东吴证券：汽车行业深度报告：AI系列深度23期：智能驾驶的表征演进

投资要点 物理AI与数字AI的根本差异，首先体现在表征获取方式上。文本天然离散且带语义，数字AI输入具备较强可token化基础；物理世界的输入则由连续光子、点云、运动和空间关系构成，缺乏天然通用的物理世界token化方案。因此，物理AI需要先构建三维物理空间的可学习表征，再进入规划、控制和行动。 以智能驾驶为例，表征演进可概括为原始像素、BEV/VectorNet、Occupancy、多模态Token和潜在状态五个阶段。原始像素端到端简洁但缺少结构约束；BEV+Transformer与矢量化VectorNet是同一层级的两条并行路线，分别以特斯拉和Waymo为代表，前者把多摄像头信息统一到鸟瞰三维空间，后者把道路和参与者抽象成数学对象；Occupancy从识别对象类别转向判断空间占据；多模态Token连接视觉、语言和动作；潜在状态则把世界压缩到可预测空间。 物理AI中的token化器本质上是重型编码网络。文本分词通常只是把离散符号映射为token，而车端BEV编码器、占用网络、VAE、3D编码器等承担了从连续物理输入到可学习表征的核心转换。离散化和嵌入不是预先给定的，而是由网络学习形成