AI系列报告：从数字AI通用底座到物理AI真实世界闭环（38页）

行业报告下载 2026年09月13日 07:53 管理员

数字 AI 已实现在语言、视觉与多模态任务中通用底座模型的跑通，但其难以实现物理世界的建模闭环；物理 AI 将在连续、实时、安全约束的真实世界中建立"感知—行动—反馈—优化"闭环，并在一段时间内与数字 AI 并列成为"任务通解"，成为物理世界场景的 AI 解决方案。考虑二者的技术同源性，我们认为复盘数字 AI 有助于理解与预测物理 AI 的演进。 Transformer 推动数字 AI 技术发展从专用架构到统一底座。AI 第一次爆发以 CNN、RNN 等专用架构分别攻克视觉与语言任务，归纳偏置强、通用性受限；AI 第二次爆发中，Transformer 以"注意力+位置编码"提供跨领域通用的关系建模，叠加 Scaling 规律，统一模型在能力迁移、研发效率与工程复用上的优势持续扩大；语言、视觉、生成与多模态逐步收敛于统一基础模型范式，Transformer 亦转变为通用计算底座。

AI系列报告：从数字AI通用底座到物理AI真实世界闭环（38页）-第1张图片