【东吴证券】汽车行业深度报告：AI系列深度03期：数字AI与物理AI的边界在哪里？-260728（11页）.pdf

核心结论速览： 物理AI与数字AI并非对称二分概念：物理AI承接具身智能学术传统，2024—2025年由英伟达等产业主体推向主流，核心支柱包括自动驾驶和具身/人形机器人；数字AI则是在物理AI概念流行后形成的追溯性对照词。 两类AI最根本差异在部署形态和安全约束：数字AI主要面向文本、代码、知识和软件状态，高度依赖云端联网和重运营；物理AI面向车辆、机器人和真实空间，不能假设随时联网，必须在端侧自主、安全攸关和实时反馈条件下运行。 技术史主线：数字AI扩参数、物理AI补闭环：数字AI当前重点从训练期扩参数转向推理期扩算力；物理AI先在自动驾驶、后在机器人中完成产业迭代，从高精地图、激光雷达和模块化系统，逐步走向端到端、VLA和世界模型。 世界模型是两类路线共同关切，但分歧在于潜在空间是否需承载像素重建：生成式路径以Sora、Genie 3、Cosmos为代表，训练目标要求将潜在表示解码还原为可观测画面；表征预测路径以杨立昆JEPA为代表，主张在抽象表征空间预测且不重建像素。 商业化节奏：数字AI率先落地，物理AI仍在验证：数字AI在AICoding、企业级Agent、对话搜索和内容生成等场景已有清晰收费闭环；物理AI中Robotaxi区域化运营和收费逐步推进，人形/具身机器人仍处于出货、成本、可靠性和单位经济验证期。 中美格局：各擅其长：美国在前沿模型、资本和无人里程方面领先；中国在规模化运营、供应链、硬件成本和部分应用落地上具备优势。 机器人正成为数字AI与物理AI的交汇点：越来越多机构认为纯数字模型难以单独形成稳健智能，需借助物理接地、世界模型和真实交互数据提升泛化能力。H2：研究背景与概念界定。数字AI与物理AI是一组并不完全对称的术语。物理AI承接具身智能学术传统，图灵在1948年《Intelligent Machinery》中已区分具身与非具身智能；Rodney Brooks于1986年提出Nouvelle AI，并在1991年《Intelligence without representation》中主张智能可由智能体与物理环境的直接交互产生。作为与数字AI相对的术语，物理AI的明确学术分类可追溯至Miriyev与Kovač在2021年的研究，其将AI区分为处理信号的数字AI与包含机器人等物理实体的物理AI。英伟达及黄仁勋将物理AI从学术概念推向产业主流话语。2024年，黄仁勋提出“感知AI—生成式AI—代理AI—物理AI”的阶段框架；2025年1月CES上，他以物理AI为主题作系统阐述，提出AI的下一个前沿是理解物理定律、拥有身体的AI。物理AI经历了2021年前后的学术分类和2024—2025年的产业定型两个阶段。产业语境下，物理AI主要由两条落地主线构成：1）自动驾驶，包括端到端智驾与Robotaxi；2）具身/人形机器人。二者共享端侧实时推理与云端训练的架构约束。“数字AI”并非主流机构主动提出的自我标签，而是在物理AI概念流行后，为形成对照而被迫溯使用的概念，通常指运行于纯数字或虚拟环境、处理文本与图像等数据的AI。OpenAI、Anthropic、Google DeepMind等机构更常以AGI、通用智能或基础模型自我界定，而较少使用数字AI标签。（数据来源：东吴证券《汽车行业深度报告：AI系列深度03期：数字AI与物理AI的边界在哪里？》）。H2：技术驱动力全景。H3：数字AI——通用方法、数据与算力构成主线。数字AI技术史的主线，是用更通用、更可扩展的方法持续替代人工设计。1989年至1998年间，Yann LeCun以LeNet系列将卷积神经网络用于手写数字识别；2009年李飞飞主导构建ImageNet大规模标注数据集；2012年Geoffrey Hinton团队的AlexNet在ImageNet竞赛上显著降低Top-5错误率，引爆深度学习。