汽车行业深度演讲：AI系列深度25期：从仿照进修

　　强化进修取世界模子正在物理AI中构成双向共生。实正在道无法承担频频试错、失败沉置和事务注入，世界模子因而成为策略锻炼、励设想取平安验证的闭环试错场；同时，鞭策世界模子持续校准。

　　风险提醒：手艺迭代不及预期的风险；大模子厂商ARR增速放缓的风险；云办事商本钱开支不及预期的风险；智能驾驶及机械人贸易化落地不及预期的风险。

　　仿照进修的能力上限正在数字AI取物理AI之间存正在布局性分野。狂言语模子预锻炼素质上是对互联网级人类学问的规模化仿照，进修对象笼盖公开语猜中的多范畴学问，广度上限高于单一专家，因而可构成较高能力底座；从动驾驶端到端模子次要进修人类驾驶轨迹，而L4平安方针要求显著超越平均人类表示。

　　我们认为，数字AI底座模子成长径已逐步清晰、但其难以实现物理世界的建模闭环；我们认为物理AI将成为物理世界的AI处理方案，从而正在AI的当前成长阶段成为增量更大的标的目的，我们认为应沉点关心。

　　闭环驾驶会放大仿照进修的布局性缺陷。行为克隆正在锻炼分布内表示不变，但一旦进入示范数据未笼盖形态，模子输出误差会鞭策车辆进入新的形态分布，构成协变量漂移；长尾、和变乱场景也难以依托实正在道自动采集。强化进修因此不只是后锻炼补强，而是驾驶模子冲破仿照鸿沟的主要环节。

　　财产实践正正在向“端到端+世界模子仿实+强化进修后锻炼”，但具体线仍有分化。小鹏、抱负、Momenta、地平线、千里科技、卓驭、元戎启行等均已公开将强化进修纳入锻炼链；小鹏、抱负、元戎、千里更方向VLA或多模态线，华为、Momenta、地平线相对弱化言语中介，更强调世界模子建立取强化进修闭环。