东吴证券发布研报称，数字AI底座模型发展路径已逐渐清晰，价值在于确定性;本轮AI发展未来更大的增量在物理AI，智能驾驶是其最先跑通闭环的代表场景。物理AI从表征到部署的闭环路径与数字AI差异明显，将形成独立而统一的发展路径。随着世界模型与强化学习闭环走向成熟、云车部署逐步兑现，物理AI有望由能力展示走向大规模落地，成为AI发展当前阶段最具成长弹性的方向。
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，该行认为复盘数字AI有助于理解与预测物理AI的演进。
AI第一次爆发以CNN、RNN等专用架构分别攻克
早期主要迁移Transformer等架构理念;当前VLM、VLA进一步建立在LLM及多模态基座之上。但数字AI红利或已接近阶段性瓶颈，根本原因在于，物理AI面临三类差异：一是缺少天然Token，需自主构建物理世界表征;二是长尾、极端场景稀缺且采集成本高，难以直接互联网数据Scaling;三是模仿学习受限于人类驾驶上限，必须依赖强化学习持续试错;就三点差异来看，该行认为世界模型或更契合物理AI发展方向。
