聚焦汽车行业深度报告:AI系列深度12期,从模块化到端到端。从应用进展看,自动驾驶由特斯拉率先量产推动,中国厂商 2024 年集中跟进,并在 2025 年前后进一步向 VLA 和世界模型演进;机器人领域自 RT-2 起即以 VLA 形态采用端到端;数字 AI 中端到端已是默认范式,通常不再作为单独技术标签。报告认为,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;报告认为物理 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,报告认为应重点关注。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。
聚焦汽车行业深度报告:AI系列深度12期,从模块化到端到端。从应用进展看,自动驾驶由特斯拉率先量产推动,中国厂商 2024 年集中跟进,并在 2025 年前后进一步向 VLA 和世界模型演进;机器人领域自 RT-2 起即以 VLA 形态采用端到端;数字 AI 中端到端已是默认范式,通常不再作为单独技术标签。报告认为,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;报告认为物理 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,报告认为应重点关注。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。
聚焦汽车行业深度报告:AI系列深度12期,从模块化到端到端。从应用进展看,自动驾驶由特斯拉率先量产推动,中国厂商 2024 年集中跟进,并在 2025 年前后进一步向 VLA 和世界模型演进;机器人领域自 RT-2 起即以 VLA 形态采用端到端;数字 AI 中端到端已是默认范式,通常不再作为单独技术标签。报告认为,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;报告认为物理 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,报告认为应重点关注。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。
本报告由东吴证券发布,发布于 2026 年。
覆盖 2026 年。
本报告为付费报告,可在资料宝站内下单后获取完整内容。
重点分析了AI、汽车、汽车行业深度报告等议题。