Transformer成AI基座后 智能驾驶成物理AI焦点

时间：2026年07月30日 08:41:52 中财网

　　数据显示，RNN与Transformer是序列建模的两代核心架构，主要解决文字、语音、视频和轨迹等有序数据的表征问题。Transformer通过自注意力机制、多头注意力和位置编码，实现了训练并行、长程依赖路径缩短，已成为GPT、BERT以及后续大语言模型、视觉语言模型的核心底座，成功从序列任务走向通用基座模型。

　　
　　一份研报观点认为，数字AI底座模型发展路径已逐渐清晰，其价值具有确定性。但数字AI难以完成物理世界的建模闭环，而物理AI将成为物理世界的AI解决方案，在当前阶段构成增量更大的方向。研报指出，Transformer主导云端通用基础模型的同时，智能驾驶作为最先跑通闭环的代表场景，将成为物理AI落地的先锋。

　　
　　研报认为，智能驾驶通过感知、决策到执行的完整闭环，有望率先将AI技术转化为实际生产力。这意味着相关技术迭代将直接带动汽车产业链升级，为相关上市公司带来业绩增量。基本面来看，Transformer架构的成熟降低了AI训练门槛，而物理AI的推进则打开了更广阔的应用空间，智能驾驶正是连接两者的重要桥梁。

　　
　　调研显示，状态空间模型和混合架构正作为补充出现，但Transformer仍是主线。整体而言，物理AI尤其是智能驾驶领域的技术突破，正成为AI投资中最具确定性的增量方向。