猜你想问
东吴汽车世界模型专题系列电话会议的核心内容是什么？
该报告对比分析了汽车和机器人世界模型的异同点。两者本质相同，都是学习动作后的世界变化，应用场景相似，但预测对象、数据来源与采集、落地进度存在显著差异。汽车世界模型的不确定性主要来自外部环境，动作相对简单；机器人则需处理自身动作带来的不确定性，如物体变形和接触力，需要触觉/力矩传感器。汽车数据可边开边产，规模自动增长；机器人数据采集成本高，规模有限。汽车在数据、动作前推演方面已量产，机器人则尚未规模化部署。报告还探讨了车经验对机器人的借鉴价值及竞争要素差异，指出车是先行者，机器人正在追赶，核心差异在于数据获取方式。
汽车和机器人世界模型赛道的发展趋势如何？
汽车和机器人世界模型赛道均处于快速发展阶段，但竞争要素和所处台阶不同。汽车领域竞争要素为车队规模、云端训练效率、端侧芯片，已进入第四五台阶；机器人领域竞争要素为低成本数据获取、出货量、场景部署速度，仍处于第二台阶。关键信号包括部署量、数据回流占比、端侧实时运行能力，可判断机器人何时迈入下一台阶。两者核心差异在于数据获取方式，汽车数据自产，机器人需主动寻找，这决定了机器人领域仍需更多创新突破。
报告重点分析了哪些方向？
报告重点对比分析了汽车和机器人世界模型的本质、用法、难点、应用场景、预测对象、数据来源与采集、落地进度等方面的异同。具体包括：汽车世界模型的不确定性主要来自外部环境，动作简单；机器人需处理自身动作带来的不确定性，如物体变形和接触力，需要触觉/力矩传感器。汽车数据可边开边产，规模自动增长；机器人数据采集成本高，规模有限。汽车在数据、动作前推演方面已量产，机器人则尚未规模化部署。报告还探讨了车经验对机器人的借鉴价值及竞争要素差异，指出车是先行者，机器人正在追赶，核心差异在于数据获取方式。
当前市场对汽车和机器人世界模型的整体判断是什么？
当前市场对汽车和机器人世界模型的整体判断是：汽车领域已进入相对成熟的阶段，在数据、动作前推演方面已实现量产，竞争要素明确，已进入第四五台阶；机器人领域仍处于发展初期，数据采集成本高，规模有限，在数据、动作前推演、多方案比较方面均未规模化部署，竞争要素为低成本数据获取、出货量、场景部署速度，仍处于第二台阶。两者核心差异在于数据获取方式，汽车数据自产，机器人需主动寻找，这决定了机器人领域仍需更多创新突破。
研报提示了哪些风险？
研报提示的风险主要集中在机器人世界模型领域。首先，数据采集成本高，规模有限，依赖主动寻找数据，可能导致数据质量不足或覆盖场景有限。其次，机器人世界模型需处理自身动作带来的不确定性，如物体变形和接触力，需要触觉/力矩传感器等复杂硬件支持，技术门槛较高。此外，机器人领域在数据、动作前推演、多方案比较方面均未规模化部署，商业化落地存在不确定性。最后，机器人世界模型的表达方式（如图像难以描述精细接触）与汽车领域存在差异，车经验不可完全照搬，需针对性创新。