序列建模上，RNN和LSTM赋予网络记忆能力，但并行扩展受限；2017年的Transformer以注意力机制取代循环与卷积，可并行扩展至大规模模型，成为GPT系列大语言模型的统一底座。数字AI迭代的底层逻辑，可由Richard Sutton在2019年提出的“The Bitter Lesson”概括：长期看，依赖算力增长的通用搜索与学习方法，往往胜过依赖人工注入领域知识的方法。当前重点之一，是从训练期扩参数转向推理期扩算力：OpenAI o系列显示，让模型在可验证任务上投入更多推理计算可提升数学、科学和编程能力；DeepSeek则通过强化学习后训练路线提升推理模型表现。（数据来源：东吴证券《汽车行业深度报告：AI系列深度03期：数字AI与物理AI的边界在哪里？》）。H3：物理AI——自动驾驶先行，机器人接续验证。与数字AI更多由学术和基础模型机构推动不同，物理AI更依赖产业场景中的持续试错和工程闭环。自动驾驶：从模块化系统走向端到端。 自动驾驶形成两条标志性路线。Waymo路线脱胎于2009年谷歌自动驾驶项目，强调安全冗余：多传感器融合、高精地图、限定区域运营和模块化堆栈是其早期核心，近年逐步用机器学习替换各模块，并在2024年提出构建于Gemini多模态大模型之上的EMMA端到端研究模型。特斯拉路线强调纯视觉与可扩展：2019年HydraNet、2021年纯视觉转向与BEV、2022年占用网络，再到2023—2024年FSD v12以单一端到端神经网络从摄像头像素直接输出控制。两条路线共同趋势是从人工规则模块化走向数据驱动端到端，分歧主要在传感器配置、高精地图依赖和成本可扩展性。机器人：VLA模型与数据飞轮成为主线。 机器人侧主线是视觉-语言-动作模型和数据飞轮。谷歌DeepMind在2023年发布的RT-2被视为早期代表性VLA模型；Physical Intelligence在2024年发布并开源π0，以VLM主干叠加独立扩散动作专家。机器人约束在于高质量交互数据稀缺，交互数据相较多模态互联网数据少1—2个数量级，因此产业路径更多依赖“遥操作—训练VLA—部署—真实反馈”的数据飞轮。产业格局上，特斯拉以Optimus推进制造场景自用和量产降本，Figure以Helix主打人形通用操作，英伟达以Cosmos世界基础模型、GR00T人形VLA和Isaac仿真构建平台。（数据来源：东吴证券《汽车行业深度报告：AI系列深度03期：数字AI与物理AI的边界在哪里？》）。H2：世界模型——两类路线的共同关切与根本分歧。两类AI都关心机器能否形成可预测世界或环境状态变化的内部模型，即世界模型。但数字AI中的世界模型更多指向生成、推理与交互环境中的内部表征；物理AI中的世界模型更强调状态与动作后果预测。两类路线都强调世界模型，但技术口径存在差异：生成式路径以Sora、Genie 3、Cosmos、GAIA等为代表，其预测通常在压缩后的潜在空间中进行，训练目标要求将潜在表示解码还原为可观测画面，可服务合成数据和仿真。表征预测路径以杨立昆JEPA为代表，主张在抽象表征空间预测且不重建像素，认为生成式视频会消耗过多容量于不可预测的像素细节。I-JEPA、V-JEPA、V-JEPA 2是该路径的代表。两条路径的分野不在于是否使用潜在空间，而在于潜在空间是否需要承载像素重建：生成式的潜在是须还原画面的编解码压缩，JEPA的潜在则主动丢弃不可预测的细节。分歧实质在于：世界模型应重在生成，还是重在理解与规划。（数据来源：东吴证券《汽车行业深度报告：AI系列深度03期：数字AI与物理AI的边界在哪里？》）。H2：商业闭环分化。商业化差异首先来自部署形态。多数通用数字AI服务主要在云端推理，依赖联网、低延迟和持续运营；物理AI则相反，自动驾驶避障决策和机器人抓取控制均属于安全要求高、反应时间短的实时任务，关键推理必须在端侧本地完成，云端主要承担训练、地图和车队学习等非实时职能。由此派生两类差异：1）物理AI对实时低延迟和可靠性的要求更高，单次失误可能造成物理伤害；2）物理AI端侧需处理大量传感器数据，隐私和带宽约束更强。H3：数字AI场景落地。