【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-260727（38页）.pdf

1、证券研究报告行业深度报告汽车 东吴证券研究所东吴证券研究所 1/38 请务必阅读正文之后的免责声明部分请务必阅读正文之后的免责声明部分 汽车行业深度报告 AI 系列深度系列深度 01 期期：从数字：从数字 AI 通用底座到物通用底座到物理理 AI 真实世界闭环真实世界闭环 2026 年年 07 月月 27 日日 证券分析师证券分析师 黄细里黄细里 执业证书：S0600520010001 021-60199793 研究助理研究助理 童明祺童明祺 执业证书：S0600125080005 行业走势行业走势 相关研究相关研究 整车主线周报：本周 SW 商用载客车表现较好，重卡 6 月海关出口数据公布

2、2026-07-27 智能汽车主线周报：小鹏集团发布TuringViT，看好智能化 2026-07-26 增持（维持）Table_Tag Table_Summary 投资要点投资要点 数字数字 AI 已实现在语言、视觉与多模态任务中通用底座模型的跑通，但已实现在语言、视觉与多模态任务中通用底座模型的跑通，但其难以实现物理世界的建模闭环；其难以实现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，并在一段时间内与数字 AI 并列成为任务通解，成为物理世界场景的 AI 解决方案。考虑二者的技术同源性，我们认为复盘数字 AI 有助于理解与预测物理 AI 的

3、演进。Transformer 推动数字推动数字 AI 技术发展技术发展从专用架构到统一底座。从专用架构到统一底座。AI 第一次爆发以 CNN、RNN 等专用架构分别攻克视觉与语言任务，归纳偏置强、通用性受限；AI 第二次爆发中，Transformer 以注意力+位置编码提供跨领域通用的关系建模，叠加 Scaling 规律，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；语言、视觉、生成与多模态逐步收敛于统一基础模型范式，Transformer 亦转变为通用计算底座。物理物理 AI 正从复用数字正从复用数字 AI 能力转向补齐自身底层能力。能力转向补齐自身底层能力。早期主要迁移Trans

4、former 等架构理念（BEV、UniAD）；当前 VLM、VLA 进一步建立在 LLM 及多模态基座之上（Waymo EMMA 基于 Gemini、车端 VLA）。但数字 AI 红利或已接近阶段性瓶颈，根本原因在于，物理 AI 面临三类差异：一是缺少天然 Token，需自主构建物理世界表征；二是长尾、极端场景稀缺且采集成本高，难以直接复制互联网数据 Scaling；三是模仿学习受限于人类驾驶上限，必须依赖强化学习持续试错；就三点差异来看，我们认为世界模型或更契合物理 AI 发展方向。我们认为，数字我们认为，数字 AI 底座模型发展路径已逐渐清晰，价值在于确定性；底座模型发展路径已逐渐清晰，

5、价值在于确定性；本轮本轮 AI 发展未来发展未来更大的增量在物理更大的增量在物理 AI，智能驾驶是其最先跑通闭环的，智能驾驶是其最先跑通闭环的代表场景。代表场景。物理 AI 从表征到部署的闭环路径与数字 AI 差异明显，将形成独立而统一的发展路径。随着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，成为 AI 发展当前阶段最具成长弹性的方向。风险提示：风险提示：技术迭代不及预期的风险；大模型厂商 ARR 增速放缓的风险；云服务商资本开支不及预期的风险；智能驾驶及机器人商业化落地不及预期的风险。-15%-11%-7%-3%1%5%9%13%17%21%

6、2025/7/282025/11/252026/3/252026/7/23汽车沪深300 请务必阅读正文之后的免责声明部分请务必阅读正文之后的免责声明部分 行业深度报告 东吴证券研究所东吴证券研究所 2/38 内容目录内容目录 1.主线三问：怎么看主线三问：怎么看 AI、数字、数字 AI 如何崛起、物理如何崛起、物理 AI 如何落地如何落地.4 2.数字数字 AI：Transformer 为何成为通用底层模型为何成为通用底层模型.5 2.1.AI 第一次爆发：CNN 与 RNN 以专用架构分别攻克任务.5 2.2.AI 第二次爆发：从人工设计到规模化学习，Transformer 成为通用底座.