📰 [东吴证券]：汽车行业深度报告：AI系列深度20期：如何看物理场景中数字AI的能力边界？ - 发现报告
本文系统阐述了数字AI与物理AI在现阶段的关系与发展路径，提出“承接—分化—融合”的长期协同演进观。随着应用场景从信息空间逐步进入真实物理世界，数字AI的理解与规划能力需在同一系统中与物理AI的感知、动作及安全闭环协同放大，从而实现持续的协同演进。场景按物理闭环程度形成连续谱，越靠近信息空间越以语义、知识和软件状态为主，越靠近物理世界越强调实时感知、运动控制与安全闭环的要求，数字AI的独立闭环充分性随之下降，物理AI专用技术栈的必要性上升。两类系统在技术路径上共享底座如Transformer，但目标对象、训练目标与闭环要求不同：数字AI聚焦信息空间的文本、知识、逻辑与软件操作，通过大规模数据、指令对齐与工具调用实现任务；物理AI面向真实或仿真物理世界，需处理传感器数据、状态表示、动作生成、规划、控制与反馈闭环，确保实时性与安全。能力迁移呈现分层特征：低物理闭环场景数字AI可直接完成主要任务；中段场景需要物理引擎与场景建模的支撑；高物理闭环场景则需专用技术补足状态维护、实时控制与安全验证。结论强调物理AI将与数字AI协同演进并在长期实现融合，形成完整智能系统，但仍需警惕技术迭代、资本与市场风险等不确定性。
🏷️ #AI发展 #数字AI #物理AI #连续谱 #场景迁移
🔗 原文链接
📰 [东吴证券]：汽车行业深度报告：AI系列深度20期：如何看物理场景中数字AI的能力边界？ - 发现报告
本文系统阐述了数字AI与物理AI在现阶段的关系与发展路径，提出“承接—分化—融合”的长期协同演进观。随着应用场景从信息空间逐步进入真实物理世界，数字AI的理解与规划能力需在同一系统中与物理AI的感知、动作及安全闭环协同放大，从而实现持续的协同演进。场景按物理闭环程度形成连续谱，越靠近信息空间越以语义、知识和软件状态为主，越靠近物理世界越强调实时感知、运动控制与安全闭环的要求，数字AI的独立闭环充分性随之下降，物理AI专用技术栈的必要性上升。两类系统在技术路径上共享底座如Transformer，但目标对象、训练目标与闭环要求不同：数字AI聚焦信息空间的文本、知识、逻辑与软件操作，通过大规模数据、指令对齐与工具调用实现任务；物理AI面向真实或仿真物理世界，需处理传感器数据、状态表示、动作生成、规划、控制与反馈闭环，确保实时性与安全。能力迁移呈现分层特征：低物理闭环场景数字AI可直接完成主要任务；中段场景需要物理引擎与场景建模的支撑；高物理闭环场景则需专用技术补足状态维护、实时控制与安全验证。结论强调物理AI将与数字AI协同演进并在长期实现融合，形成完整智能系统，但仍需警惕技术迭代、资本与市场风险等不确定性。
🏷️ #AI发展 #数字AI #物理AI #连续谱 #场景迁移
🔗 原文链接
