【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

核心数据速览： 物理AI核心支柱：自动驾驶和具身/人形机器人两大支柱构成物理AI产业主线。 数字AI技术主线：从LeNet到Transformer，用通用可扩展方法持续替代人工设计。 世界模型两条路线：生成式（Sora、Cosmos）vs 表征式（JEPA），分歧在于潜在空间是否需承载像素重建。 编程AI商业化规模：头部产品年化运行收入合计已达数十亿至百亿美元量级。 Meta AI广告收入：截至2025年第四季度，AI广告工具年化收入超600亿美元。 特斯拉Optimus量产：2026年第二季度启动量产，加州弗里蒙特工厂为核心基地。 Waymo Robotaxi规模：截至2026年5月，美国超3,000辆布局。H2：报告核心数据解读。H3：物理AI全景——双支柱驱动产业主线。物理AI在产业语境下由两条落地主线构成：自动驾驶和具身/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。物理AI承接具身智能学术传统，并在2024—2025年由英伟达等产业主体推向主流。黄仁勋提出“感知AI—生成式AI—代理AI—物理AI”的阶段框架，并在2025年CES上系统阐述物理AI为“理解物理定律、拥有身体的AI”。（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：自动驾驶技术路线——两条标志性路径对照。Waymo路线：多传感器融合（激光雷达+摄像头+毫米波雷达）、依赖高精地图和限定区域运营，近年逐步用机器学习替换各模块，2024年提出基于Gemini的EMMA端到端研究模型。特斯拉路线：纯视觉（2021年起移除雷达）、不依赖高精地图，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。（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：世界模型——两类范式核心分歧。生成式世界模型（Sora、Genie 3、Cosmos、GAIA）在压缩后的潜在空间中进行预测，训练目标要求将潜在表示解码还原为可观测画面。表征式世界模型（I-JEPA、V-JEPA、V-JEPA 2）在抽象表征空间预测且不重建像素，主动丢弃不可预测的细节。分歧实质：世界模型应重在生成（服务合成数据与仿真），还是重在理解与规划（服务控制与决策）。（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：报告独有数据价值——产业级与场景级颗粒度。 概念界定史：物理AI从2021年Miriyev与Kovač学术分类到2024—2025年英伟达产业定型的完整演进脉络。 技术史纵贯线：从1989年LeNet到2017年Transformer再到当前推理期扩算力的数字AI完整技术谱系。 自动驾驶路线对照：特斯拉纯视觉端到端 vs Waymo多传感器融合冗余架构的详细技术参数与演进阶段。 世界模型两类范式：生成式（Sora/Genie 3/Cosmos/GAIA）与表征式（I-JEPA/V-JEPA/V-JEPA 2）的代表模型、技术口径与用途对照。 数字AI四场景拆解：编程AI Coding、对话与搜索、企业级与Agent、营销与内容生成的落地逻辑、市场规模、收费模式与中美代表公司完整列表。 物理AI双支柱商业化进度：Robotaxi区域化收费运营进展与人形机器人按场景成熟度递减的商业化时间表。 中美格局四象限：数字AI、自动驾驶、人形机器人三个赛道的中美优劣势对比与差距量化。 AGI汇合三重逻辑：物理接地假设、世界模型共同关切、物理数据稀缺——机器人成为两类路线交汇点的完整论证。（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：谁需要这份报告？ 整车厂与Tier 1决策者：了解端到端自动驾驶、VLA模型、世界模型等技术路线的产业落地进度与选择依据。 机器人厂商与具身智能创业者：掌握VLA模型、数据飞轮、物理AI部署架构的前沿方法论与商业化节奏。 投资机构与产业基金：获取数字AI与物理AI各赛道的市场规模、成熟度、中美格局与投资优先级判断。 科技战略与政策制定者：理解物理AI作为AI下一阶段的战略价值，以及中美在自动驾驶、机器人领域的竞争态势。 AI基础模型与云服务商：评估从数字AI向物理AI延伸的技术路径、产品机会与资本开支方向。FAQ。Q1：这份报告的核心研究对象是什么？报告以数字AI与物理AI的概念界定为起点，重点研究物理AI的两大支柱——自动驾驶和具身/人形机器人——的技术演进、商业闭环与产业格局。Q2：报告对世界模型有哪些分析？报告详细对比了生成式世界模型（Sora、Cosmos等）与表征式世界模型（JEPA等）两条技术路线，分析其在潜在空间、训练目标和主要用途上的根本分歧。Q3：报告包含哪些自动驾驶相关内容？报告对比了特斯拉纯视觉端到端与Waymo多传感器融合冗余架构两条路线，涵盖技术演进、传感器配置、地图依赖和成本可扩展性等维度。Q4：报告对机器人商业化有哪些判断？报告指出人形/具身机器人按场景成熟度递减：工业制造最先落地，物流仓储次之，家庭场景尚不成熟。特斯拉Optimus已于2026年Q2启动量产。Q5：报告对中美格局有哪些分析？报告从数字AI、自动驾驶、人形机器人三个赛道对比中美优劣势：美国在模型能力和资本上领先，中国在规模化运营、供应链和硬件成本上具备优势。完整PDF报告包含内容。以下为报告完整版核心内容模块，欢迎下载PDF获取全部数据与案例： 物理AI与数字AI的完整概念界定与学术溯源。 数字AI技术史主线：从LeNet、ImageNet、AlexNet到Transformer的完整演进。 物理AI双支柱：自动驾驶从模块化到端到端的技术迭代路径。 机器人VLA模型与数据飞轮的产业实践。 世界模型生成式 vs 表征式两类范式的详细技术对照。 数字AI四大场景（编程、对话搜索、企业级Agent、营销内容）的落地逻辑与市场规模。 自动驾驶/Robotaxi商业化进展与收费模式分析。 人形/具身机器人按场景成熟度的商业化时间表。 中美在数字AI、自动驾驶、人形机器人三赛道的格局对比。 通往AGI的机器人汇合逻辑与未来联合架构展望。 技术迭代、ARR增速、资本开支、商业化落地等五大风险提示。延伸阅读。如需了解行业趋势与战略洞察，可返回查看本报告深度分析页面。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。