聚焦汽车行业深度报告:AI系列深度26期,云端基座模型如何在毫秒级车端跑起来。自动驾驶模型必须在固定车规算力上满足帧率、端到端时延和功能安全要求,大型视觉 Transformer 叠加大语言模型难以在现有车规算力下持续满足高频推理要求。Waymo 通过教师—学生蒸馏把大模型能力迁移到实时学生模型,并采用 Think Fast/Think Slow 架构;理想由云端基座蒸馏出车端VLA,并用扩散流匹配减少去噪步数;小鹏则以基座蒸馏和视觉思维链效率提升,降低车端推理时延。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。
聚焦汽车行业深度报告:AI系列深度26期,云端基座模型如何在毫秒级车端跑起来。自动驾驶模型必须在固定车规算力上满足帧率、端到端时延和功能安全要求,大型视觉 Transformer 叠加大语言模型难以在现有车规算力下持续满足高频推理要求。Waymo 通过教师—学生蒸馏把大模型能力迁移到实时学生模型,并采用 Think Fast/Think Slow 架构;理想由云端基座蒸馏出车端VLA,并用扩散流匹配减少去噪步数;小鹏则以基座蒸馏和视觉思维链效率提升,降低车端推理时延。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。
聚焦汽车行业深度报告:AI系列深度26期,云端基座模型如何在毫秒级车端跑起来。自动驾驶模型必须在固定车规算力上满足帧率、端到端时延和功能安全要求,大型视觉 Transformer 叠加大语言模型难以在现有车规算力下持续满足高频推理要求。Waymo 通过教师—学生蒸馏把大模型能力迁移到实时学生模型,并采用 Think Fast/Think Slow 架构;理想由云端基座蒸馏出车端VLA,并用扩散流匹配减少去噪步数;小鹏则以基座蒸馏和视觉思维链效率提升,降低车端推理时延。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。
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。