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？.pdf

研究目的与核心命题

本报告为东吴证券汽车行业AI系列深度第三期，核心命题是厘清数字AI与物理AI的边界。报告提出两者并非对称二分，更适合沿"物理闭环程度"连续理解；物理AI由英伟达2024—2025年推向产业主流，核心支柱为自动驾驶和具身/人形机器人，数字AI则是为区分信息空间智能而形成的追溯性对照词。

核心差异与驱动力

两类AI最根本差异体现在部署形态和安全约束：数字AI面向文本、代码和软件状态，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，失败更可能直接造成不可逆物理后果。技术史上，数字AI主线是用通用方法、数据与算力替代人工设计，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。

商业化与中美格局

数字AI在AI Coding、企业级Agent、对话搜索和内容生成等场景已有更清晰收费与产品闭环，编程场景头部产品年化运行收入合计达数十亿至百亿美元量级，Meta AI广告工具年化收入超数百亿美元。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。中美格局呈现分工：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。

AGI视角与结论

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，需要借助物理接地、世界模型和真实交互数据提升泛化能力。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。报告认为数字AI底座模型发展路径已逐渐清晰、价值在于确定性，但难以实现物理世界的建模闭环；物理AI将成为物理世界的AI解决方案，在当前发展阶段成为增量更大的方向，智能驾驶作为最先跑通闭环的代表场景应重点关注。

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。