汽车行业深度报告：AI系列深度23期，智能驾驶的表征演进.pdf

全球智能驾驶技术正经历从感知到认知的深刻变革，其核心驱动力在于物理世界表征方式的演进。本报告深入剖析了物理AI与数字AI在表征获取上的根本差异，指出物理世界缺乏天然通用的Token化方案，必须通过重型编码网络构建三维可学习底座。

表征演进的五大阶段

报告将智能驾驶表征演进归纳为原始像素、BEV/VectorNet、Occupancy、多模态Token和潜在状态五个阶段。原始像素端到端虽简洁但缺乏结构约束；BEV与矢量化作为并行路线，分别通过统一三维空间和抽象数学对象解决了空间与关系建模问题；Occupancy网络通过判断空间占据而非识别类别，提升了对未知障碍物的处理能力；多模态Token尝试统一视觉、语言和动作；潜在状态则通过世界模型将世界压缩至可预测空间。

世界模型与自监督学习

面对物理世界标签稀缺的挑战，世界模型成为表征训练的关键工具。GAIA、Cosmos及JEPA系模型通过自监督预测未来状态或生成场景，帮助模型在无标注条件下形成统一物理表征。竞争壁垒正从单点感知精度前移至如何将物理世界嵌入可预测的潜在空间。

产业格局与技术路线

特斯拉、小鹏、华为、理想、Waymo、Wayve等厂商虽路线各异，但共同主线是从目标级识别走向空间级理解，再走向潜在状态预测。多种表征长期并存，服务于不同层次的感知、预测、仿真和规划需求。物理AI作为物理世界的AI解决方案，在智能驾驶这一最先跑通闭环的场景中展现出巨大的增量价值。