⁣
📰 券商观点|汽车行业深度报告：AI系列深度24期：世界模型作为“数据工厂”

报告讨论了物理AI与数字AI在数据获取、训练和应用中的本质差异。数字AI依赖互联网已有内容，核心在于抓取、过滤和压缩海量语料；而物理AI需要在现实世界中制造或获取难以频繁采集、成本高、风险大的长尾场景，因而其数据范式需从“抓取已有”转向“制造所需”。世界模型从车端预测扩展到云端数据工厂，能够生成未来场景、提供高密度边界样本，提升Corner Case的制造能力，为策略训练与安全验证提供基础设施。尽管如此，生成式世界模型在长尾、分布外和长时域区域容易出现物理不一致、目标漂移和鬼影等问题，因此需要外生受控生成和内生问题驱动生成的双重策略，来约束生成、提升样本有效性与物理可信度。作者认为数字AI底座的确定性路径难以完整实现物理世界建模闭环，物理AI才是未来的核心方向，智能驾驶是最先落地、最具代表性的场景，应重点关注其发展与应用，同时警惕技术与市场的不确定性、成本与商业化落地的风险。

🏷️ #物理AI #世界模型 #边界样本 #智能驾驶 #生成式

🔗 原文链接