📊 报告来源：东吴证券研究所
导语
AI正在从数字世界走向物理世界。对汽车行业而言，这意味着智能驾驶、智能座舱、智能制造、机器人等场景将共享同一套AI底座。从数字AI通用底座到物理AI真实世界闭环，汽车行业的竞争边界正在被重新定义。
核心发现
- 数字AI底座包括大模型、数据、算力和开发工具链
- 物理AI需要把数字能力映射到真实世界的感知、决策和控制
- 汽车行业是物理AI落地的重要场景，涵盖自动驾驶、机器人、智能制造
- 端到端自动驾驶是大模型在物理世界的典型应用
- 智能座舱从语音交互向AI Agent和情感计算演进
- 智能制造通过AI提升质量检测、预测性维护和生产效率
- 数据闭环能力决定物理AI的迭代速度和效果上限
- 车企、科技公司、零部件供应商围绕AI底座展开生态竞争
深度解读
汽车行业的AI竞争，正在从「功能级」升级到「底座级」。过去，每个智能化功能（语音识别、车道保持、泊车）都有独立的算法和团队。现在，大模型和端到端架构让多个功能共享同一套感知、理解和决策能力。
对车企来说，核心挑战是数据闭环。自动驾驶需要海量真实道路数据，机器人需要物理交互数据，智能制造需要产线数据。谁能低成本、高效率地采集、标注、训练、部署和迭代，谁就能在物理AI时代建立壁垒。
科技公司（华为、百度、小鹏、特斯拉）和传统车企在AI底座上的竞争策略不同。科技公司倾向于提供通用平台和工具链，车企则倾向于把AI能力内化为产品差异化。未来可能会出现分层格局：少数公司拥有通用底座，多数公司在底座上做垂直应用。
物理AI的闭环不仅是技术问题，也是商业问题。如何让用户愿意为智能化付费？如何保障安全？如何处理数据隐私？这些问题将决定AI在汽车行业的商业化深度。
一句话总结
汽车行业正从数字AI底座走向物理AI闭环，自动驾驶、机器人、智能制造共享核心能力，数据闭环和生态竞争是胜负手。