(相关资料图)

表征是人工智能模型对现实世界信息形成的内部抽象表示，是模型完成理解、推理和预测的基础。表征学习质量直接决定了下游任务能达到的上限。AI表征技术已走过符号AI、特征工程、深度学习到基础模型四个阶段，目前在获取和承载方式上存在表征中心与生成中心、符号与分布式、离散与连续、显式世界模型与隐式潜空间四组路线分歧。

一份研报观点认为，数字AI底座模型的发展路径已逐渐清晰，其价值在于确定性。但物理AI能更好实现物理世界的建模闭环，因此将成为AI当前阶段增量更大的方向。研报指出，物理AI视角可清晰解释自动驾驶与机器人技术的路线差异，两者都需要编码物理世界，但在数据来源、实时性与安全闭环上存在明显不同。智能驾驶作为最先跑通闭环的代表场景，是物理AI落地的优先方向。

研报认为，随着物理AI持续突破，自动驾驶和机器人相关产业链有望迎来更快增长。技术路线清晰后，商业化落地节奏有望加快，相关企业的长期增长空间将显著扩大，市场对这一增量方向的关注度正在提升。