东吴汽车AI系列23期 智能驾驶的表征演进研讨

发布时间：2026-08-16 一、核心要点 1. 物理AI（智能驾驶）无天然通用token化方案，需先构建三维可学习底座，是其与数字AI（如文本AI）的核心差异2. 智能驾驶表征演进主线为：原始像素→鸟瞰图（BEV）→矢量化→占用网络→多模态Token→可预测潜在状态3. 智能驾驶表征的衡量标准为：保留相关任务信息且线性可分、压缩冗余噪声、相似对象在空间聚合 二、投资线索 1. 主流厂商路线：特斯拉采用BEV+Transformer+占用网络+多模态端到端闭环；Waymo侧重矢量化与统一Token2. 国内量产落地：小鹏CHINET2.0引入占用网络实现三网合一；华为ADS2.0引入GO网络支撑无图理解；理想ADA MAX3.0推出静态/动态BEV及占用网络三类方案 三、风险与关注 1. 智能驾驶表征演进仍在持续，需关注后续厂商底座构建能力的竞争壁垒变化2. 物理AI依赖自监督学习，需关注标注成本及长尾场景覆盖的技术突破情况3. 世界模型分潜在空间建模、数据生成、场景重建、仿真预测四类，需关注不同技术路线的商业价值落地节奏