汽车行业深度报告：AI系列深度20期如何看物理场景中数字AI的能力边界

数字AI与物理AI：沿物理闭环程度形成连续谱 4连续谱框架：从信息空间到物理世界 4从低物理闭环进入高物理闭环，是大模型能力外溢的重要方向 6数字AI与物理AI的技术路径差距 6核心差异在于作用对象与闭环要求不同 6两者能力边界受不同因素约束 8物理闭环越深，数字AI能力直接复用难度越高 9结论：物理AI将与数字AI协同演进 10风险提示 10图1：数字AI独立闭环充分性、物理AI专用技术栈必要性与组件价值分化 6图2：数字AI与物理AI共享神经网络底座，分化于闭环机制 8图3：数字AI能力向物理AI迁移——从直接复用到分模块协同 10表1：数字AI—物理AI八档场景及物理闭环特征 5表2：数字AI与物理AI技术路径五维对比 7表3：数字AI能力向物理AI迁移的三类场景 9数字AI与物理AI：沿物理闭环程度形成连续谱连续谱框架：从信息空间到物理世界应用场景可按照AI”——即任务是否需要在真实物理世界中完成“感知—决策—动作—反馈AIAI专用技术栈的必要性总体上升；但数字AI作为语义理解、常识、高层规划和人机交互模块的价值并不必然同步下降。排序场景类型典型应用数字AI单独闭环充分性物理AI排序场景类型典型应用数字AI单独闭环充分性物理AI必要性核心原因内容生成文案、摘要、翻译、主要发生在信息空间，1与信息处PPT极高极低任务对象是文本、图理脚本、客服问答像、知识和内容依赖知识理解、推理、2 育、医学辅助诊断、很高很低生成和人类复核，数字工作代码生成AI是主场企业流程报销、合同审阅、3与软件AgentCRM更新、自动填表、调用API高低理世界参与度较低专业知识主要操作软件系统，物物理世界4

医学影像、遥感、安防视频、工业缺陷检测

中高 中低

需要理解物理世界数物理资产需要理解物理约束和物理资产需要理解物理约束和5 调度与优 中中资源状态，但行动多通化车队管理、工厂排产过系统调度完成6结构化工业/仓储机、仓储分拣、工业质检中低中高已进入真实物理执行，需要感知、路径规划和器人闭环动作控制城市自动驾驶、无人需要实时感知、运动预7智能驾驶Robotaxi低高测、路径规划、安全决道路无人车策和闭环控制8 身智能器人

极低 极高

环境开放、任务多变、接触复杂、安全约束高，是数字AI单独最难解决的场景GoogleDeepMind，OpenX-EmbodimentCollaboration，PhysicalIntelligence，MetaAI 整理13AI4568AI专AI图1：数字AI独立闭环充分性、物理AI专用技术栈必要性与组件价值分化GoogleDeepMind，OpenX-EmbodimentCollaboration，PhysicalIntelligence，MetaAI，绘制从低物理闭环进入高物理闭环，是大模型能力外溢的重要方向从信息空间向高物理闭环场景延伸，是数字AI拓展能力边界的重要方向之一。在连续谱靠近信息空间的一端，任务仍停留在信息生成、软件操作和人类复核链条中。这AIAgentAIAIVLAAIAIAI性越突出；但数字AI数字AI与物理AI的技术路径差距核心差异在于作用对象与闭环要求不同是一类神经网络架构或通用计算模块，数字AI与物理AIAITransformerTransformer，而在于作用对象、训练目标与闭环要求不同。数字AI化或多模态表示、物理AIVLA表2：数字AI与物理AI技术路径五维对比对比度 数字AI 物理AI空间、运动、动力学、接触关系、动作条件学什？ 语义知、式逻、软操作

状态转移、控制主要测象 token内结或件态 动作轨、态移动作智能现 会理、生、推、会用具 会感、预、规、会幻觉、答错、格式错、调用错；高风险场景亦失败形式

可能造成现实后果

碰撞、掉落、失控、损坏、不安全关键颈 可靠、实、下、权限 数据缺长场景时控全证GoogleDeepMind，OpenX-EmbodimentCollaboration，PhysicalIntelligence，MetaAI 整理数字AItokenAI”“”产生现实损失，但物理AI图2：数字AI与物理AI共享神经网络底座，分化于闭环机制GoogleDeepMind，OpenX-EmbodimentCollaboration，PhysicalIntelligence，MetaAI，绘制两者能力边界受不同因素约束技术路径差异，进一步决定了两者能力边界受不同因素约束。数字AIAgentAgent物理AI的能力边界主要受数据覆盖、物理长尾场景、实时控制、安全验证和Sim2RealSim2Real物理闭环越深，数字AI能力直接复用难度越高理解数字AI向物理AI迁移，关键在于区分”与独立闭环充分性AIAI表3：数字AI能力向物理AI迁移的三类场景场景次 代表务 与物世的系 数字AI力用式 主要颈事实可靠性、上一、纯信息空间

档视觉内容生成、工程仿真环境

几乎不接触物理世界前者生成视觉信号，后者提供可交互训练环境直接作用并改变物理世界

高：理解、生成、推理、软件操作可直接复用

下文、工具调用稳定性物理一致性、长程时序、可控性数据稀缺、长尾、实时控制、安全验证、Sim2Real迁移约束GoogleDeepMind，OpenX-EmbodimentCollaboration，PhysicalIntelligence，MetaAI 整理换言之，看起来像世界与“能被物理系统安全依赖”对应不同能力门槛。构成物理AI同时，数字AI与物理AIAgentSim2RealAI既承接数字AI图3：数字AI能力向物理AI迁移——从直接复用到分模块协同GoogleDeepMind，OpenX-EmbodimentCollaboration，PhysicalIntelligence，MetaAI，绘制结论：物理AI将与数字AI协同演进AIAI"—AI承接数字构成物理AI的技术起点，数字AIAI第二，两者并行分化AIAIAIAI公司"与AI"第三，两者有望融合于完整智能系统：LLM/VLM承担语义理解与高