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？

证券研究报告·行业深度报告·汽车 东吴证券研究所 1 / 11 请务必阅读正文之后的免责声明部分 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 07 月 28 日 证券分析师 黄细里 执业证书：S0600520010001 021-60199793 huangxl@dwzq.com.cn 行业走势 相关研究 《 AI 系列深度 02 期：AGI 是什么？》 2026-07-28 《AI 系列深度 01 期：从数字 AI 通用底座到物理 AI 真实世界闭环》 2026-07-27 增持（维持） [Table_Tag] [Table_Summary] 投资要点 ◼ 数字 AI 与物理 AI 并非完全对称的二分概念，更适合沿“物理闭环程度”理解。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，核心支柱包括自动驾驶和具身/人形机器人；数字 AI则更多是在物理 AI 概念流行后，为区分信息空间智能而形成的追溯性对照词。两者边界并非孤立切分，而是在数据形态、部署环境和行动后果上连续分布。 ◼ 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，多数通用服务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，且必须在端侧自主、安全攸关和实时反馈条件下运行。高风险数字场景同样需要严格验证，但物理 AI 的失败更可能直接造成不可逆物理后果。 ◼ 从技术史看，数字 AI 是一条由通用方法、数据与算力持续替代人工设计的路径，当前重点从训练期扩参数转向推理期扩算力；物理 AI 则先在自动驾驶、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。世界模型成为两类路线的共同关切，但分歧在于潜在空间是否需承载像素重建，即世界模型应重在生成，还是重在理解与规划、服务物理闭环控制。 ◼ 商业化节奏上，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；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。中美格局也呈现分工：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。 ◼ 从通往 AGI 的视角看，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。 ◼ 我们认为,数字 AI 底座模型发展路径已逐渐清晰、价值在于确定性，但其难以实现物理世界的建模闭环；我们认为物理 AI 将成为物理世界的AI 解决方案，从而在 AI 的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，我们认为应重点关注。 ◼ 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。 -15%-11%-7%-3%1%5%9%13%17%21%2025/7/282025/11/262026/3/272026/7/26汽车沪深300 请务必阅读正文之后的免责声明部分 行业深度报告 东吴证券研究所 2 / 11 内容目录 1. 物理 AI 与数字 AI 的概念界定 ........................................................................................................... 4 1.1. 物理 AI：从具身智能到产业主线 ............................................................................................... 4 1.2. 数字 AI：物理 AI 概念下的追溯性对照词 ................................................................................. 4 1.3. 世界模型：两类 AI 路线的共同问题 .......................................................................................... 4 2. 技术驱动力：数字 AI 扩展通用方法，物理 AI 补足物理闭环 ......................................................... 5 2.1. 数字 AI：通用方法、数据与算力构成主线 ............................................................................... 5 2.2. 物理 AI：自动驾驶先行，机器人接续验证 ............................................................................... 5 2.2.1. 自动驾驶：从模块化系统走向端到端 .............................................................................. 5 2.2.2. 机器人：VLA 模型与数据飞轮成为主线 ......................................................................... 6 2.3. 技术承接与世界模型分歧 ............................................................................................................ 6 3. 商业闭环：数字 AI 率先落地，物理 AI 仍在验证单位经济 ............................................................. 7 3.1. 数字 AI：分场景拆解落地逻辑、市场规模与收费 ................................................................... 7 3.1.1. 编程 AI Coding：落地最扎实、闭环最清晰 ................................................................... 7 3.1.2. 对话与搜索：用户规模最大，变现强度不一 .......