受限于人类驾驶上限需靠强化学习持续试错，因此世界模型被认为更贴合物理AI的发展方向。随着世界模型与强化学习闭环的成熟，以及云端到车端的落地部署，物理AI有望从展示能力走向大规模应用，成为当前阶段最具成长弹性的方向。

🏷️ #物理AI #数字AI #世界模型 #强化学习 #统一底座

🔗 原文链接