物理AI与智能驾驶：从数字AI通用底座到真实世界闭环（2026年 38页）

分类：研究报告

标签：物理AI、智能驾驶、VLA、世界模型

摘要：本报告系东吴证券AI系列深度首篇，以智能驾驶为主线，系统梳理数字AI与物理AI的技术同源性与演进差异，核心回答三个递进问题：怎么理解AI所需的概念工具、Transformer为何成为数字AI通用底座、物理AI如何把能力迁移到真实世界并形成闭环。报告认为，本轮AI更大的增量空间在物理AI，而智能驾驶是其最先跑通真实世界闭环的代表场景。 一、行业背景与核心判断。数字AI已在语言、视觉与多模态任务中跑通通用底座模型，但难以建立物理世界的建模闭环；物理AI需要在连续、实时、安全约束的真实三维空间中构建“感知—行动—反馈—优化”闭环，并有望与数字AI并列成为“任务通解”。报告强调二者技术同源，Transformer是其共同核心底座，因此复盘数字AI有助于理解与预测物理AI的演进。 二、数字AI的底座机理。报告将深度学习演进归并为七阶段，指出CNN、RNN等专用架构在2016—2017年前后进入学术瓶颈，而Transformer以“注意力+位置编码”的弱先验承载跨领域通用关系建模，叠加Scaling规律，使语言、视觉、生成、多模态四大智能由分立走向统一。报告梳理了Scaling Law从“规模

来源：zuudee | 日期：2026-08-09 | 格式：pdf | 页数：38