RNN转向Transformer后 智能驾驶成AI投资主线

时间：2026年08月06日 20:06:32 中财网

　　数据显示，AI语言智能正从RNN架构转向Transformer模型。这一变化的核心是从递归记忆转向全局注意力机制，帮助模型实现并行计算和规模化扩展。

　　
　　一份研报观点认为，RNN虽在2014至2016年通过LSTM和Attention机制在机器翻译等领域达到高峰，但串行计算、长距离依赖衰减和固定向量瓶颈使其难以承载大模型需求。Transformer则通过自注意力让序列任意位置直接交互，将语言建模从算法难题转变为可随算力扩展的工程问题。

　　
　　研报指出，Transformer具备训练并行、长依赖捕捉能力强、结构易堆叠等优势，先后经历架构确立、预训练统一任务以及指令微调、RLHF、CoT、RAG等后训练优化阶段。ChatGPT的出现让语言模型从输出中间结果变为可直接自然语言交互的入口，成为AI产业二次爆发的关键拐点。

　　
　　研报认为，数字AI底座路径已较为清晰，但难以完成物理世界建模闭环。因此物理AI将成为当前增量更大的方向，智能驾驶作为最先跑通闭环的代表场景，技术与商业化落地节奏有望加快，相关产业链公司有望受益于这一确定性趋势。