行业研究公司研究宏观策略财报招股书会议纪要 Token 低空经济十五五 AIGC 大模型

汽车行业深度报告：AI系列深度20期：如何看物理场景中数字AI的能力边界？

交运设备 2026-08-07 黄细里东吴证券芥末豆

核心观点：现阶段数字AI与物理AI的发展关系为"承接—分化—融合"，是长期协同演进而非先后替代。数字AI的理解与规划能力将与物理AI的感知、动作与安全闭环在同一系统中协同放大，实现长期协同演进。
连续谱框架：AI应用场景按物理闭环程度形成连续谱，从纯信息空间到真实物理世界。判断场景位置的关键在于任务是否需要在真实物理世界完成"感知—决策—动作—反馈"闭环，以及闭环对实时性与安全性的要求。越靠近信息空间，数字AI通常能够独立完成更多任务环节；越靠近真实物理世界，实时感知、动作控制与安全闭环的重要性越高。
场景分类：根据物理闭环程度由低到高，场景可分为八档：
1. 纯信息空间（文本、知识、软件状态）
2. 近似物理世界（理解物理世界数据或约束，行动通过软件系统或调度完成）
3. 真实物理执行（需要感知、规划、动作控制和安全验证）
4. 通用具身智能与家庭机器人（环境开放、任务多变、接触复杂和安全约束高）
技术路径差距：
- 作用对象与闭环要求：数字AI面向信息空间，处理语义、知识、逻辑与软件状态；物理AI面向真实物理世界，学习空间、运动、动力学、接触关系和动作条件状态转移。
- 能力边界约束：数字AI受事实可靠性、上下文管理、持续记忆和工具调用稳定性约束；物理AI受数据覆盖、物理长尾场景、实时控制、安全验证和Sim2Real迁移约束。
能力迁移：
- 纯信息空间场景：数字AI的理解、生成、推理与软件操作能力可直接完成主要任务。
- 近似物理世界场景：视觉内容生成与多模态预训练高度同源，工程仿真依赖物理引擎、场景建模和可控交互。
- 真实物理世界场景：语义理解与高层规划可迁移，状态维护、动作生成、实时控制和安全验证必须由专用技术补足。
结论：
- 物理AI承接数字AI的技术基础（Transformer架构、多模态表征、互联网图文视频先验）。
- 两者并行分化，各自主场长期并行，竞争起点由模型、数据、本体、控制、渠道、安全和量产等能力资产组合决定。
- 两者有望融合于完整智能系统，LLM/VLM承担语义理解与高层任务分解，策略模型生成动作，世界模型和规划器预测状态转移并评估动作后果，控制系统完成真实执行。
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。