汽车行业深度报告：AI系列深度24期：世界模型作为“数据工厂”

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 24 期：世界模型作为“数据工厂” 2026 年 08 月 07 日 证券分析师 黄细里 执业证书：S0600520010001 021-60199793 huangxl@dwzq.com.cn 研究助理 童明祺 执业证书：S0600125080005 tongmq@dwzq.com.cn 行业走势 相关研究 《AI 系列深度 17 期：视觉智能为何引入 Transformer？》 2026-08-06 《AI 系列深度 16 期：语言智能为何从 RNN 转向 Transformer？》 2026-08-06 增持（维持） [Table_Tag] [Table_Summary] 投资要点 ◼ 物理 AI 与数字 AI 的数据差异，在于训练数据是现成可取还是必须主动构造。数字 AI 依赖文本、代码、图像等已沉淀在互联网中的人类内容，Scaling 核心是抓取、过滤和压缩已有语料；物理 AI 最有价值的长尾、极端和事故场景在现实中天然稀疏、采集昂贵且危险。由此，物理AI 的数据范式必须从抓取已有转向制造所需。 ◼ 世界模型正在从车端预测组件，演变为云端数据工厂。特斯拉提出自动驾驶基础世界模型，用神经网络预测并生成未来多摄像头画面；Waymo World Model 直接建模并生成未来世界状态，用于仿真推演与策略评估；NVIDIA Cosmos、Wayve GAIA 等把生成式世界模型定位为合成训练数据来源。其角色已从复现已采集场景，扩展为生成未观测场景。 ◼ 世界模型的价值，集中体现在 Corner Case 制造。真实道路中的罕见、危险和事故场景难以高频采集，单靠实车路测无法经济地证明安全性；世界模型可以在云端生成新轨迹、新视角、新主体和新交互，为策略训练与验证提供更高密度的边界样本。这使其成为物理 AI 数据供给和安全验证的重要基础设施。 ◼ 但必须正视一项关键张力：用于制造长尾场景的生成式世界模型，其缺陷恰恰容易出现在长尾、分布外和长时域区域。越稀缺、越偏离训练分布、时间跨度越长，模型越容易出现物理不一致、目标漂移和鬼影等问题。若忽视这一点，世界模型解决数据问题的结论会过于乐观；世界模型既是 Corner Case 生产者，自身也面临 Corner Case。 ◼ 业界缓解张力的做法可分为外生受控生成和内生问题驱动生成。前者由人工设定扰动参数或生成条件，并以真实轨迹、道路结构和可执行性约束锚定样本；后者由系统自诊断模型表现偏差，再定向生成 hard cases。两类方法的共同方向不是无差别放大生成规模，而是约束生成、提升样本有效性和物理可信度。 ◼ 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%2025/8/72025/12/62026/4/62026/8/5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. 数据范式转变：从抓取已有到制造所需 .............................................................................................. 4 1.1. 数字 AI：训练语料相对现成，Scaling 核心是抓取与压缩 ...................................................... 4 1.2. 物理 AI：最具价值的长尾与事故场景天然稀疏、昂贵且危险 ............................................... 4 1.3. 从抓取已有到制造所需：数据范式转变 .................................................................................... 5 2. 世界模型作为数据工厂：从复现场景到生成世界 .............................................................................. 6 2.1. 概念脉络：从强化学习的内部模型到生成式世界模拟器 ........................................................ 6 2.2. 判别式到生成式：特斯拉提出世界模型作为数据生产工具 .................................................... 6 2.3. Waymo：从复现场景到生成世界 ................................................................................................. 7 2.4. 国际前沿机构与主机厂的世界模型布局 .................................................................................... 7 2.5. 生成式视频模型作为世界模型的技术底座：中国大厂与头部创业公司 ................................ 9 3. Corner Case 制造：世界模型既解决长尾，也受长尾约束 .............................................................. 11 3.1. 可控场景生成与罕见场景的主动创造 ...................................................................................... 11 3.2. 生成式世界模型在长尾场景的可靠性同样面临下滑问题 ...................................................... 11 3.3. 思路一：外生受控生成，以真实结构锚定 .............................................................................. 11 3.4. 思路二：内生问题发现，由系统自诊断驱动定向生成 .......................................................... 12 4. 结论