川海智库

报告概述

本报告是东吴证券AI系列深度报告的开篇之作，研究对象覆盖数字AI与物理AI两大领域，核心聚焦于二者之间的技术演进关系与能力迁移路径。报告从AI发展的主线三问出发，系统复盘数字AI如何通过Transformer成为通用底座，并深入探讨物理AI在表征、数据、学习范式与部署时延等方面面临的独特挑战。分析框架上，报告以智能驾驶为核心样本，沿着架构、表征、数据、训练、部署五条线索展开，结合大量学术论文与厂商实践，对比国内外主流技术路线。读者可通过本报告建立理解物理AI的概念坐标系，把握从数字AI到物理AI的演进逻辑，并为判断智能驾驶、机器人等物理AI赛道的投资机会提供研究参考。

报告的核心结论

数字AI通用底座已跑通，物理AI需建立真实世界闭环

报告指出，数字AI已在语言、视觉与多模态任务中实现通用底座模型的跑通，但难以完成物理世界的建模闭环。物理AI将在连续、实时、安全约束的真实世界中建立感知—行动—反馈—优化闭环，并与数字AI并列成为任务通解，成为物理世界场景的AI解决方案。

Transformer是数字AI通用底座，物理AI与之技术同源

报告认为，Transformer以注意力加位置编码提供跨领域通用的关系建模，叠加Scaling规律后，统一模型在能力迁移、研发效率与工程复用上的优势持续扩大，推动语言、视觉、生成与多模态收敛于统一基础模型范式。物理AI同样以Transformer为核心技术底座，因此复盘数字AI有助于理解物理AI的演进。

物理AI面临表征、数据、学习范式三重差异，世界模型是核心抓手

报告指出，物理AI缺少天然Token，长尾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，这三点与数字AI存在系统性差异。世界模型能够向前承担潜在空间表征训练，向中游生成高价值长尾数据，向后为强化学习提供可规模化试错环境，从而形成表征—数据—学习的闭环。

智能驾驶是物理AI最先跑通闭环的代表场景

报告认为，随着VLA范式演进、世界模型与强化学习闭环走向成熟、云车部署逐步兑现，物理AI有望由能力展示走向大规模落地。智能驾驶因其对感知、决策、控制闭环的完整需求，成为当前阶段最具成长弹性的方向，也是验证物理AI技术体系的最佳样本。

强化学习从可选增强成为物理AI闭环关键环节

报告分析称，数字AI的强化学习更多承担对齐与推理增强角色，而物理AI的模仿对象是平均水平人类司机，安全目标却远超人类，单纯模仿学习上限较低。强化学习通过与世界模型结合，在闭环环境中持续试错，能够突破能力边界，成为从80分提升至95分的关键路径。

报告回答的关键问题

数字AI和物理AI是什么关系？

数字AI与物理AI具有技术同源性，Transformer是二者共同的核心技术底座。数字AI已在语言、视觉等数字信号任务中跑通通用底座，但难以处理物理世界的连续时空与行动反馈。物理AI在数字AI底座上叠加感知、预测和行动能力，两者将在一段时间内并列，分别成为数字世界和物理世界场景的AI解决方案。

Transformer为什么能成为通用底座？

报告指出，Transformer以弱先验的注意力加位置编码替代CNN和RNN的强归纳偏置，支持并行计算与大规模数据训练，从而能够充分利用大算力与大数据。语言、视觉、生成与多模态任务逐步将Transformer作为统一骨干，叠加Scaling规律后，统一模型在能力迁移、研发效率和工程复用上的优势持续扩大，最终收敛为通用基础模型范式。

物理AI与数字AI的本质差异是什么？

两者存在三方面系统差异。表征上，物理世界的连续光子、点云等输入缺乏天然通用Token，需要BEV、占用网络、VAE等重型网络自主构建表征；数据上，物理AI最需要的长尾、极端与事故场景天然稀疏，采集成本高且有安全风险；学习范式上，物理AI模仿的是平均人类司机，而目标要显著超越人类，必须依赖强化学习持续试错。

