> **来源：[研报客](https://pc.yanbaoke.cn)** # 汽车行业深度报告总结 ## 核心内容概述 本报告探讨了“数字 AI”与“物理 AI”在当前人工智能发展中的定位与区别，指出两者并非完全对称的概念，而是基于部署形态、数据环境与行动后果的不同而形成连续分布。报告认为，物理 AI 更具现实意义与商业潜力，尤其在智能驾驶与人形机器人领域，将成为 AI 发展的重要增量方向。 ## 主要观点 - **数字 AI 与物理 AI 的关系**： 数字 AI 是在物理 AI 概念流行后形成的对照词，主要用于虚拟环境中的文本、图像处理等任务，而物理 AI 则强调与物理世界的交互，涉及自动驾驶、机器人等实体系统。 - **技术差异**： 数字 AI 依赖通用方法、数据与算力的扩展，其核心是模型能力的提升；物理 AI 则需要处理实时性、安全性与物理闭环等挑战，其技术演进更依赖产业场景的试错与工程优化。 - **世界模型的分歧**： 世界模型是两类 AI 的共同关注点，但生成式模型与表征式模型在目标与方法上存在显著差异。生成式模型强调像素重建与内容生成，而表征式模型则侧重于抽象表征与状态预测。 - **商业化节奏**： 数字 AI 在编程、对话、企业级服务等领域已形成清晰的商业化路径，而物理 AI 仍处于验证阶段，尤其是在机器人领域，成本、可靠性与单位经济尚未完全跑通。 - **中美格局**： 美国在前沿模型、资本与无人技术方面领先；中国则在规模化运营、供应链与部分应用场景上具有优势。机器人成为中美双方在 AI 发展中交汇的重要领域。 ## 关键信息 ### 1. 物理 AI 与数字 AI 的概念界定 - **物理 AI**： 承接具身智能学术传统，由产业界推动，当前主要围绕自动驾驶和人形机器人展开。 - **数字 AI**： 为与物理 AI 区分而形成的对照词，主要用于虚拟环境中的智能处理，如文本、代码、图像等。 - **世界模型**： 两类 AI 路线共同关注的底层问题，但技术路径存在差异：生成式模型强调像素重建，表征式模型则注重抽象预测。 ### 2. 技术驱动力 - **数字 AI**： 以通用方法、数据与算力为核心驱动力，从训练期扩参数转向推理期扩算力，重点提升模型在复杂任务中的表现。 - **物理 AI**： 以自动驾驶和机器人为核心场景，从模块化系统逐步转向端到端大模型，强调数据闭环与物理交互。 #### 表1：特斯拉与 Waymo 自动驾驶技术路线对照 | 维度 | 特斯拉 | Waymo | |--------------|----------------------------------|-----------------------------------| | 传感器 | 纯视觉，2021年起移除雷达 | 激光雷达+摄像头+毫米波雷达 | | 地图 | 不依赖高精地图 | 依赖高精地图、限定区域 | | 架构演进 | HydraNet→BEV→占用网络→v12 端到端 | 模块化→逐步 ML 化→EMMA 端到端，量产混合 | | 理念 | 低成本、可规模化、纯视觉端到端 | 安全冗余优先、传感器与地图冗余 | ### 3. 商业闭环 - **数字 AI**： 已在多个场景实现商业化，如编程、对话、企业级服务和内容生成，主要依赖订阅、API 调用等收费模式。 - **物理 AI**： 自动驾驶和机器人是主要落地方向，但商业化仍处于验证阶段，盈利能力取决于成本控制、运营密度与安全性。 #### 表3：数字 AI 主要场景 | 场景 | 为何能落地 | 市场规模/口径 | 收费模式 | 中美代表公司 | |----------------|----------------------------------|-------------------------------|------------------------------|----------------------------------| | 编程 | 代码可验证，但需安全校验 | 头部产品年化收入数十亿~百亿美元 | 按席位订阅，约20美元/月 | 美：Copilot/Claude/Cursor；中：通义灵码/Trae/文心快码/CodeBuddy | | 对话/搜索 | 高频通用、门槛低 | 用户规模最大、单用户变现低 | 消费订阅、API 按 token 计费 | 美：ChatGPT/Gemini/Copilot/Grok；中：豆包/文心/通义/Kimi/元宝/DeepSeek | | 企业级/Agent | 嵌入工作流、ROI 可度量 | 利润主战场，Anthropic 约80%来自企业 | 按席位/用量、企业合同 | 美：Claude/OpenAI/365Copilot/Salesforce/Glean；中：百炼/火山/千帆/智谱/腾讯云 | | 营销/内容生成 | 嵌入大厂既有产品 | Meta AI 广告年化超600亿美元 | 并入广告/产品变现 | 美：Meta/谷歌/Firefly/Jasper；中：巨量/腾讯广告/阿里妈妈/可灵/美图 | ### 4. 中美格局与 AGI - **数字 AI**： 美国在前沿模型与商业变现上领先，中国在工程效率、开源生态与成本控制上具有优势。 - **物理 AI**： 美国在技术成熟度与无人驾驶里程上领先，中国在规模化运营与政策开放上更具优势。 - **机器人作为交汇点**： 机器人是数字 AI 与物理 AI 共同验证的场景，成为通往 AGI 的关键路径。其技术路线分为两类：一是以大模型扩展为主，二是以真实数据与控制优先为核心。 ## 风险提示 - 技术迭代不及预期； - 大模型厂商 ARR 增速放缓； - 云服务商资本开支不及预期； - 智能驾驶及机器人商业化落地不及预期。 ## 总结 本报告指出，数字 AI 与物理 AI 在 AI 发展中扮演不同角色，前者侧重虚拟环境中的通用智能，后者则聚焦物理世界的闭环应用。随着技术演进，两者在世界模型、数据闭环与商业化路径上存在交汇，尤其在机器人领域。当前，数字 AI 已在多个场景实现商业化，而物理 AI 尤其是自动驾驶与机器人仍处于验证与落地阶段，但具备更高的现实价值与增长潜力。未来，机器人可能成为实现 AGI 的关键平台，推动数字与物理 AI 的深度融合。