东吴证券：汽车行业深度报告：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

投资要点 数字AI已实现在语言、视觉与多模态任务中通用底座模型的跑通，但其难以实现物理世界的建模闭环；物理AI将在连续、实时、安全约束的真实世界中建立"感知—行动—反馈—优化"闭环，并在一段时间内与数字AI并列成为"任务通解"，成为物理世界场景的AI解决方案。考虑二者的技术同源性，我们认为复盘数字AI有助于理解与预测物理AI的演进。 Transformer推动数字AI技术发展从专用架构到统一底座。AI第一次爆发以CNN、RNN等专用架构分别攻克视觉与语言任务，归纳偏置强、通用性受限；AI第二次爆发中，Transformer以"注意力+位置编码"提供跨领域通用的关系建模，叠加Scaling规律，统一模型在能力迁移、研发效率与工程复用上的优势持续扩大；语言、视觉、生成与多模态逐步收敛于统一基础模型范式，Transformer亦转变为通用计算底座。 物理AI正从复用数字AI能力转向补齐自身底层能力。早期主要迁移Transformer等架构理念（BEV、UniAD）；当前VLM、VLA进一步建立在LLM及多模态基座之上（WaymoEMMA基于Gemini、车端VLA）。但数字AI红利或已接近阶