编程AI Coding是落地最扎实、闭环最清晰的场景，原因在于代码可通过编译和测试即时验证，反馈信号明确，生产力提升可量化。头部产品年化运行收入合计已达数十亿至百亿美元量级，Cursor、Claude Code、GitHub Copilot等是代表，收费以按席位订阅为主。对话与搜索用户规模最大，落地逻辑是高频通用、低门槛使用。收费以消费订阅和免费引流为主，如ChatGPT约20美元/月，并辅以API按token计费。头部机构持续提升企业客户收入占比。企业级与Agent是商业变现主战场，场景包括办公协同、客服、知识管理和智能体。Anthropic收入结构中企业客户占比较高，收费以按席位、按用量或企业合同为主。营销与内容生成的最大变现并非来自模型公司本身，而是来自大厂将生成式AI嵌入既有广告和内容产品。Meta财报显示，截至2025年第四季度，其AI广告工具年化收入已超600亿美元，用约3.5年达成该规模。（数据来源：东吴证券《汽车行业深度报告：AI系列深度03期：数字AI与物理AI的边界在哪里？》）。H3：物理AI场景落地。自动驾驶/Robotaxi是物理AI中商业闭环最靠前的落地场景。Robotaxi已进入区域内真实收费运营阶段：Waymo、百度萝卜快跑、小马智行等均披露了车队规模、订单量或收费收入增长数据。收费模式基本明确，主要按里程和时长计价，类似网约车；但行业整体仍处投入期，盈利能力取决于单车成本、利用率、运营区域密度和安全监管等变量。人形/具身机器人的商业闭环按细分场景成熟度递减：工业/制造环境结构化、任务明确，最先落地；物流/仓储次之；导览、巡检等商用服务已有零散落地；家庭场景仍不成熟。收费模式尚在分化，除整机买断外，RaaS按月或按小时租赁开始出现，但多数厂商尚未跑通可持续单位经济。（数据来源：东吴证券《汽车行业深度报告：AI系列深度03期：数字AI与物理AI的边界在哪里？》）。H2：技术演进方向——两种情景推演。情景一：生成式世界模型主导（Sora式路线） 。关键假设：视频生成模型在像素级预测上持续突破，统计意义上符合真实世界物理规律。技术特征：以大规模视频数据预训练为基座，通过潜在扩散生成可交互的物理仿真环境。适用企业：需要大量合成数据训练具身模型的企业、内容生成与仿真平台。代表机构：OpenAI、DeepMind、英伟达、Wayve。情景二：表征式世界模型主导（JEPA式路线） 。关键假设：抽象表征空间预测在样本效率和因果理解上优于像素级生成。技术特征：在表征空间进行预测，主动丢弃不可预测的细节，专注规划与控制。适用企业：对实时决策、安全性和样本效率要求高的自动驾驶和机器人企业。代表机构：Meta、LeCun新公司AMI。两种情景的核心分歧在于：世界模型是服务“生成与仿真”还是服务“理解与规划”。当前两种路线并行发展，尚未收敛。（数据来源：东吴证券《汽车行业深度报告：AI系列深度03期：数字AI与物理AI的边界在哪里？》）。H2：中美格局与AGI展望。H3：中美格局：各擅其长。数字AI方面，美国在前沿模型能力与商业变现上领先，闭源前沿模型仍定义能力上限；中国以工程效率、开源生态、成本与用户规模追赶，DeepSeek以MoE、MLA、FP8、GRPO等创新代表效率范式。差距主要体现在最前沿能力、可靠性以及单体商业变现强度。自动驾驶方面，美国Waymo在纯技术成熟度与无人驾驶里程上领先；中国在规模化运营、成本和政策开放上具备优势。继L4技术中国约落后1—2年，但商业化落地与降本推进更快。人形/具身机器人方面，美国在具身基础模型和资本投入上领先；中国在出货量、供应链配套和硬件成本上领先。差距主要集中在具身基础模型、VLA/世界模型，以及六维力矩传感器、高端芯片等高端核心零部件的自主能力。H3：通往AGI——机器人成为两类路线汇合点。数字AI与物理AI机构正在同时涌入机器人领域。数字AI阵营中，OpenAI在2025年重建机器人部门，谷歌DeepMind推出Gemini Robotics，英伟达以GEAR实验室和GR00T押注具身智能；物理AI阵营则包括Physical Intelligence、特斯拉Optimus、Figure、波士顿动力。