随着人工智能技术的飞速发展，市场对于AI投资方向的关注日益升温。东吴证券最新发布的研报指出，当前数字AI底座模型发展路径已逐渐清晰，其核心价值在于确定性；而放眼未来，物理AI有望成为整个AI领域最具成长弹性的方向，其中智能驾驶作为最先跑通闭环的代表场景，将成为关键突破口。
数字AI底座：确定性成为核心价值
东吴证券在研报中分析认为，经过近年来的快速发展，数字AI底座模型的发展路径已经日趋明朗。从技术架构到商业应用，数字AI展示出高度的可预测性和稳定性，这为其带来了独特的投资价值——确定性。
所谓数字AI底座模型，主要是指以大型语言模型（LLM）为代表的、在数字空间中运行和训练的AI系统。这类模型通过海量数据的训练，能够完成文本生成、代码编写、图像识别等多种任务。随着GPT系列、文心一言、通义千问等模型的不断迭代，数字AI已经形成了较为成熟的技术范式和商业模式。
研报指出，数字AI的确定性体现在多个层面：技术路径的确定性、商业落地的确定性以及产业生态的确定性。这些确定性因素使得数字AI底座模型成为相对稳健的投资标的，特别是在当前市场环境复杂多变的背景下，确定性价值显得尤为珍贵。
物理AI：成长弹性凸显，闭环路径形成独立发展逻辑
与数字AI的确定性形成鲜明对比的是，物理AI正展现出惊人的成长弹性。东吴证券认为，本轮AI发展的更大增量将来自物理AI领域。
物理AI是指能够感知物理世界并与其实时交互的AI系统，其应用场景包括机器人、自动驾驶、工业自动化等。与数字AI主要处理虚拟数据不同，物理AI需要面对复杂、动态且充满不确定性的物理环境，这使得其技术难度更高，但同时也意味着更大的发展空间。
研报强调，物理AI从表征到部署的闭环路径与数字AI存在明显差异。数字AI的闭环路径相对简单——训练数据、模型迭代、推理输出即可完成；而物理AI则需要经历感知、理解、决策、执行、反馈等多个环节的完整闭环。这种差异性决定了物理AI将形成独立而统一的发展路径，而非简单复制数字AI的发展模式。
世界模型与强化学习：物理AI落地的核心技术引擎
东吴证券指出，物理AI的大规模落地依赖于几项关键技术的突破，其中世界模型与强化学习的闭环成熟最为关键。
世界模型是对物理世界运行规律的抽象表征能力，能够让AI系统理解物体之间的物理关系、因果关系和力学特性等。例如，一个配备了世界模型的机器人能够预判物体被推动后的运动轨迹，从而更精准地执行抓取、搬运等任务。近年来，随着神经辐射场等技术的突破，世界模型的构建能力有了显著提升。
与此同时，强化学习技术为物理AI提供了从经验中持续学习的能力。通过与环境的交互反馈，物理AI系统可以不断优化自身的行为策略，实现对复杂任务的逐步适应。当世界模型与强化学习形成有效闭环，物理AI将能够从简单的感知执行向复杂的自主决策迈进。
云车部署：从能力展示到大规模落地的关键一步
除了算法层面的进步，物理AI的大规模落地还需要基础设施的有力支撑。东吴证券认为，云车部署的逐步兑现将是推动物理AI走向实际应用的关键环节。
以智能驾驶为例，云端平台负责大规模数据的处理、模型训练和场景验证，而车载系统则承担实时感知、快速决策和控制执行的本地化任务。这种云车协同的架构能够有效解决物理AI面临的算力瓶颈和实时性要求之间的矛盾。当云端训练的大模型能够通过OTA等方式高效部署到终端车辆上，智能驾驶将实现从能力展示到大规模商用的质变。
智能驾驶：物理AI闭环跑通的首个代表场景
在所有物理AI的应用场景中，智能驾驶被东吴证券视为最先跑通完整商业闭环的代表领域。通过感知系统获取环境数据，通过决策系统规划行驶路径，通过控制系统执行转向、加速、制动等操作，再通过实际行驶积累数据反哺算法优化——智能驾驶已经初步形成了完整的物理AI闭环。
随着特斯拉FSD、华为ADS、小鹏XNGP等智能驾驶系统的不断迭代，L2+到L3级别智能驾驶正在逐步实现量产落地。这不仅验证了物理AI技术的可行性，也为其他物理AI场景积累了宝贵的工程化经验。东吴证券认为，智能驾驶的规模化落地将有力推动物理AI的商业化进程，进而带动整个产业链的发展。
结论：物理AI有望成为最具成长弹性方向
综合来看，东吴证券判断，随着世界模型与强化学习闭环走向成熟，以及云车部署逐步兑现，物理AI有望由目前的能力展示阶段走向大规模落地阶段。在这一过程中，物理AI将成为AI发展当前阶段最具成长弹性的方向。
对于投资者而言，东吴证券建议重点关注物理AI领域的投资机会，尤其是在智能驾驶、机器人、工业自动化等细分赛道具有核心技术和场景优势的企业。同时，数字AI底座模型所带来的确定性价值也不容忽视，适度配置可有效平衡投资组合的风险收益特征。在AI产业整体向上的大趋势下，把握数字AI的确定性机会与物理AI的成长弹性，将成为制胜的关键。