世界模型在物理AI中起什么作用？

世界模型在物理AI中承担三重角色：一是通过预测未来提供自监督信号，在潜在空间训练物理世界表征；二是作为数据工厂，生成长尾、极端和Corner Case场景，弥补真实数据稀疏的不足；三是为强化学习提供可控、可重置、可注入危险事件的高保真试错环境，使模型能在闭环中反复试验和迭代，是突破物理AI瓶颈的核心抓手。

智能驾驶为什么是物理AI的代表场景？

智能驾驶需要在连续、实时、安全约束的三维空间中完成感知、决策与行动，完整覆盖物理AI的感知—行动—反馈—优化闭环。报告以智能驾驶为样本梳理了数字AI能力向物理AI迁移的层级，从BEV、UniAD等架构理念到Waymo EMMA、理想MindVLA等模型迁移，均体现了物理AI的技术演进路径。同时，智能驾驶的商业化需求迫切，成为最先跑通闭环的代表场景。

报告中的代表性数据

约88亿英里

证明自动驾驶安全性所需路测里程

2016年（RAND研究），RAND公司情景测算显示，要在95%置信度、±20%精度下证明自动驾驶致死率达标，约需88亿英里路测里程，以百辆车规模车队计算需要数百年。该数据说明物理AI真实路测数据获取的瓶颈，凸显世界模型生成合成数据的必要性。

总参数671B，激活参数37B

DeepSeek-V3模型总参数与激活参数

2024年发布，DeepSeek-V3采用混合专家架构，每个Token仅激活一小部分专家，将模型容量与单次推理算力解耦。该数据用于说明云端大模型通过稀疏激活降低推理成本，为车端部署提供技术基础。

约真实世界的1000倍

华为乾崑ADS4云端世界引擎难例密度

2026年报告披露，华为乾崑ADS4以云端世界引擎的难例扩散模型生成场景，难例密度可达真实世界的约1000倍，为强化学习提供高密度危险场景训练环境，说明世界模型在数据制造与闭环训练中的价值。

以上数据根据报告摘要整理，具体统计口径和数值请以完整报告原文为准。

完整报告包含什么

  • 完整报告包含AI系列深度报告的框架说明与主线三问，帮助读者理解AI全景图与系列研究思路，建立从数字AI到物理AI的统一概念坐标系。
  • 包含数字AI两次爆发的详细技术复盘，涵盖CNN、RNN、Transformer等架构演进、Scaling Law六阶段演进、语言、视觉、生成、多模态四大智能领域的技术时间轴与代表成果。
  • 包含数字AI能力向物理AI迁移的完整框架，梳理从架构理念到模型迁移的层级，并以表格形式对比数字AI与物理AI在表征、数据、学习范式上的系统性差异。
  • 包含VLA（视觉-语言-动作）模型的详细分析，介绍四大阶段演进、三大核心模块，并对比Waymo EMMA、理想MindVLA、小鹏、元戎启行、千里科技等代表性厂商的技术路线与公开指标。
  • 包含物理世界表征演进的完整主线，从原始像素、BEV、Occupancy、矢量化到多模态Token与潜在状态，并分析BEV、占用网络、VAE、3D编码器等重型网络作为物理AI分词器的作用。
  • 包含世界模型作为数据工厂的深入讨论，介绍生成式世界模型的发展时间轴、Corner Case制造的两类思路（外生受控生成与内生问题驱动生成），以及各厂商的实践案例。
  • 包含强化学习在物理AI闭环中的角色分析，梳理特斯拉、小鹏、理想、Momenta、地平线、华为、Waymo、小马智行等厂商的端到端+世界模型+强化学习技术布局。
  • 包含云端训练与车端部署的时延分工与压缩方法，介绍云端稀疏激活、KV缓存压缩、视觉Token剪枝等算法优化，以及车端模型蒸馏、快慢双系统、量化推理等工程手段，并附主流车端算力平台对比。

本页内容由川海智库整理，用于帮助读者快速了解报告主题、核心观点和主要内容。由于报告量大、人工能力有限，部分观点、数据、统计口径或表述可能存在偏差，具体内容请以完整报告原文为准。

相关报告