这一汇合具备三重逻辑：1）物理接地假设——越来越多机构认为纯数字模型不足以达到稳健AGI，智能需要在与物理世界的交互中被检验和塑造；2）世界模型是共同关切，机器人是验证环境预测、动作规划和任务泛化的直接场景；3）物理世界数据稀缺，模型需要通过真实机器人和数据飞轮采集交互数据。但汇合并不意味着路线一致：一类路线把机器人视为大模型的新增模态，以VLM/大模型扩展为主轴；另一类路线强调真实数据、控制优先和世界模型。未来可能形成“多模态大模型负责语义与规划、世界模型负责物理预测、控制系统负责真实执行”的联合架构，但大模型先行还是世界模型/控制优先仍未收敛。（数据来源：东吴证券《汽车行业深度报告：AI系列深度03期：数字AI与物理AI的边界在哪里？》）。H2：未来3—5年机会洞察。机会赛道矩阵： 自动驾驶/Robotaxi（高成熟度×高市场空间） ：渗透率持续提升，Robotaxi区域化运营已进入收费阶段。爆发窗口已至，推荐优先级最高。 具身/人形机器人工业场景（中成熟度×高市场空间） ：工业制造环境结构化、任务明确，最先落地。特斯拉Optimus已于2026年第二季度启动量产。 世界模型（低成熟度×高市场空间） ：生成式与表征式两条路线并行发展，技术路线尚未收敛，但将是物理AI的核心基础设施。 VLA模型与数据飞轮（中成熟度×中高市场空间） ：机器人侧主线，高质量交互数据稀缺，数据采集和模型训练服务存在机会。多角色行动建议： 车企：加速端到端智驾和Robotaxi布局，关注成本可控的纯视觉路线与安全冗余的混合架构平衡。 机器人厂商：聚焦工业场景率先落地，建立“遥操作—训练VLA—部署—真实反馈”的数据飞轮。 投资者：短期关注自动驾驶/Robotaxi商业化落地，中期关注人形机器人量产和世界模型技术路线收敛。 政策制定者：推动物理AI测试标准和数据合规体系建设，支持规模化运营。（数据来源：东吴证券《汽车行业深度报告：AI系列深度03期：数字AI与物理AI的边界在哪里？》）。延伸阅读。以上为报告核心趋势分析，如需获取完整报告详细数据及全部案例，请访问下载页下载完整PDF报告。FAQ。Q1：数字AI与物理AI的核心区别是什么？两类AI最根本差异体现在部署形态和安全约束。数字AI主要面向文本、代码、知识和软件状态，高度依赖云端联网和重运营；物理AI面向车辆、机器人和真实空间，必须在端侧自主、安全攸关和实时反馈条件下运行。Q2：物理AI的两大支柱是什么？物理AI主要由两条落地主线构成：1）自动驾驶，包括端到端智驾与Robotaxi；2）具身/人形机器人。二者共享端侧实时推理与云端训练的架构约束。Q3：世界模型的生成式路径和表征式路径有何不同？生成式路径以Sora、Cosmos为代表，训练目标要求将潜在表示解码还原为可观测画面，可服务合成数据和仿真；表征式路径以杨立昆JEPA为代表，主张在抽象表征空间预测且不重建像素，专注规划与控制。Q4：数字AI哪些场景已实现商业化闭环？编程AI Coding落地最扎实，头部产品年化收入达数十亿至百亿美元量级；企业级与Agent是商业变现主战场；营销与内容生成借道大厂既有产品变现，Meta AI广告工具年化收入已超600亿美元。Q5：物理AI商业化进展如何？自动驾驶/Robotaxi已进入区域收费运营阶段，Waymo、百度萝卜快跑等已披露订单和收入数据；人形/具身机器人仍处于发展初期，工业场景最先落地，家庭场景尚不成熟。Q6：中美在物理AI领域各自优势在哪里？美国在Waymo无人驾驶里程、具身基础模型和资本投入上领先；中国在规模化运营、供应链、硬件成本和部分应用落地上具备优势。数据来源说明。本报告内容基于东吴证券《汽车行业深度报告：AI系列深度03期：数字AI与物理AI的边界在哪里？》（2026年7月28日发布，证券分析师黄细里，执业证书S0600520010001）整理。报告基于分析师认为可靠且已公开的信息，但不保证信息的准确性和完整性。