AI系列深度14期：深度学习如何开启AI第一次爆发？

证券研究报告·行业深度报告·汽车 东吴证券研究所 1 / 15 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 14 期：深度学习如何开启 AI 第一次爆发？ 2026 年 08 月 05 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 13 期：世界模型如何实现？》 2026-08-05 《AI 系列深度 12 期：从模块化到端到端》 2026-08-04 增持（维持） [Table_Tag] [Table_Summary] 投资要点 ◼ AI 第一次爆发的本质，是连接主义路线在数据、算力与可训练深层网络算法共同成熟后的复兴。本篇所称“AI 第一次爆发”，主要指 2012 年前后深度学习由学术突破走向规模化应用的技术周期。不同于传统机器学习依赖人工设计特征，深度学习通过多层向量表示自动学习世界结构；AlexNet 在 ImageNet 上将 top-5 错误率由约 26%降至约 15%，成为AI1.0 时代由学术验证进入产业扩散的标志性拐点。 ◼ 我们以“七阶段—三大阶段”复盘深度学习架构演进，并据此建立“学术瓶颈—产品落地”的判断框架：架构通常先经历思想提出与基础架构搭建，再进入训练优化、结构改进、任务扩展，最后转向轻量化部署与复兴性迭代；对应可归并为范式确立、成长扩展、成熟高峰三大阶段。当高引用成果开始向轻量化、部署和复兴性改进集中，同时新增基础架构型突破减少，往往意味着既有架构进入短期学术瓶颈，产业应用窗口反而可能打开。 ◼ 从 CNN 复盘看，AI1.0 的主线是视觉感知能力的规模化成熟。LeNet 奠定卷积、权值共享、池化与反向传播的工程组合，AlexNet 以深层 CNN、GPU、ReLU、Dropout 和数据增强形成技术共振，VGG、Inception、ResNet进一步推动网络深度化和结构优化；2017 年后，MobileNet、EfficientNet、ConvNeXt 等成果更偏向轻量化、部署和现代化回潮，印证 CNN 在2016—2017 年前后进入成熟与高峰阶段。 ◼ 从 RNN 复盘看，语言序列建模也在同一时间窗口触及递归范式上限。Jordan/Elman 确立隐藏状态记忆思想，BPTT 奠定训练基础，LSTM/GRU缓解长程依赖，Seq2Seq 与 Bahdanau Attention 推动机器翻译工程化；但串行计算、长距离衰减和固定向量瓶颈限制了规模化扩张。2017 年Transformer 以自注意力替代循环，正对应 RNN 成熟后下一代架构切换的历史节点。 ◼ 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。 -14%-10%-6%-2%2%6%10%14%18%22%2025/8/52025/12/42026/4/42026/8/3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 / 15 内容目录 1. 复盘 AI 第一次爆发：深度学习如何开启 AI1.0 时代 .................................................................... 4 1.1. AI 第一次爆发是传统机器学习到深度学习的跨越................................................................. 4 1.2. 2012 年 AlexNet 发布标志着深度学习第一次爆发 ................................................................. 5 2. AI1.0 时代典型架构复盘 ..................................................................................................................... 6 2.1. CNN 技术发展复盘 .................................................................................................................... 7 2.2. RNN 技术发展复盘 .................................................................................................................. 10 3. AI 第一次爆发的落地局限 ................................................................................................................ 13 4. 风险提示 ............................................................................................................................................ 13 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 3 / 15 图表目录 图 1： 深度学习通用学术成果时间轴................................................................................................... 5 图 2： AlexNet 诞生前算法、算力、数据三要素发展时间轴 ............................................................ 6 图 3： CNN 关键学术派系与技术演进时间轴 ..................................................................................... 9 图 4： CNN 重要论文——年份与引用量 ........................................................................................... 10 图 5： RNN 关键学术派系与技术演进时间轴 .